本发明专利技术提供一种激光雷达目标检测模型训练方法、检测方法及装置，通过获取原始激光雷达点云数据和3D框标注信息，3D框标注信息包括目标标注位置；根据原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，得到预训练激光雷达目标检测模型；根据预训练激光雷达目标检测模型输出的不同时刻目标预测位置与目标标注位置对预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，得到具有速度估计能力的激光雷达目标检测模型，通过两阶段的训练，不需要速度标注信息也可以得到精确的速度预测信息，满足用户需求。用户需求。用户需求。
【技术实现步骤摘要】
激光雷达目标检测模型训练方法、检测方法及装置
[0001]本专利技术涉及目标检测
，尤其涉及一种激光雷达目标检测模型训练方法、检测方法及装置。
技术介绍
[0002]激光雷达(LiDAR)是一种用于精确获得三维位置信息的传感器，它利用激光束探测目标，获得数据并生成精确的数字工程模型。激光雷达具有探测范围广、不依赖外部光照、高精度测距等优点，在障碍物探测与跟踪过程中，可以准确获取目标的距离、轮廓等特征属性，因此，激光雷达是自动驾驶重要的传感器之一。随着深度学习在计算机视觉的迅速发展，自动驾驶也越来越多采用深度神经网络代替传统算法。目前，基于激光雷达的3D目标检测方法已经取得了很大的进展，基于数据驱动的深度学习在基于激光雷达目标检测和跟踪越来越不可替代。在自动驾驶场景下的目标检测中实现对车辆速度预测具有重要意义，但传统激光雷达目标检测方法实现速度预测是依靠连续帧标注的3D框的时空关系递推出车辆的速度，由于传统激光雷达目标检测方法依赖连续帧标注，而连续帧的标注增加了标注成本，而自动驾驶是一个开放场景，在开放场景下通过人工难以实现对连续帧标注，因此，传统激光雷达目标检测方法缺乏速度推理能力，不能满足用户需求。
技术实现思路
[0003]本专利技术提供一种激光雷达目标检测模型训练方法、检测方法及装置，用以解决传统激光雷达目标检测模型采用有监督学习方法进行训练，缺少速度推理能力的缺陷。
[0004]本专利技术提供一种激光雷达目标检测模型训练方法，包括：
[0005]获取原始激光雷达点云数据和3D框标注信息，所述3D框标注信息包括目标标注位置；
[0006]根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，得到预训练激光雷达目标检测模型；
[0007]根据所述预训练激光雷达目标检测模型输出的不同时刻目标预测位置与所述目标标注位置对所述预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，得到具有速度估计能力的激光雷达目标检测模型。
[0008]本专利技术提供一种激光雷达目标检测模型训练方法，所述根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，包括：
[0009]对所述原始激光雷达点云数据进行粗特征提取，得到鸟瞰视角下的多帧粗特征信息；
[0010]将所述多帧粗特征信息进行叠加后进行特征学习得到多维特征信息；
[0011]根据所述多维特征信息得到预测目标框信息；
[0012]将所述预测目标框信息与所述3D框标注信息进行比较，将比较结果作为预训练损失值；
[0013]根据所述预训练损失值调整模型参数以得到预训练激光雷达目标检测模型。
[0014]本专利技术提供一种激光雷达目标检测模型训练方法，所述根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，还包括：
[0015]创建网格地图，将所述原始激光雷达点云数据集合中多帧点云数据投影至所述网格地图中；
[0016]计算所述网格地图内各个点云数据之间的时间差，提取所述时间差最大值作为所述网格地图的时间差特征信息；
[0017]将所述时间差特征信息与所述多维特征信息进行叠加。
[0018]本专利技术提供一种激光雷达目标检测模型训练方法，所述目标框预测信息包括分类结果和回归结果，所述预训练损失值计算方法包括：
[0019]预训练损失值L
det
＝W
cls
L
cls
+W
box
L
box
，其中，W
cls
为分类任务权重，L
cls
为分类任务损失；W
box
为回归任务权重，L
box
为回归任务损失。
[0020]本专利技术提供一种激光雷达目标检测模型训练方法，所述根据所述预训练激光雷达目标检测模型输出的不同时刻目标预测位置与所述目标标注位置对所述预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，包括：
[0021]将原始激光雷达点云数据中t
‑
1时刻点云数据输入所述预训练激光雷达目标检测模型，得到t
‑
1时刻对应的目标位置；
[0022]基于t
‑
1时刻到t时刻车辆的位姿变化，对t
‑
1时刻对应的目标预测位置进行运动补偿；
[0023]根据运动补偿后的t
‑
