[发明专利]样本生成、神经网络训练、智能行驶控制方法及装置

说明书

本公开提供了一种样本生成、神经网络训练、智能行驶控制方法及装置、计算机设备及存储介质，其中，样本生成方法包括：获取对目标场景进行扫描得到的点云数据；获取所述点云数据中标注的各个第一障碍物的第一障碍物位置信息、以及标注类别信息；以及，基于预设的障碍物检测算法，从所述点云数据中检测得到各个第二障碍物的第二障碍物位置信息；基于所述第一障碍物位置信息和所述第二障碍物位置信息，对所述第一障碍物和所述第二障碍物进行位置匹配，并基于所述位置匹配的结果、以及所述第一障碍物的标注类别信息，生成样本数据。该方法能够实现对障碍物的精确标注，提升生成的样本数据的精度。

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种样本生成、神经网络训练、智能行驶控制方法及装置、计算机设备及存储介质。

背景技术

利用激光雷达的三维点云数据进行障碍物检测在自动驾驶中具有重要的作用；作为主动测距设备，激光雷达可以获取车辆周围物体的三维点坐标，将这些数据聚集起来所构成的点云数据，可以用来推测物体的大小、位置等信息。

在基于深度学习以及点云数据进行障碍物检测时，需要预先对样本点云数据进行障碍物类别标注；当前的样本标注方法生成的样本数据精度较低。

发明内容

本公开实施例至少提供一种样本生成、神经网络训练、智能行驶控制方法及装置、计算机设备及存储介质。

第一方面，本公开实施例提供一种样本生成方法，包括：获取对目标场景进行扫描得到的点云数据；获取所述点云数据中标注的各个第一障碍物的第一障碍物位置信息、以及标注类别信息；以及，基于预设的障碍物检测算法，从所述点云数据中检测得到各个第二障碍物的第二障碍物位置信息；基于所述第一障碍物位置信息和所述第二障碍物位置信息，对所述第一障碍物和所述第二障碍物进行位置匹配，并基于所述位置匹配的结果、以及所述第一障碍物的标注类别信息，生成样本数据。

这样，通过点云数据中标注的第一障碍物的第一障碍物位置信息、与通过障碍物检测算法检测到的第二障碍物的第二障碍物位置信息，对第一障碍物和第二障碍物进行位置匹配，并基于位置匹配的结果以及第一障碍物的标注类别信息生成样本数据，进而能够实现对障碍物的精确标注，提升生成的样本数据的精度。

一种可能的实施方式中，所述样本数据包括：多种障碍物下各个障碍物分别对应的样本点云数据和类别信息；其中，所述多种障碍物中，包括有类别障碍物和无类别障碍物；所述有类别障碍物的类别信息用于标识所述有类别障碍物的具体类别；所述无类别障碍物的类别信息用于标识所述无类别障碍物没有具体类别。

这样，通过将样本数据区分为由类别障碍物和无类别障碍物，使得训练得到的网络在能够识别出有类别障碍物的同时，能够将所有无法识别出具体类别的障碍物都归类于无类别障碍物中，进而能够更好的识别出检测空间内的障碍物，提升神经网络的泛化能力，降低自动驾驶的安全隐患。

一种可能的实施方式中，所述基于所述位置匹配的结果、以及所述第一障碍物的标注类别信息，生成样本数据，包括：从所述点云数据中确定位置匹配成功的目标障碍物的目标点云数据；基于所述目标障碍物的目标点云数据、以及与所述目标障碍物对应的第一点云数据的标注类别信息，生成所述样本数据。

这样，通过将第一障碍物和第二障碍物进行匹配，只有针对匹配成功的目标障碍物生成样本数据，进而能够以较高的精度得到样本数据。

一种可能的实施方式中，所述从所述点云数据中获取位置匹配成功的目标障碍物的目标点云数据，包括：基于第一障碍物位置信息和所述第二障碍物位置信息，确定位置匹配成功的目标障碍物；基于确定的位置匹配成功的目标障碍物的第二障碍物位置信息，从所述点云数据中获取所述目标障碍物的目标点云数据。