【技術實現步驟摘要】
本公開涉及信息處理，尤其涉及一種朝向角確定及模型訓練方法、裝置、設備、介質及車輛。
技術介紹
1、對于智能駕駛車輛來說，精準實時地進行目標物體檢測是智能駕駛車輛能夠準確感知周圍復雜環境的重要功能之一，然而，如何對車輛周圍復雜環境的目標物體的位置、尺寸、朝向角等三維信息進行精準地判斷和識別是目標檢測的主要難題。
2、現有確定車輛周圍目標物體(如其他車輛)朝向角的方法是利用車載相機獲取車輛周圍的圖像，將圖像輸入至鳥瞰視角(bird's-eye-view，bev)感知模型中，由bev感知模型對相機圖像進行識別，進而得到目標物體(如目標自行車，目標摩托車，目標車輛以及目標行人等等)相對于車輛的朝向角。
3、然而，在對bev感知模型進行訓練過程中，使用的訓練數據基本上都是由車輛采集的圖像，但是車輛采集圖像時多是處在道路上，導致大部分目標物體都是與自車同向行駛(即目標物體的朝向角為0°左右)或與自車逆向行駛(即目標物體的朝向角為180°左右的)，因此會導致訓練出的bev感知模型只對朝向角接近0°和180°的目標物體能夠給出準確的朝向角，而對于其他角度的目標物體，很難給出準確的朝向角。因此如何在利用bev感知模型的基礎上得到更加準確的朝向角就成為亟待解決的問題。
技術實現思路
1、為了解決上述技術問題，本公開提供了一種朝向角確定及模型訓練方法、裝置、設備、介質及車輛。
2、本公開實施例的第一方面提供了一種朝向角確定方法，該方法包括：
3、獲取車載相
4、利用車載相機的內外參確定車載相機坐標系與車輛坐標系的轉換關系；
5、將待檢測圖像及車載相機的內外參輸入bev模型中，由bev模型輸出待檢測圖像中目標物體的目標三維特征圖；
6、將目標三維特征圖輸入至角回歸模型中，由角回歸模型輸出目標物體在車載相機坐標系中的待轉換朝向角；
7、利用車載相機坐標系與車輛坐標系的轉換關系，對車載相機坐標系中的待轉換朝向角進行轉換，得到目標物體在車輛坐標系中的實際朝向角。
8、本公開實施例的第二方面提供了一種角回歸模型訓練方法，該方法包括：
9、獲取訓練樣本集以及訓練樣本集對應的標注結果，標注結果包括訓練樣本中的物體在相機坐標系下的朝向角；
10、將訓練樣本集輸入至預設的結果預測網絡中，由預設的結果預測網絡對訓練樣本集進行朝向角識別，得到預測朝向角；
11、將預設朝向角與標注結果進行對比，得到預設的結果預測網絡的損失值；
12、將損失值輸入至預設損失函數中對預設的結果預測網絡進行參數調整，得到角回歸模型。
13、本公開實施例的第三方面提供了一種朝向角確定裝置，該裝置包括：
14、圖像獲取模塊，用于獲取車載相機采集的待檢測圖像及車載相機的內外參；
15、關系轉換模塊，用于利用車載相機的內外參確定車載相機坐標系與車輛坐標系的轉換關系；
16、第一獲取模塊，用于將待檢測圖像及車載相機的內外參輸入bev模型中，由bev模型輸出待檢測圖像中目標物體的目標三維特征圖；
17、第二獲取模塊，用于將目標三維特征圖輸入至角回歸模型中，由角回歸模型輸出目標物體在車載相機坐標系中的待轉換朝向角；
18、第三獲取模塊，用于利用車載相機坐標系與車輛坐標系的轉換關系，對車載相機坐標系中的待轉換朝向角進行轉換，得到目標物體在車輛坐標系中的實際朝向角。
19、本公開實施例的第四方面提供了一種角回歸模型訓練裝置，該裝置包括：
20、樣本集獲取模塊，用于獲取訓練樣本集以及訓練樣本集對應的標注結果，標注結果包括訓練樣本中的物體在相機坐標系下的朝向角；
21、預測結果獲取模塊，用于將訓練樣本集輸入至預設的結果預測網絡中，由預設的結果預測網絡對訓練樣本集進行朝向角識別，得到預測朝向角；
22、損失值確定模塊，用于將預設朝向角與標注結果進行對比，得到預設的結果預測網絡的損失值；
