[发明专利]一种基于环境数据的训练样本的生成方法及装置

说明书

本说明书公开了一种基于环境数据的训练样本的生成方法及装置。涉及计算机技术领域，具体可应用于无人驾驶领域。在检测部分，针对每帧环境数据，通过多个算法对其进行障碍物检测，并对多个算法的检测结果进行融合，确定该环境数据的障碍物集合。在筛选部分，对集合中的各障碍物进行目标跟踪，以确定各障碍物的稳定性，使得能够基于稳定性对障碍物进行筛选，并将检测错误的障碍物类别进行更正，以确定各目标障碍物。最后，基于各目标障碍物对应的数据确定训练样本，根据各目标障碍物对应的综合检测结果确定训练样本的标注。可快速生成训练样本及其标注，通过检测和筛选的过程，避免了对障碍物的漏检和误检，使得生成的训练样本和标注足够准确。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种基于环境数据的训练样本的生成方法及装置。

背景技术

通常，无人驾驶设备在执行任务时，需要通过传感器获取环境数据，并根据获取到的环境数据，基于预先训练好的模型来识别环境中存在的障碍物，以进行路径规划，避开环境中的障碍物。

基于模型对环境中的障碍物进行检测和分类的准确性，对无人驾驶设备的安全行驶影响极大。障碍物检测模型和障碍物分类模型的准确性以及泛化能力，极大程度依赖于在对模型进行训练时，训练样本的丰富性和标注的准确性。

目前，对用于障碍物检测和分类的训练样本进行标注的方法中，一种是人工标注，具有较高的准确性，另一种是算法标注，标注耗时较少。人工标注虽准确性高，但存在成本高昂，标注耗时久，影响模型的训练效率的问题。算法标注虽耗时少，但存在漏标注(即未把部分障碍物进行标注)和误标注(如，将非障碍物误标注为障碍物，或将障碍物类别标注错误等)的情况，标注的准确性低，导致基于算法标注的训练样本训练得到的模型准确性低，模型的泛化能力也不理想。

发明内容

本说明书提供一种基于环境数据的训练样本的生成方法及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种基于环境数据的训练样本的生成方法，包括：

获取多帧环境数据，针对每一帧环境数据，通过预设的多个检测算法分别对该帧环境数据进行障碍物检测，确定各检测算法的检测结果，所述环境数据至少包括点云数据和图像数据中的一种；

对各检测算法的检测结果进行融合，确定该帧环境数据中的各障碍物的集合以及所述集合中各障碍物的综合检测结果，所述综合检测结果至少包括障碍物的类别以及包围框；

针对所述集合中的每个障碍物，基于其他各帧环境数据中障碍物的综合检测结果，对该障碍物进行目标跟踪，确定包含该障碍物的各帧环境数据，作为该障碍物的关联数据，并根据各关联数据中该障碍物的综合检测结果，确定该障碍物的稳定性；

根据各帧环境数据对应的集合中各障碍物的稳定性，对各帧环境数据中的各障碍物进行筛选，确定各目标障碍物；

针对每个目标障碍物，分别根据各帧环境数据中该目标障碍物对应的数据，确定训练样本，根据各帧环境数据中该目标障碍物对应的综合检测结果分别确定训练样本的标注。

可选地，对各检测算法的检测结果进行融合，确定该帧环境数据中的各障碍物的集合以及所述集合中各障碍物的综合检测结果，具体包括：

从各检测算法中确定目标算法，并确定所述目标算法检测到的各障碍物为匹配障碍物；

针对每个其他检测算法检测到的每个障碍物，根据该障碍物的包围框的位置以及各匹配障碍物的包围框的位置，从各匹配障碍物中确定该障碍物的临近障碍物；

确定该障碍物的包围框及其临近障碍物的包围框的重叠度，并判断所述重叠度是否大于预设的匹配阈值；

若否，则标记该障碍物为非重复检测的障碍物；