本申请公开了一种相机姿态角预测模型训练方法、装置、设备及介质，可用于人工智能领域，该方法中，首先，获取相机内参、相机高度、相机捕捉图像以及预先标注的相机捕捉图像中识别目标的多个标注坐标值；然后，根据预设的相机姿态角预测模型、相机内参以及相机高度，确定相机捕捉图像对应的相机姿态角预测值；接着，基于相机姿态角预测值以及预先标注的相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；最后，基于网络损失，训练预设的相机姿态角预测模型。由此，不需获取相机姿态角真值即可得到网络损失，从而在训练过程中完成参数梯度的反向传播，能够以较为简单的方式对相机姿态角预测模型进行训练。姿态角预测模型进行训练。姿态角预测模型进行训练。
【技术实现步骤摘要】
一种相机姿态角预测模型训练方法、装置、设备及介质
[0001]本申请涉及人工智能
，特别是涉及一种相机姿态角预测模型训练方法、装置、设备及介质。
技术介绍
[0002]随着人工智能技术的发展，使得自动驾驶功能的实现成为可能，而车道线的实时感知作为自动驾驶感知系统的重要组成部分也越来越受到关注。由于车辆在运行过程中时有颠簸，相机相对于车辆的姿态实时动态变化，因此，为了得到较为准确车道线信息，需要实时预测相机相对于车辆的姿态角。
[0003]目前，通常选择利用深度学习网络构建相机姿态角预测模型，从而实时预测相机相对于车辆的姿态角。深度学习网络一般需要通过真值与预测值的差异作为损失函数完成梯度反向传播的过程，然而，由于当前技术的局限性，直接用相机离线标定的参数作为相机姿态角真值难以确保得到的相机姿态角真值的实时性和准确性，基于通过这种方式得到的相机姿态角真值对相机姿态角预测模型进行训练，将导致难以通过训练后的相机姿态角预测模型得到较为准确的相机姿态角预测值。
[0004]由此，如何以较为简单的方式对相机姿态角预测模型进行训练，成为当前亟待解决的问题。
技术实现思路
[0005]基于上述问题，本申请提供了一种相机姿态角预测模型训练方法、装置、设备及介质，能够以较为简单的方式对相机姿态角预测模型进行训练。
[0006]本申请实施例公开了如下技术方案：
[0007]第一方面，本申请提供了一种相机姿态角预测模型训练方法，所述方法包括：
[0008]获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；
[0009]根据预设的相机姿态角预测模型，确定所述相机捕捉图像对应的相机姿态角预测值；
[0010]基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；
[0011]基于所述网络损失，训练所述预设的相机姿态角预测模型。
[0012]可选地，所述基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失，包括：
[0013]基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值；
[0014]基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失。
[0015]可选地，所述基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到
预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值，包括：
[0016]基于所述相机姿态角预测值、所述相机内参以及所述相机高度，构建相机坐标系到鸟瞰图坐标系的坐标变换矩阵；
[0017]基于所述相机坐标系到鸟瞰图坐标系的坐标变换矩阵，将预先标注的所述相机捕捉图像中识别目标的多个标注坐标值转换至鸟瞰图坐标系中，得到多个鸟瞰图坐标值。
[0018]可选地，所述识别目标，包括：车道线；
[0019]所述基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失，包括：
[0020]基于多个所述鸟瞰图坐标值，计算预设范围内两根相邻车道线的斜率的差值绝对值；
[0021]基于所述两根相邻车道线的斜率的差值绝对值，得到网络损失。
[0022]可选地，所述基于所述网络损失，训练所述预设的相机姿态角预测模型，包括：
[0023]基于所述网络损失，更新所述预设的相机姿态角预测模型的参数。
[0024]第二方面，本申请提供了一种相机姿态角预测模型训练装置，所述装置包括：数据获取模块，相机姿态角预测模块，损失计算模块以及模型训练模块；
[0025]所述数据获取模块，用于获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；
[0026]所述相机姿态角预测模块，用于根据预设的相机姿态角预测模型，确定所述相机捕捉图像对应的相机姿态角预测值；
[0027]所述损失计算模块，用于基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；
[0028]所述模型训练模块，用于基于所述网络损失，训练所述预设的相机姿态角预测模型。
[0029]可选地，所述损失计算模块，包括：坐标转换单元以及损失计算单元；
[0030]所述坐标转换单元，用于基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值；
[0031]所述损失计算单元，用于基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失。
[0032]可选地，所述坐标转换单元，具体用于：
[0033]基于所述相机姿态角预测值、所述相机内参以及所述相机高度，构建相机坐标系到鸟瞰图坐标系的坐标变换矩阵；
[0034]基于所述相机坐标系到鸟瞰图坐标系的坐标变换矩阵，将预先标注的所述相机捕捉图像中识别目标的多个标注坐标值转换至鸟瞰图坐标系中，得到多个鸟瞰图坐标值。
[0035]第三方面，本申请提供了一种相机姿态角预测模型训练设备，所述设备包括：存储器和处理器；
[0036]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0037]所述处理器用于根据所述程序代码中的指令执行第一方面中任一项所述的相机姿态角预测模型训练方法的步骤。
[0038]第四方面，本申请提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机指令，当所述计算机指令在相机姿态角预测模型训练设备上运行时，所述相机姿态角预测模型训练设备执行第一方面中任一项所述的相机姿态角预测模型训练方法的步骤。
[0039]相较于现有技术，本申请具有以下有益效果：
[0040]本申请提供了一种相机姿态角预测模型训练方法，该方法中，首先，获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；然后，根据预设的相机姿态角预测模型、所述相机内参以及所述相机高度，确定所述相机捕捉图像对应的相机姿态角预测值；接着，基于所述相机姿态角预测值以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；最后，基于所述网络损失，训练所述预设的相机姿态角预测模型。由此，不需获取相机姿态角真值即可得到网络损失，从而在训练过程中完成参数梯度的反向传播，实现相机姿态角预测模型的无真值训练，能够以较为简单的方式对相机姿态角预测模型进行训练。
附图说明
[0041]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种相机姿态角预测模型训练方法，其特征在于，所述方法包括：获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；根据预设的相机姿态角预测模型，确定所述相机捕捉图像对应的相机姿态角预测值；基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；基于所述网络损失，训练所述预设的相机姿态角预测模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失，包括：基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值；基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失。3.根据权利要求2所述的方法，其特征在于，所述基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值，包括：基于所述相机姿态角预测值、所述相机内参以及所述相机高度，构建相机坐标系到鸟瞰图坐标系的坐标变换矩阵；基于所述相机坐标系到鸟瞰图坐标系的坐标变换矩阵，将预先标注的所述相机捕捉图像中识别目标的多个标注坐标值转换至鸟瞰图坐标系中，得到多个鸟瞰图坐标值。4.根据权利要求2所述的方法，其特征在于，所述识别目标，包括：车道线；所述基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失，包括：基于多个所述鸟瞰图坐标值，计算预设范围内两根相邻车道线的斜率的差值绝对值；基于所述两根相邻车道线的斜率的差值绝对值，得到网络损失。5.根据权利要求1所述的方法，其特征在于，所述基于所述网络损失，训练所述预设的相机姿态角预测模型，包括：基于所述网络损失，更新所述预设的相机姿态角预测模型的参数。6.一种相机姿态角预测模型训练装置，其特征在于，所述装置包括：数据...
【专利技术属性】
技术研发人员：艾建勇，丁文博，
申请(专利权)人：上海汽车工业集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。