1时刻对应的目标预测位置与预测速度计算t时刻目标位置，得到t时刻对应的目标预测位置；
[0024]将t时刻对应的目标预测位置与所述目标标注位置进行比较，将比较结果作为速度回归训练损失值；
[0025]根据所述速度回归训练损失值调整模型参数以得到具有速度估计能力的激光雷达目标检测模型。
[0026]本专利技术提供一种激光雷达目标检测模型训练方法，所述将t时刻对应的目标预测位置与所述目标标注位置进行比较，将比较结果作为速度回归训练损失值，包括：
[0027]将t时刻对应的目标预测位置与t时刻的目标标注位置进行目标点匹配，得到多个匹配对；
[0028]计算多个匹配对的中心点距离，将所述中心点距离的平均值作为速度回归训练损失值。
[0029]本专利技术还提供一种激光雷达目标检测方法，包括：
[0030]获取实时激光雷达点云数据；
[0031]将所述实时激光雷达点云数据输入具有速度估计能力的激光雷达目标检测模型，得到目标检测结果，所述目标检测结果包括目标框的位置和速度，其中，所述激光雷达目标检测模型基于上述任一项所述的激光雷达目标检测模型训练方法进行训练得到。
[0032]本专利技术还提供一种激光雷达目标检测模型训练装置，包括：
[0033]第一获取模块，用于获取原始激光雷达点云数据和3D框标注信息，所述3D框标注信息包括目标标注位置；
[0034]第一阶段训练模块，用于根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，得到预训练激光雷达目标检测模型；
[0035]第二阶段训练模块，用于根据所述预训练激光雷达目标检测模型输出的不同时刻目标预测位置与所述目标标注位置对所述预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，得到具有速度估计能力的激光雷达目标检测模型。
[0036]本专利技术还提供一种激光雷达目标检测装置，包括：
[0037]第二获取模块，用于获取实时激光雷达点云数据；
[0038]检测模块，用于将所述实时激光雷达点云数据输入具有速度估计能力的激光雷达目标检测模型，得到目标检测结果，所述目标检测结果包括目标框的位置和速度，其中，所述激光雷达目标检测模型基于上述任一项所述的激光雷达目标检测模型训练方法进行训练得到。
[0039]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光雷达目标检测模型训练方法，其特征在于，包括：获取原始激光雷达点云数据和3D框标注信息，所述3D框标注信息包括目标标注位置；根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，得到预训练激光雷达目标检测模型；根据所述预训练激光雷达目标检测模型输出的不同时刻目标预测位置与所述目标标注位置对所述预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，得到具有速度估计能力的激光雷达目标检测模型。2.根据权利要求1所述的激光雷达目标检测模型训练方法，其特征在于，所述根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，包括：对所述原始激光雷达点云数据进行粗特征提取，得到鸟瞰视角下的多帧粗特征信息；将所述多帧粗特征信息进行叠加后进行特征学习得到多维特征信息；根据所述多维特征信息得到预测目标框信息；将所述预测目标框信息与所述3D框标注信息进行比较，将比较结果作为预训练损失值；根据所述预训练损失值调整模型参数以得到预训练激光雷达目标检测模型。3.根据权利要求2所述的激光雷达目标检测模型训练方法，其特征在于，所述根据所述原始激光雷达点云数据和3D框标注信息对激光雷达目标检测模型进行第一阶段训练，还包括：创建网格地图，将所述原始激光雷达点云数据集合中多帧点云数据投影至所述网格地图中；计算所述网格地图内各个点云数据之间的时间差，提取所述时间差最大值作为所述网格地图的时间差特征信息；将所述时间差特征信息与所述多维特征信息进行叠加。4.根据权利要求2所述的激光雷达目标检测模型训练方法，其特征在于，所述目标框预测信息包括分类结果和回归结果，所述预训练损失值计算方法包括：预训练损失值L
det
＝W
cls
L
cls
+W
box
L
box
，其中，W
cls
为分类任务权重，L
cls
为分类任务损失；W
box
为回归任务权重，L
box
为回归任务损失。5.根据权利要求1所述的激光雷达目标检测模型训练方法，其特征在于，所述根据所述预训练激光雷达目标检测模型输出的不同时刻目标预测位置与所述目标标注位置对所述预训练激光雷达目标检测模型进行第二阶段速度自监督的回归训练，包括：将原始激光雷达点云数据中t
‑
1时刻点云数据输入所述预训练激光雷达目标检测模型，得到t
‑<...
【专利技术属性】
技术研发人员：杨寓哲，刘慧，程新景，
申请(专利权)人：际络科技上海有限公司，
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。