详情

原文传递车辆泊车模型的训练方法、系统、电子设备及存储介质

专利名称：	车辆泊车模型的训练方法、系统、电子设备及存储介质
摘要：	本发明提供了一种车辆泊车模型的训练方法、系统、电子设备及存储介质，涉及车辆泊车技术领域。本发明先将样本环视图输入到初始模型中得到综合预测数据，综合预测数据包括车位预测数据、轮挡预测数据和障碍物预测数据中的至少一个，根据综合预测数据和真实数据确定车位的第一损失函数、轮挡的第二损失函数以及障碍物的第三损失函数，之后根据第一损失函数、第二损失函数、第三损失函数计算得到最终损失函数，最后利用最终损失函数对初始模型的参数进行调整，以训练初始模型。上述技术方案不仅仅对车位进行训练，还可以对轮挡和障碍物进行训练，充分考虑了实际泊车场景，避免泊车时汽车与障碍物发生碰撞，提高了泊车的安全性和准确性。
专利类型：	发明专利
申请人：	浙江智马达智能科技有限公司;智马达(上海)机器人科技有限公司
发明人：	俞圣杰;陈大宇;杜卓;杨威;彭肖肖;王坤昱;许倩
专利状态：	有效
申请日期：	2023-10-07T00:00:00+0800
发布日期：	2023-11-21T00:00:00+0800
申请号：	CN202311286242.7
公开号：	CN117087656A
代理机构：	北京智汇东方知识产权代理事务所(普通合伙)
代理人：	赵云秀
分类号：	B60W30/06;B60W50/00;B;B60;B60W;B60W30;B60W50;B60W30/06;B60W50/00
申请人地址：	315336 浙江省宁波市杭州湾新区众创二路7号I栋B区;
主权项：	1.一种车辆泊车模型的训练方法，其特征在于，包括以下步骤：获取车辆所在停车环境的样本环视图，并将所述样本环视图作为初始模型正向传播的输入值，以得到综合预测数据，所述综合预测数据包括车位预测数据、轮挡预测数据和障碍物预测数据中的至少一个，所述样本环视图中标注有真实数据；根据所述综合预测数据和所述真实数据确定车位的第一损失函数、轮挡的第二损失函数以及障碍物的第三损失函数；根据所述第一损失函数、所述第二损失函数、所述第三损失函数计算得到最终损失函数；利用所述最终损失函数对所述初始模型的参数进行调整，以训练所述初始模型。 2.根据权利要求1所述的训练方法，其特征在于，根据所述综合预测数据和所述真实数据计算得到车位的第一损失函数、轮挡的第二损失函数以及障碍物的第三损失函数的步骤，具体包括以下步骤：根据所述综合预测数据判断是否存在车位预测数据、轮挡预测数据或障碍物预测数据；在所述综合预测数据存在所述车位预测数据时根据所述车位预测数据和所述真实数据计算得出所述车位的第一损失函数；在所述综合预测数据不存在所述车位预测数据时所述第一损失函数为零。 3.根据权利要求2所述的训练方法，其特征在于，根据所述综合预测数据判断是否存在车位预测数据、轮挡预测数据或障碍物预测数据的步骤之后，还包括以下步骤：在所述综合预测数据存在所述轮挡预测数据时根据所述轮挡预测数据和所述真实数据计算得出所述轮挡的第二损失函数；在所述综合预测数据不存在所述轮挡预测数据时所述第二损失函数为零。 4.根据权利要求3所述的训练方法，其特征在于，根据所述综合预测数据判断是否存在车位预测数据、轮挡预测数据或障碍物预测数据的步骤之后，还包括以下步骤：在所述综合预测数据存在所述障碍物预测数据时根据所述障碍物预测数据和所述真实数据计算得出所述障碍物的第三损失函数；在所述综合预测数据不存在所述障碍物预测数据时所述第三损失函数为零。 5.根据权利要求1-4中任一项所述的训练方法，其特征在于，根据所述第一损失函数、所述第二损失函数、所述第三损失函数计算得到最终损失函数的步骤还包括以下步骤：将所述第一损失函数、所述第二损失函数、所述第三损失函数作为所述初始模型反向传播的输入值，得到所述车位的第一梯度值、所述轮挡的第二梯度值和所述障碍物的第三梯度值；根据所述第一梯度值、所述第二梯度值和所述第三梯度值分别计算第一系数、第二系数和第三系数；根据所述第一损失函数、所述第二损失函数、所述第三损失函数、所述第一系数、所述第二系数和所述第三系数计算得到所述最终损失函数。 6.根据权利要求5所述的训练方法，其特征在于，根据公式(1)计算所述最终损失函数： loss＝alossslot+blossobstacle+c*losspillar 公式(1)；其中，loss表示所述最终损失函数，lossslot表示所述车位的第一损失函数，lossobstacle表示所述轮挡的第二损失函数，losspillar表示所述障碍物的第三损失函数，a、b和c分别表示所述第一系数、所述第二系数和所述第三系数。 7.根据权利要求6所述的训练方法，其特征在于，根据公式(2)计算所述第一系数、所述第二系数和所述第三系数：其中，∑slotgrad2表示车位的所有第一梯度值平方后求和的值，∑obstaclegrad2表示轮挡的所有第二梯度值平方后求和的值，∑pillargrad2表示障碍物的所有第三梯度值平方后求和的值，softmax表示归一化函数。 8.一种车辆泊车模型的训练系统，其特征在于，包括：图像获取模块，用于获取车辆所在停车环境的样本环视图，所述样本环视图中标注有真实数据；实例分割模块，用于利用初始模型对所述样本环视图进行实例分割和特征提取，得到综合预测数据；车位解码模块，用于对所述综合预测数据进行解码，得到车位预测数据；轮挡解码模块，用于对所述综合预测数据进行解码，得到轮挡预测数据；障碍物解码模块，用于对所述综合预测数据进行解码，得到障碍物预测数据；计算模块，用于根据所述综合预测数据和所述真实数据确定车位的第一损失函数、轮挡的第二损失函数以及障碍物的第三损失函数；并根据所述第一损失函数、所述第二损失函数、所述第三损失函数计算得到最终损失函数；训练模块，用于利用所述最终损失函数对所述初始模型的参数进行调整，以训练所述初始模型。 9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器内存储有机器可执行计算程序，所述机器可执行计算程序被所述处理器执行时用于实现根据权利要求1-7中任一项所述的训练方法。 10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有机器可执行程序，所述机器可执行程序被处理器执行时实现如权利要求1-7中任一项所述的训练方法。
所属类别：	发明专利