【技術實現步驟摘要】
本申請涉及目標感知，特別是涉及一種用于車載雷達感知模型的精度檢測方法、裝置及存儲介質。
技術介紹
1、自動駕駛技術是學術和工業界聚焦的熱點問題。自動駕駛算法架構主要分為“感知”、“決策”和“執行”三個模塊。其中“感知”模塊通過攝像頭、激光雷達等傳感器獲取數據，通過對車輛周邊環境進行感知，獲取交通參與者的位置、大小和速度等信息。由于激光雷達是通過測量激光脈沖從發射到接收所經歷的時間，并記錄脈沖反射強度來實現感知任務，而不同顏色的物體具有不同的反射率，對脈沖的吸收和反射程度也有所差異，因此會對激光雷達的感知功能產生影響。例如，黑色的物體具有較低的反射率，因此可能反射較少的激光脈沖，從而導致點云“掉點”等問題。而白色的物體通常具有較高的反射率，因而更多的光線能夠被反射回激光雷達。
2、在傳統的激光雷達目標感知精度檢測技術中，通常是在數據層面進行精度檢測，例如通過分析點云的點數對激光雷達的目標感知精度進行檢測。然而，一方面傳統技術中只采用少量的物體樣本進行測試，點云有效信息較少；另一方面傳統技術并未考慮顏色對于目標感知模型可能產生的影響。因此傳統技術中的激光雷達目標感知精度檢測的準確度和可靠性較低。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種能夠提高檢測精度和檢測可靠性的用于車載雷達感知模型的精度檢測方法、裝置及存儲介質。
2、第一方面，本申請提供了一種用于車載雷達感知模型的精度檢測方法。所述方法包括：
3、基于車載雷達獲取三維點云數據，
4、獲取與所述三維點云數據匹配的彩色圖像，并基于所述彩色圖像對所述真實三維包圍盒標注顏色；
5、將所述三維點云數據輸入待檢測目標感知模型，輸出得到感知目標物體的預測三維包圍盒；
6、基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值，并基于所述差異值確定所述待檢測目標感知模型對不同顏色的真實目標物體的檢測精度。
7、在其中一個實施例中，所述基于所述彩色圖像對所述真實三維包圍盒標注顏色包括：
8、將所述真實三維包圍盒投影至所述彩色圖像，得到投影包圍盒；
9、基于所述投影包圍盒內的像素值，確定所述真實目標物體的顏色信息；
10、基于所述顏色信息對所述真實三維包圍盒標注顏色。
11、在其中一個實施例中，所述待檢測目標感知模型基于原始有監督目標感知模型確定；將所述三維點云數據輸入待檢測目標感知模型，輸出得到感知目標物體的預測三維包圍盒包括：
12、基于所述顏色信息對所述三維點云數據標注顏色；
13、基于標注顏色后的三維點云數據、所述標注顏色后的真實三維包圍盒，確定訓練數據，所述訓練數據對應于單一類別的顏色信息；
14、基于所述訓練數據訓練初始模型，得到所述待檢測目標感知模型，所述初始模型與所述原始有監督目標感知模型的模型結構相同；
15、將測試三維點云數據輸入所述待檢測目標感知模型，輸出得到所述預測三維包圍盒，所述測試三維點云數據與所述訓練數據的顏色信息類別不同。
16、在其中一個實施例中，所述預設算法包括kitti數據集評估算法，所述基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值包括：
17、將測試三維點云數據輸入所述待檢測目標感知模型，還輸出與所述預測三維包圍盒匹配的預測置信度；
18、將所述預測三維包圍盒以及所述預測置信度輸入所述kitti數據集評估算法，得到平均精度值作為所述差異值。
19、在其中一個實施例中，將所述預測三維包圍盒以及所述預測置信度輸入所述kitti數據集評估算法，得到平均精度值作為所述差異值包括：
20、基于所述kitti數據集評估算法，確定所述訓練數據的目標感知難度梯度；
21、確定所述目標感知難度梯度下的鳥瞰圖平均精度值和/或三維平均精度值。
22、在其中一個實施例中，所述待檢測目標感知模型包括原始無監督目標感知模型，所述預設算法包括交并比檢測算法；所述基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值包括：
23、基于所述交并比檢測算法，確定所述預測三維包圍盒與所述標注顏色后的真實三維包圍盒的鳥瞰圖交并比，作為所述差異值。
24、在其中一個實施例中，在所述基于所述差異值確定所述待檢測目標感知模型對不同顏色的真實目標物體的檢測精度之后，還包括：
25、若所述待檢測目標感知模型對不同顏色的真實目標物體的檢測精度之差大于預設精度差異閾值，則確定每個顏色類別的真實三維包圍盒包含的目標三維點云數據；
26、確定每個顏色類別的目標三維點云數據的目標點云反射率以及目標點云密度值；