23、參數調整模塊，用于將損失值輸入至預設損失函數中對預設的結果預測網絡進行參數調整，得到角回歸模型。
24、本公開實施例的第五方面提供了一種電子設備，該設備包括：
25、存儲器；
26、處理器；以及
27、計算機程序，其中，計算機程序存儲在存儲器中，并被配置為由處理器執行以實現如上述第一方面提供的朝向角確定方法或第二方面提供的角回歸模型訓練方法。
28、本公開實施例的第六方面提供了一種計算機可讀存儲介質，其上存儲有計算機程序，當計算機程序被處理器執行時，實現如上述第一方面提供的朝向角確定方法或第二方面提供的角回歸模型訓練方法。
29、本公開實施例的第七方面提供了一種車輛，包括上述第五方面的電子設備。
30、本公開實施例提供的技術方案與現有技術相比具有如下優點：
31、本公開實施例提供的朝向角確定及模型訓練方法、裝置、設備、介質及車輛，能夠獲取車載相機采集的待檢測圖像及車載相機的內外參，利用相機的內外參確定車載相機坐標系與車輛坐標系的轉換關系，與此同時，將待檢測圖像及車載相機的內外參輸入bev模型中，由bev模型輸出待檢測圖像中目標物體的目標三維特征圖，將目標三維特征圖輸入至角回歸模型中，由角回歸模型輸出目標物體在車載相機坐標系中的待轉換朝向角，利用車載相機坐標系與車輛坐標系的轉換關系，對車載相機坐標系中的待轉換朝向角進行轉換，得到目標物體在車輛坐標系中的實際朝向角，由此，能夠通過角回歸模型確定目標物體在車載相機坐標系下的待轉換朝向角，進而根據車載相機坐標系下的待轉換朝向角和車載相機坐標系與車輛坐標系的轉換關系，得到目標物體在車輛坐標系下的實際朝向角，在利用bev模型的基礎上結合角回歸模型，使得在得到目標物體在車輛坐標系下的實際朝向角時考慮了除0°或180°之外的角度，提高了在利用bev模型的基礎上得到的實際朝向角的準確性。
本文檔來自技高網...【技術保護點】
1.一種朝向角確定方法，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，所述車載相機的數量為多個，多個車載相機分別設置在車輛上且朝向不同方位，所述不同方位包括所述車輛的左前方、正前方、右前方、左后方、正后方、右后方。
3.根據權利要求2所述的方法，其特征在于，在所述獲取車載相機采集的待檢測圖像及所述車載相機的內外參之后，所述方法還包括：
4.一種角回歸模型訓練方法，其特征在于，所述方法還包括：
5.根據權利要求4所述的方法，其特征在于，所述獲取訓練樣本集，包括：
6.一種朝向角確定裝置，其特征在于，包括：
7.一種角回歸模型訓練裝置，其特征在于，包括：
8.一種電子設備，其特征在于，包括：
9.一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如權利要求1-3中任一項所述的方法或如權利要求4-5中任一項所述的方法。
10.一種車輛，其特征在于，包括如權利要求8所述的電子設備。
【技術特征摘要】
1.一種朝向角確定方法，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，所述車載相機的數量為多個，多個車載相機分別設置在車輛上且朝向不同方位，所述不同方位包括所述車輛的左前方、正前方、右前方、左后方、正后方、右后方。
3.根據權利要求2所述的方法，其特征在于，在所述獲取車載相機采集的待檢測圖像及所述車載相機的內外參之后，所述方法還包括：
4.一種角回歸模型訓練方法，其特征在于，所述方法還包括：
5.根據權...
【專利技術屬性】
技術研發人員：谷碩，蔡道清，孫海洋，
申請(專利權)人：北京羅克維爾斯科技有限公司，
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。