[發明專利]一種模型訓練以及確定無人車運動策略方法及裝置

有效

• 申請號: 202110191748.4
• 申請日: 2021-02-19
• 公開（公告）號: CN112883871B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 劉朋浩
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V40/10;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種模型訓練以及確定無人車運動策略方法及裝置，通過在歷史上采集到的各連續幀圖像中確定若干組連續兩幀圖像作為各訓練樣本，并針對每個訓練樣本，確定第二圖像的包圍框作為標注，然后通過預處理模型，確定預處理結果，進而通過檢測模型，確定該訓練樣本的第一圖像的預測結果以及后處理結果，通過分類層確定檢測結果，并以檢測結果和標注之間差異最小為優化目標，對該待訓練的檢測模型的進行訓練。本方法通過對各訓練樣本中的第一圖像的各障礙物實例進行預測，進而更新第二圖像的各障礙物實例的至少部分待選包圍框，最后通過分類層確定第二圖像的各障礙物實例的包圍框，作為檢測結果，不需要人工調整參數，準確率較高。

技術領域

本說明書涉及無人駕駛技術領域，尤其涉及一種模型訓練以及確定無人車運動策略方法及裝置。

背景技術

目前，為了保證無人車的行駛安全，在無人車的行駛過程中，通常會檢測無人車周圍的障礙物實例，并根據該無人車周圍的障礙物實例的位置，確定無人車的運動策略以避障。

一般的，無人車上可設置有采集圖像的傳感器，在需要確定運動策略時，首先可將最近一段時間各時刻采集的圖像進行圖像檢測，并將各時刻的檢測結果進行關聯，以實現對各圖像中的障礙物實例的檢測與追蹤，基于各時刻的檢測結果以及各圖像中相同障礙物實例的關聯關系，后續可確定該無人車的運動策略。

現有技術中，常見的對各圖像中的障礙物實例進行檢測與追蹤的方法是基于卡爾曼濾波算法和匈牙利匹配算法構建的模型實現的。

具體的，首先將當前圖像進行圖像檢測，得到當前圖像的檢測結果，之后將該檢測結果輸入到基于卡爾曼濾波算法和匈牙利匹配算法構建的模型中，預測當前圖像的下一幀圖像的檢測結果。并將當前圖像的下一幀圖像進行圖像檢測得到的下一幀圖像的檢測結果，與根據當前圖像預測出的檢測結果進行相似度匹配，確定各圖像中相同障礙物實例的關聯關系，后續則可基于該關聯關系與檢測結果確定無人車的運動策略。

但是，現有技術在實現對障礙物實例的檢測與追蹤的過程中，對于卡爾曼濾波算法的參數的調整，以及在相似度匹配時特征的選擇，需要根據人為經驗進行設置，導致準確率較低。

發明內容

本說明書提供一種模型訓練以及確定無人車運動策略方法及裝置，以部分的解決現有技術存在的上述問題。

本說明書采用下述技術方案：

本說明書提供了一種檢測模型的訓練方法，包括：

根據歷史上采集到的各連續幀圖像，確定若干組連續兩幀圖像，將每組圖像，作為訓練樣本，所述訓練樣本中的前一幀作為第一圖像，后一幀作為第二圖像；

針對每個訓練樣本，將該訓練樣本包含的第二圖像中，預先標注的各障礙物實例的包圍框，作為該訓練樣本的標注；

將該訓練樣本輸入訓練完成的預處理模型，通過所述預處理模型，確定所述第一圖像中各障礙物實例的包圍框，以及確定所述第二圖像中的各障礙物實例的各待選包圍框，作為預處理結果；

將該訓練樣本的預處理結果，輸入待訓練的檢測模型，確定所述第一圖像中各障礙物實例的包圍框的預測結果，并根據所述預測結果，更新所述第二圖像中的各障礙物實例的至少部分待選包圍框，作為后處理結果；

將該訓練樣本的后處理結果，輸入所述預處理模型的分類層，得到該訓練樣本包含的第二圖像中各障礙物實例的包圍框，作為檢測結果；

以該訓練樣本的檢測結果以及該訓練樣本的標注之間差異最小為優化目標，調整所述待訓練的檢測模型的模型參數，所述預處理模型以及所述檢測模型用于在確定無人車運動策略時，確定所述無人車環境圖像中的各障礙物實例。

可選地，所述預處理模型包括卷積層和分類層；