[发明专利]一种相机姿态角预测模型训练方法、装置、设备及介质

权利要求书

1.一种相机姿态角预测模型训练方法，其特征在于，所述方法包括：

获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；

根据预设的相机姿态角预测模型，确定所述相机捕捉图像对应的相机姿态角预测值；

基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；

基于所述网络损失，训练所述预设的相机姿态角预测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失，包括：

基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值；

基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失。

3.根据权利要求2所述的方法，其特征在于，所述基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值，包括：

基于所述相机姿态角预测值、所述相机内参以及所述相机高度，构建相机坐标系到鸟瞰图坐标系的坐标变换矩阵；

基于所述相机坐标系到鸟瞰图坐标系的坐标变换矩阵，将预先标注的所述相机捕捉图像中识别目标的多个标注坐标值转换至鸟瞰图坐标系中，得到多个鸟瞰图坐标值。

4.根据权利要求2所述的方法，其特征在于，所述识别目标，包括：车道线；

所述基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失，包括：

基于多个所述鸟瞰图坐标值，计算预设范围内两根相邻车道线的斜率的差值绝对值；

基于所述两根相邻车道线的斜率的差值绝对值，得到网络损失。

5.根据权利要求1所述的方法，其特征在于，所述基于所述网络损失，训练所述预设的相机姿态角预测模型，包括：

基于所述网络损失，更新所述预设的相机姿态角预测模型的参数。

6.一种相机姿态角预测模型训练装置，其特征在于，所述装置包括：数据获取模块，相机姿态角预测模块，损失计算模块以及模型训练模块；

所述数据获取模块，用于获取相机内参、相机高度、相机捕捉图像以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值；

所述相机姿态角预测模块，用于根据预设的相机姿态角预测模型，确定所述相机捕捉图像对应的相机姿态角预测值；

所述损失计算模块，用于基于所述相机姿态角预测值、所述相机内参、所述相机高度以及预先标注的所述相机捕捉图像中识别目标的多个标注坐标值，得到网络损失；

所述模型训练模块，用于基于所述网络损失，训练所述预设的相机姿态角预测模型。

7.根据权利要求6所述的装置，其特征在于，所述损失计算模块，包括：坐标转换单元以及损失计算单元；

所述坐标转换单元，用于基于所述相机姿态角预测值、所述相机内参以及所述相机高度，得到预先标注的所述相机捕捉图像中识别目标的多个标注坐标值对应的多个鸟瞰图坐标值；

所述损失计算单元，用于基于预设的损失计算规则以及多个所述鸟瞰图坐标值，得到网络损失。

8.根据权利要求7所述的装置，其特征在于，所述坐标转换单元，具体用于：

基于所述相机姿态角预测值、所述相机内参以及所述相机高度，构建相机坐标系到鸟瞰图坐标系的坐标变换矩阵；

基于所述相机坐标系到鸟瞰图坐标系的坐标变换矩阵，将预先标注的所述相机捕捉图像中识别目标的多个标注坐标值转换至鸟瞰图坐标系中，得到多个鸟瞰图坐标值。