[发明专利]神经网络训练及点云数据处理方法、装置、设备和介质

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

获取利用第一数据域中的训练样本训练得到的初始检测网络；

将第二数据域中的样本图像输入所述初始检测网络，得到候选检测框以及所述候选检测框的置信度；

基于所述置信度、所述候选检测框和前一轮训练过程的目标匹配检测框，确定当前轮训练过程的第一目标检测框；

基于所述当前轮训练过程的第一目标检测框和所述样本图像对所述初始检测网络进行当前轮训练，得到训练后的检测网络；在训练后的检测网络未达到训练结束的条件时，将训练后的检测网络作为初始检测网络，返回将第二数据域中的样本图像输入所述初始检测网络得到候选检测框以及所述候选检测框的置信度的步骤，直至所述训练后的检测网络达到训练结束的条件时，得到训练完成的、所述第二数据域对应的目标检测网络。

2.根据权利要求1所述的神经网络训练方法，其特征在于，还包括确定所述初始检测网络的步骤：

获取源检测网络和第一数据域中的原始训练样本；

对原始训练样本中对象的点云进行缩放和/或旋转，生成目标训练样本；

基于所述原始训练样本和所述目标训练样本训练所述源检测网络，得到所述初始检测网络。

3.根据权利要求2所述的神经网络训练方法，其特征在于，所述对原始训练样本中对象的点云进行缩放和/或旋转，生成目标训练样本，包括：

获取预设缩放比例，以及对象坐标系与原始训练样本的采集设备所在的车辆的车辆坐标系之间的旋转角度信息；

基于所述预设缩放比例、所述旋转角度信息、原始训练样本中对象点云的体积信息，生成目标训练样本。

4.根据权利要求1至3任一项所述的神经网络训练方法，其特征在于，所述基于所述置信度、所述候选检测框和前一轮训练过程的目标匹配检测框，确定当前轮训练过程的第一目标检测框，包括：

获取预设的置信度区间与样本状态的对应关系；

基于每个候选检测框的置信度所在的置信度区间，确定每个所述候选检测框的样本状态；

基于确定的样本状态和所述候选检测框、和前一轮训练过程的目标匹配检测框，确定当前轮训练过程的第一目标检测框。

5.根据权利要求4所述的神经网络训练方法，其特征在于，所述基于确定的样本状态、所述候选检测框和前一轮训练过程的目标匹配检测框，确定当前轮训练过程的第一目标检测框，包括：

将处于第一预设样本状态的候选检测框，作为当前轮训练过程的待匹配检测框；

将当前轮训练过程的待匹配检测框与前一轮训练过程的目标匹配检测框进行匹配，得到检测框对；其中，一个检测框对包括一个待匹配检测框和一个目标匹配检测框；

基于所述检测框对中待匹配检测框和目标匹配检测框的尺寸信息和置信度，确定当前轮训练过程的第一目标检测框。

6.根据权利要求5所述的神经网络训练方法，其特征在于，所述基于确定的样本状态、所述候选检测框和前一轮训练过程的目标匹配检测框，确定当前轮训练过程的第一目标检测框，还包括：

获取前一轮训练过程的未匹配成功的目标匹配检测框、前一轮训练过程的未匹配成功的目标匹配检测框的未匹配成功次数和当前轮训练过程的未匹配成功的待匹配检测框；

将当前轮训练过程的未匹配成功的待匹配检测框的未匹配成功次数设置为1；

将前一轮训练过程的未匹配成功的目标匹配检测框的未匹配成功次数加1；

将未匹配成功次数小于第一预设匹配阈值的当前轮训练过程的未匹配成功的待匹配检测框、未匹配成功次数小于第一预设匹配阈值的前一轮训练过程的未匹配成功的目标匹配检测框，作为当前轮训练过程的第一目标检测框。

7.根据权利要求6所述的神经网络训练方法，其特征在于，采用以下方法生成当前轮训练过程的目标匹配检测框：

将未匹配成功次数大于等于第一预设匹配阈值、并且小于第二预设匹配阈值的当前轮训练过程的未匹配成功的待匹配检测框，未匹配成功次数大于等于第一预设匹配阈值、并且小于第二预设匹配阈值的前一轮训练过程的未匹配成功的目标匹配检测框以及所述第一目标检测框作为当前轮训练过程的目标匹配检测框。