用于雷达的目标检测模型训练方法、装置及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115061113A(43)申请公布日2022.09.16(21)申请号202210996101.3(22)申请日2022.08.19(71)申请人南京隼眼电子科技有限公司地址211111江苏省南京市江宁经济技术开发区秣周东路9号申请人东南大学(72)发明人徐刚裴昊张慧郭坤鹏张燎严涵冯友怀(74)专利代理机构深圳紫藤知识产权代理有限公司44570专利代理师方世栋(51)Int.Cl.G01S7/41(2006.01)权利要求书4页说明书15页附图5页(54)发明名称用于雷达的目标检测模型训练方法、装置及存储介质(57)摘要本发明公开了一种用于雷达的目标检测模型训练方法、装置及存储介质，其中，所述方法包括：获取目标对应的光学图像和雷达回波信号；基于光学图像构建光学域距离‑方位置信概率图，基于回波信号生成多个热图，并基于距离‑方位热图构建雷达域距离‑方位置信概率图；根据光学域距离‑方位置信概率图和雷达域距离‑方位置信概率图生成目标距离‑方位置信概率图；将距离‑方位热图、距离‑速度热图和速度‑方位热图作为目标检测模型的输入，将距离‑方位置信概率图作为对应的标签，以训练目标检测模型。本发明所提供的技术方案能够解决现有技术中雷达通过恒虚警检测技术检测目标时，检测结果伴随虚警，且没有目标尺寸信息和类别信息的技术问题。CN115061113ACN115061113A权利要求书1/4页1.一种用于雷达的目标检测模型训练方法，其特征在于，所述方法包括：采集针对目标的带有深度信息的光学图像，并获取所述目标针对雷达探测信号反馈的回波信号；基于所述光学图像构建光学域距离‑方位置信概率图，并基于所述回波信号生成距离‑方位热图、距离‑速度热图、以及速度‑方位热图，以及基于所述距离‑方位热图构建雷达域距离‑方位置信概率图；根据所述光学域距离‑方位置信概率图和所述雷达域距离‑方位置信概率图生成目标距离‑方位置信概率图；将所述距离‑方位热图、所述距离‑速度热图、以及所述速度‑方位热图作为所述目标检测模型的输入，并将所述距离‑方位置信概率图作为对应的标签，以训练所述目标检测模型。2.如权利要求1所述的方法，其特征在于，所述基于所述光学图像构建光学域距离‑方位置信概率图包括：基于预训练的光学图像目标检测模型对所述光学图像进行目标检测，以确定所述目标的类别信息以及所述目标的深度信息以及在图像坐标系下的中心坐标信息，并基于所述深度信息以及所述中心坐标信息确定所述目标在以所述雷达为极点的极坐标系下的目标极坐标；基于所述目标极坐标构建所述光学域距离‑方位置信概率图。3.如权利要求2所述的方法，其特征在于，所述基于所述目标极坐标构建所述光学域距离‑方位置信概率图包括：获取所述目标的类别信息所对应的常数权重，并获取采集所述光学图像的相机系统的定位误差以及深度概率；基于所述深度信息、所述常数权重、所述定位误差和所述深度概率生成所述目标在当前类别下的光学域协方差矩阵；根据所述目标极坐标和所述光学域协方差矩阵构建所述光学域距离‑方位置信概率图。4.如权利要求3所述的方法，其特征在于，所述基于所述距离‑方位热图构建雷达域距离‑方位置信概率图包括：对所述距离‑方位热图进行恒虚警检测以得到所述目标对应的强目标检测点，并基于所述强目标检测点在所述极坐标系中的坐标构建所述雷达域距离‑方位置信概率图。5.如权利要求4所述的方法，其特征在于，所述基于所述强目标检测点在所述极坐标系中的坐标构建所述雷达域距离‑方位置信概率图包括：获取所述雷达的距离分辨率和角度分辨率；基于所述距离分辨率和所述角度分辨率确定所述目标的雷达域协方差矩阵；基于所述雷达域协方差矩阵和每个所述强目标检测点在所述极坐标系中的坐标构建所述雷达域距离‑方位置信概率图。6.如权利要求5所述的方法，其特征在于，所述基于所述深度信息以及所述中心坐标信息确定所述目标在以所述雷达为极点的极坐标系下的目标极坐标包括：基于下式生成所述目标极坐标：2CN115061113A权利要求书2/4页，其中，表示所述目标极坐标，表示光学域距离坐标值，表示光学域方位坐标值，表示所述雷达在场景俯视图中的坐标，表示所述深度信息，表示所述目标的类别信息，表示所述目标的中心坐标中的第一维度坐标值。7.如权利要求6所述的方法，其特征在于，所述基于所述深度信息、所述常数权重、所述定位误差和所述深度概率生成所述目标在当前类别下的光学域协方差矩阵包括：根据下式生成所述光学域协方差矩阵：，其中，表示所述光学域协方差矩阵，表示所述深度信息，表示所述常数权重，表示所述深度概率，表示所述定位误差。8.如权利要求7所述的方法，其特征在于，所述根据所述目标极坐标和所述光学域协方差矩阵构建所述光学域距离‑方位置信概率图包括：根