[发明专利]确定目标方向角的方法、装置、系统及存储介质

权利要求书

1.一种确定目标方向角的方法，其特征在于，所述方法包括：

实时获取检测到的目标障碍物的点云数据；

采用预先训练好的深度学习模型，对实时获取的所述点云数据进行目标框预测，得到所述目标框的长宽以及所述目标框对应的最小外接矩形的长宽；

根据所述目标框的长宽以及所述目标框对应的最小外接矩形的长宽，确定目标障碍物对应的目标方向角，以辅助无人驾驶车辆进行路径规划。

2.根据权利要求1所述的方法，其特征在于，训练深度学习模型的步骤，包括：

获取训练样本集，所述训练样本集中包括点云数据及对应的标签，所述标签指示点云数据对应的目标框的顶点坐标；

将所述训练样本集输入深度学习模型中进行学习，得到目标框的长宽以及对应的最小外接矩形的长宽的预测结果；其中，在学习过程中，根据目标框的顶点坐标，确定所述目标框的长宽以及目标框对应的最小外接矩形的长宽，并将所述目标框的长宽以及目标框对应的最小外接矩形的长宽作为训练标签；

根据损失函数，确定所述预测结果与所述训练标签之间的差异；

基于所述差异，对所述深度学习模型进行迭代训练；

当所述差异达到预设范围时，完成深度学习模型的训练。

3.根据权利要求1所述的方法，其特征在于，确定目标障碍物对应的目标方向角的方法为：

其中，α为目标方向角，a为最小外接矩形的长度，b为最小外接矩形的宽度，w为目标框的宽度，l为目标框的长度。

4.一种确定目标方向角的装置，其特征在于，所述装置包括：

数据获取模块，被配置为用于实时获取目标障碍物的点云数据；

深度学习模块，被配置为用于采用预先训练好的深度学习模型，对实时获取的所述点云数据进行目标框预测，得到所述目标框的长宽以及所述目标框对应的最小外接矩形的长宽；

角度计算模块，被配置为用于根据所述目标框的长宽以及所述目标框对应的最小外接矩形的长宽，确定目标障碍物对应的目标方向角，以辅助无人驾驶车辆进行路径规划。

5.根据权利要求4所述的装置，其特征在于，所述深度学习模块还用于训练深度学习模型，包括：

获取训练样本集，所述训练样本集中包括点云数据及标签，所述标签指示目标框的顶点坐标及点云数据中各激光点的标签类别；

将所述训练样本集输入深度学习模型中进行学习，得到目标框的长宽以及对应的最小外接矩形的长宽的预测结果；其中，在学习过程中，根据目标框的顶点坐标，确定所述目标框的长宽以及目标框对应的最小外接矩形的长宽，并将所述目标框的长宽以及所述最小外接矩形的长宽作为训练标签；

根据损失函数，确定所述预测结果与所述训练标签之间的差异；

基于所述差异，对所述深度学习模型进行迭代训练；

当所述差异达到预设范围时，完成深度学习模型的训练。

6.根据权利要求4所述的装置，其特征在于，所述计算模块确定目标障碍物对应的目标方向角的方法为：

其中，α为目标方向角，a为最小外接矩形的长度，b为最小外接矩形的宽度，w为目标框的宽度，l为目标框的长度。

7.一种确定目标方向角的系统，所述系统包括处理器和存储器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序由所述处理器加载并执行，以实现如权利要求1至3任一项所述的确定目标方向角的方法。

8.一种计算机可读存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，用于实现如权利要求1至3任一项所述的确定目标方向角的方法。