[发明专利]一种神经网络的训练方法以及相关设备

说明书

本申请实施例公开一种环境数据的处理方法、神经网络的训练方法以及相关设备，该方法可用于物体检测以及物体轨迹追踪领域中，方法包括：获取与第一时刻的环境对应的第一点云数据和第一图像；根据第一点云数据，生成与第一时刻的环境对应的3D检测框的位置信息，根据第一图像，获取与3D检测框对应的第一图像特征；获取与第二点云数据对应的历史3D检测框的位置信息，并获取与历史3D检测框对应的第二图像特征，根据3D检测框的位置信息、第一图像特征、历史3D检测框的位置信息和第二图像特征，确定目标匹配关系；利用与环境对应的点云数据和图像来确定3D检测框与历史3D检测框之间的匹配关系，有利于提高最终得到的物体轨迹的精度。

技术领域

本申请涉及人工智能领域，尤其涉及一种神经网络的训练方法以及相关设备。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。利用人工智能来获取图像中物体的轨迹是人工智能常见的一个应用方式。

目前，业界常用的获取物体的轨迹的方法为，利用神经网络对通过雷达采集到的每个时刻的环境数据执行物体检测操作以得到一组检测结果，一组检测结果指示与一个时刻的环境数据对应的一个三维(3-dimension，3D)检测框的位置(也即指示检测框中物体的位置)，根据与多个不同时刻的环境数据对应的多个组检测结果做关联匹配，以得到至少一个物体在不同时刻的运行轨迹。

但由于通过雷达采集到的是与环境对应的点云数据，点云数据中的各个点的分布无序，且缺少物体表面的纹理信息，导致最终得到的物体轨迹的精度不够。

发明内容

本申请实施例提供了一种神经网络的训练方法以及相关设备，用于同时利用与环境对应的点云数据和图像来确定3D检测框与历史3D检测框之间的匹配关系，由于每个3D检测框所对应的图像特征中携带了丰富的表观特征，利用更丰富的信息来确定物体的轨迹，有利于提高最终得到的物体轨迹的精度。

为解决上述技术问题，本申请实施例提供以下技术方案：