[發(fā)明專利]確定目標方向角的方法、裝置、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110047651.6
• 申請日: 2021-01-14
• 公開（公告）號: CN112800873A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設計）人: 王澤荔
• 申請（專利權(quán)）人: 知行汽車科技（蘇州）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 蘇州謹和知識產(chǎn)權(quán)代理事務所(特殊普通合伙) 32295
• 代理人: 許冬瑩

1.一種確定目標方向角的方法，其特征在于，所述方法包括：

實時獲取檢測到的目標障礙物的點云數(shù)據(jù)；

采用預先訓練好的深度學習模型，對實時獲取的所述點云數(shù)據(jù)進行目標框預測，得到所述目標框的長寬以及所述目標框?qū)淖钚⊥饨泳匦蔚拈L寬；

根據(jù)所述目標框的長寬以及所述目標框?qū)淖钚⊥饨泳匦蔚拈L寬，確定目標障礙物對應的目標方向角，以輔助無人駕駛車輛進行路徑規(guī)劃。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓練深度學習模型的步驟，包括：

獲取訓練樣本集，所述訓練樣本集中包括點云數(shù)據(jù)及對應的標簽，所述標簽指示點云數(shù)據(jù)對應的目標框的頂點坐標；

將所述訓練樣本集輸入深度學習模型中進行學習，得到目標框的長寬以及對應的最小外接矩形的長寬的預測結(jié)果；其中，在學習過程中，根據(jù)目標框的頂點坐標，確定所述目標框的長寬以及目標框?qū)淖钚⊥饨泳匦蔚拈L寬，并將所述目標框的長寬以及目標框?qū)淖钚⊥饨泳匦蔚拈L寬作為訓練標簽；

根據(jù)損失函數(shù)，確定所述預測結(jié)果與所述訓練標簽之間的差異；

基于所述差異，對所述深度學習模型進行迭代訓練；

當所述差異達到預設范圍時，完成深度學習模型的訓練。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定目標障礙物對應的目標方向角的方法為：

其中，α為目標方向角，a為最小外接矩形的長度，b為最小外接矩形的寬度，w為目標框的寬度，l為目標框的長度。

4.一種確定目標方向角的裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，被配置為用于實時獲取目標障礙物的點云數(shù)據(jù)；

深度學習模塊，被配置為用于采用預先訓練好的深度學習模型，對實時獲取的所述點云數(shù)據(jù)進行目標框預測，得到所述目標框的長寬以及所述目標框?qū)淖钚⊥饨泳匦蔚拈L寬；

角度計算模塊，被配置為用于根據(jù)所述目標框的長寬以及所述目標框?qū)淖钚⊥饨泳匦蔚拈L寬，確定目標障礙物對應的目標方向角，以輔助無人駕駛車輛進行路徑規(guī)劃。

5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述深度學習模塊還用于訓練深度學習模型，包括：

獲取訓練樣本集，所述訓練樣本集中包括點云數(shù)據(jù)及標簽，所述標簽指示目標框的頂點坐標及點云數(shù)據(jù)中各激光點的標簽類別；

將所述訓練樣本集輸入深度學習模型中進行學習，得到目標框的長寬以及對應的最小外接矩形的長寬的預測結(jié)果；其中，在學習過程中，根據(jù)目標框的頂點坐標，確定所述目標框的長寬以及目標框?qū)淖钚⊥饨泳匦蔚拈L寬，并將所述目標框的長寬以及所述最小外接矩形的長寬作為訓練標簽；

根據(jù)損失函數(shù)，確定所述預測結(jié)果與所述訓練標簽之間的差異；

基于所述差異，對所述深度學習模型進行迭代訓練；

當所述差異達到預設范圍時，完成深度學習模型的訓練。

6.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述計算模塊確定目標障礙物對應的目標方向角的方法為：

其中，α為目標方向角，a為最小外接矩形的長度，b為最小外接矩形的寬度，w為目標框的寬度，l為目標框的長度。

7.一種確定目標方向角的系統(tǒng)，所述系統(tǒng)包括處理器和存儲器，所述存儲器中存儲有計算機程序，其特征在于，所述計算機程序由所述處理器加載并執(zhí)行，以實現(xiàn)如權(quán)利要求1至3任一項所述的確定目標方向角的方法。

8.一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)中存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，用于實現(xiàn)如權(quán)利要求1至3任一項所述的確定目標方向角的方法。