[发明专利]三维检测模型的训练方法、装置、计算机设备和存储介质

权利要求书

1.一种三维检测模型的训练方法，其特征在于，所述方法包括：

获取样本行车区域图像、样本深度点云图像和所述样本深度点云图像中的样本点云所对应的点云特征标签；

确定所述样本深度点云图像中的样本点云所对应的样本点云特征；

对所述样本深度点云图像进行随机扰动处理，并确定随机扰动后的所述样本深度点云图像中的每个样本点云各自对应的位于所述样本行车区域图像中的样本图像像素；

对于所述样本深度点云图像中的每个样本点云，均将当前样本点云所对应的样本点云特征与相对应的样本图像像素的样本像素特征进行融合，得到样本目标点云特征；

根据所述样本目标点云特征与所述点云特征标签间的差异，对三维检测模型进行训练，直到达到训练停止条件时停止，得到训练好的三维检测模型；所述三维检测模型用于对行车区域中的目标对象进行识别。

2.根据权利要求1所述的方法，其特征在于，所述对所述样本深度点云图像进行随机扰动处理，包括：

获取所述样本深度点云图像对应的标定矩阵；

确定所述标定矩阵对应的扰动旋转角和扰动偏移量，并根据所述扰动旋转角和所述扰动偏移量，确定所述标定矩阵对应的目标标定矩阵；

通过所述目标标定矩阵对所述样本深度点云图像进行随机扰动处理。

3.根据权利要求2所述的方法，其特征在于，所述通过所述目标标定矩阵对所述样本深度点云图像进行随机扰动处理，包括：

获取所述样本深度点云图像对应的随机扰动概率；

基于所述随机扰动概率，确定所述样本深度点云图像中目标样本点云；

通过所述目标标定矩阵对所述目标样本点云进行随机扰动处理。

4.根据权利要求3所述的方法，其特征在于，所述通过所述目标标定矩阵对所述目标样本点云进行随机扰动处理，包括：

确定所述目标样本点云的点云坐标；

通过所述目标标定矩阵对所述点云坐标进行转换，得到目标坐标；

所述确定随机扰动后的所述样本深度点云图像中的每个样本点云各自对应的位于所述样本行车区域图像中的样本图像像素，包括：

将所述样本行车区域图像中的具有所述目标坐标的样本图像像素作为与所述目标样本点云相对应的像素。

5.根据权利要求1所述的方法，其特征在于，所述三维检测模型包括卷积层、多层感知机层和归一化层，所述将当前样本点云所对应的样本点云特征与相对应的样本图像像素的样本像素特征进行融合，得到样本目标点云特征，包括：

通过所述三维检测模型中的卷积层，对当前样本点云对应的样本图像像素的样本像素特征进行卷积处理，得到候选样本像素特征；

通过所述三维检测模型中的多层感知机层，对当前样本点云对应的样本点云特征进行线性处理，得到候选样本点云特征；

通过所述三维检测模型中的归一化层，对所述候选样本像素特征和所述候选样本点云特征进行归一化处理；

将归一化处理后的所述候选样本像素特征和归一化处理后的所述候选样本点云特征进行线性组合处理，得到样本目标点云特征。