[发明专利]三维地图的生成及模型训练方法、装置及电子设备

说明书

本申请提供一种三维地图的生成及模型训练方法、装置及电子设备，所述方法的一具体实施方式包括：确定目标设备在当前环境下对应的目标隐变量；所述目标隐变量用于表示所述目标设备在当前环境下，视角坐标与场景图像之间的转化影响因素；确定视角坐标集合，所述视角坐标集合包括用于生成目标三维地图的多个目标视角坐标；基于所述视角坐标集合中的目标视角坐标及所述目标隐变量，确定每个目标视角坐标对应的目标场景图像；根据每个所述目标场景图像生成所述目标三维地图。该实施方式能够基于当前环境实时生成能够体现当前目标设备周围各种障碍物分布情况的目标三维地图。从而为辅助驾驶提供更准确和丰富的信息，提高了辅助驾驶的辅助效果。

技术领域

本申请涉及智能驾驶技术领域，特别涉及一种三维地图的生成及模型训练方法、装置及电子设备。

背景技术

在智能驾驶技术中，一般会涉及驾驶辅助功能(例如，车道保持辅助功能，自动泊车辅助功能，行车辅助功能，倒车辅助功能等)，在实现驾驶辅助功能时，通常需要智能驾驶设备周围环境的地图。目前来说，一般是采用GPS导航地图，但是GPS导航地图只能反映出智能驾驶设备周围长期固定的物体(如建筑物，大型设施等)的分布以及道路等分布情况，无法体现智能驾驶设备当前周围各种活动物体的分布情况。

发明内容

为了解决上述技术问题之一，本申请提供一种三维地图的生成及模型训练方法、装置及电子设备。

根据本申请实施例的第一方面，提供一种三维地图的生成方法，包括：

确定目标设备在当前环境下对应的目标隐变量；所述目标隐变量用于表示所述目标设备在当前环境下，视角坐标与场景图像之间的转化影响因素；

确定视角坐标集合，所述视角坐标集合包括用于生成目标三维地图的多个目标视角坐标；所述目标三维地图为当前环境所对应的三维地图；

基于所述视角坐标集合中的目标视角坐标及所述目标隐变量，确定每个目标视角坐标对应的目标场景图像；

根据每个所述目标场景图像生成所述目标三维地图。

可选的，所述确定目标设备在当前环境下对应的目标隐变量，包括：

在所述目标设备的当前环境下，采集多组样本数据，每组所述样本数据包括视角坐标与场景图像；

将所述多组样本数据输入至目标卷积神经网络，得到所述目标隐变量；

所述基于所述视角坐标集合中的目标视角坐标及所述目标隐变量，确定每个目标视角坐标对应的目标场景图像，包括：

将每个所述目标视角坐标及所述目标隐变量输入至目标循环神经网络，得到每个目标视角坐标对应的目标场景图像。

可选的，所述目标卷积神经网络和所述目标循环神经网络通过如下方式训练：

执行以下目标操作：从样本集中选多组样本数据作为第一数据，以及选一组样本数据作为第二数据；将所述第一数据输入至当前的卷积神经网络，得到隐变量，所述隐变量用于表示视角坐标与场景图像之间的转化影响因素；将所述隐变量和所述第二数据对应的视角坐标输入至当前的循环神经网络，得到预测场景图像；

若基于所述预测场景图像与所述第二数据对应的场景图像，确定未满足预设条件，对所述卷积神经网络和所述循环神经网络的网络参数进行调整，并重新执行所述目标操作；

若基于所述预测场景图像与所述第二数据对应的场景图像，确定满足所述预设条件，输出经过调整后的目标卷积神经网络及目标循环神经网络。

可选的，所述第一数据和所述第二数据为同一智能驾驶设备在同一环境下采集的数据；

所述目标操作还包括：