27、確定不同顏色類別的目標點云反射率差值，以及不同顏色類別的目標點云密度值差值。
28、第二方面，本申請還提供了一種用于車載雷達感知模型的精度檢測裝置。
29、所述裝置包括：
30、數據獲取模塊，用于基于車載雷達獲取三維點云數據，并確定所述三維點云數據中真實目標物體的真實三維包圍盒；
31、顏色標注模塊，用于獲取與所述三維點云數據匹配的彩色圖像，并基于所述彩色圖像對所述真實三維包圍盒標注顏色；
32、預測模塊，用于將所述三維點云數據輸入待檢測目標感知模型，輸出得到感知目標物體的預測三維包圍盒；
33、檢測精度確定模塊，用于基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值，并基于所述差異值確定所述待檢測目標感知模型對不同顏色的真實目標物體的檢測精度。
34、第三方面，本申請還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述第一方面中任一用于車載雷達感知模型的精度檢測方法的步驟。
35、第四方面，本申請還提供了一種計算機可讀存儲介質。所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述第一方面中任一用于車載雷達感知模型的精度檢測方法的步驟。
36、上述用于車載雷達感知模型的精度檢測方法、裝置及存儲介質，通過與三維點云數據匹配的彩色圖像對真實目標物體的真實三維包圍盒標注顏色，再將三維點云數據輸入待檢測的目標感知模型，并輸出預測的三維包圍盒。進而通過預設算法計算預測包圍盒與標注顏色后的真實包圍盒之間的差異值，不僅考慮了三維點云數據本身的信息，還將顏色信息納入參考維度。再基于差異值，準確判斷模型對不同顏色真實目標物體的檢測精度，能夠從目標感知模型層面更加準確、可靠地檢測激光雷達對目標的感知精度。進一步的，通過確定待檢測目標感知模型對不同顏色的真實目標物體的檢測精度，還能夠檢測顏色對激光雷達感知能力的影響，為自動駕駛技術的可靠本文檔來自技高網...
【技術保護點】
1.一種用于車載雷達感知模型的精度檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述彩色圖像對所述真實三維包圍盒標注顏色包括：
3.根據權利要求2所述的方法，其特征在于，所述待檢測目標感知模型基于原始有監督目標感知模型確定；將所述三維點云數據輸入待檢測目標感知模型，輸出得到感知目標物體的預測三維包圍盒包括：
4.根據權利要求3所述的方法，其特征在于，所述預設算法包括KITTI數據集評估算法，所述基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值包括：
5.根據權利要求4所述的方法，其特征在于，將所述預測三維包圍盒以及所述預測置信度輸入所述KITTI數據集評估算法，得到平均精度值作為所述差異值包括：
6.根據權利要求1至5任一項所述的方法，其特征在于，所述待檢測目標感知模型包括原始無監督目標感知模型，所述預設算法包括交并比檢測算法；所述基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值包括：
7.根據權利要求1至5任一項所述的方法
8.一種用于車載雷達感知模型的精度檢測裝置，其特征在于，所述裝置包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種用于車載雷達感知模型的精度檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述彩色圖像對所述真實三維包圍盒標注顏色包括：
3.根據權利要求2所述的方法，其特征在于，所述待檢測目標感知模型基于原始有監督目標感知模型確定；將所述三維點云數據輸入待檢測目標感知模型，輸出得到感知目標物體的預測三維包圍盒包括：
4.根據權利要求3所述的方法，其特征在于，所述預設算法包括kitti數據集評估算法，所述基于預設算法確定所述預測三維包圍盒與標注顏色后的真實三維包圍盒的差異值包括：
5.根據權利要求4所述的方法，其特征在于，將所述預測三維包圍盒以及所述預測置信度輸入所述kitti數據集評估算法，得到平均精度值作為所述差異值包括：
6.根據權利要求1至5...
【專利技術屬性】
技術研發人員：盧立，吳玉立，林峰，薛強，任奎，
申請(專利權)人：杭州高新區濱江區塊鏈與數據安全研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。