本公開涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種數(shù)據(jù)處理方法、裝置、系統(tǒng)、存儲介質(zhì)和程序產(chǎn)品。

背景技術(shù)：

1、基于lidar(light?detection?and?ranging，激光雷達(dá))的3d目標(biāo)檢測在自動駕駛系統(tǒng)中扮演著至關(guān)重要的角色。lidar是一種使用激光脈沖測量物體距離的技術(shù)，它能夠提供關(guān)于周圍環(huán)境的三維信息。這些信息對于車輛導(dǎo)航、避障和決策至關(guān)重要。

2、在不同的應(yīng)用場景中，lidar系統(tǒng)可能會遇到各種不同的配置，比如不同的激光束數(shù)量、不同的視角覆蓋范圍以及不同的分辨率。由于目標(biāo)檢測模型的性能很大程度上依賴于數(shù)據(jù)的質(zhì)量和特征提取的能力，因此，這些差異會導(dǎo)致在一種配置下訓(xùn)練的3d目標(biāo)檢測模型在另一種配置下表現(xiàn)不佳。同時在不同領(lǐng)域都有充足的訓(xùn)練數(shù)據(jù)成本是非常昂貴的，更真實(shí)的場景是在源領(lǐng)域中有充足的訓(xùn)練樣本，而在目標(biāo)領(lǐng)域中只有有限的訓(xùn)練樣本。源領(lǐng)域是模型最初訓(xùn)練的數(shù)據(jù)集，而目標(biāo)領(lǐng)域則是模型將要應(yīng)用的新環(huán)境。目前研究人員開始探索領(lǐng)域適應(yīng)技術(shù)，這種技術(shù)允許模型在源領(lǐng)域(如16線數(shù)據(jù))以及有限目標(biāo)領(lǐng)域數(shù)據(jù)(如32線數(shù)據(jù))中訓(xùn)練，然后在目標(biāo)領(lǐng)域中進(jìn)行適應(yīng)和推廣。

技術(shù)實(shí)現(xiàn)思路

1、本公開要解決的一個技術(shù)問題是，提供一種數(shù)據(jù)處理方法、裝置、系統(tǒng)、存儲介質(zhì)和程序產(chǎn)品，能夠提高目標(biāo)檢測模型在目標(biāo)域的適應(yīng)性。

2、根據(jù)本公開一方面，提出一種數(shù)據(jù)處理方法，包括：在目標(biāo)域樣本集中選擇第一樣本集；在源域樣本集中去除第二樣本集，得到第三樣本集，其中，第一樣本集對應(yīng)的第一區(qū)域范圍和第二樣本集對應(yīng)的第二區(qū)域范圍相同；將第一樣本集與第三樣本集進(jìn)行融合，得到融合樣本集，用于訓(xùn)練目標(biāo)檢測模型。

3、在一些實(shí)施例中，將第一樣本集與第三樣本集進(jìn)行融合，得到融合樣本集包括：將第一樣本集對應(yīng)的第一數(shù)據(jù)，與第三樣本集對應(yīng)的第二數(shù)據(jù)進(jìn)行融合，得到融合數(shù)據(jù)；將第一樣本集對應(yīng)的第一標(biāo)簽信息，與第三樣本集對應(yīng)的第二標(biāo)簽信息進(jìn)行融合，得到融合標(biāo)簽信息；以及將融合標(biāo)簽信息，作為融合數(shù)據(jù)的標(biāo)簽信息。

4、在一些實(shí)施例中，目標(biāo)域樣本集為通過第一雷達(dá)傳感器掃描得到的第一點(diǎn)云樣本集，在目標(biāo)域樣本集中選擇第一樣本集包括：在第一點(diǎn)云樣本集中選擇一個點(diǎn)作為第一中心點(diǎn)；以及以目標(biāo)域的鳥瞰圖為基礎(chǔ)，圍繞第一中心點(diǎn)，選擇第一區(qū)域范圍的點(diǎn)云，作為第一樣本集。

5、在一些實(shí)施例中，源域樣本集為通過第二雷達(dá)傳感器掃描得到的第二點(diǎn)云樣本集，在源域樣本集中去除第二樣本集，得到第三樣本集包括：在第二點(diǎn)云樣本集中選擇一個點(diǎn)作為第二中心點(diǎn)；以及以源域的鳥瞰圖為基礎(chǔ)，圍繞第二中心點(diǎn)，去除第二區(qū)域范圍內(nèi)的點(diǎn)云，得到第三樣本集。

6、在一些實(shí)施例中，第二中心點(diǎn)基于第一中心點(diǎn)的選擇得到；或者第一中心點(diǎn)基于第二中心點(diǎn)的選擇得到。

7、在一些實(shí)施例中，第一中心點(diǎn)相對于第一雷達(dá)傳感器的方向，與第二中心點(diǎn)相對于第二雷達(dá)傳感器的方向一致；第一中心點(diǎn)相對于第一雷達(dá)傳感器的距離，與第二中心點(diǎn)相對于第二雷達(dá)傳感器的距離一致。

8、在一些實(shí)施例中，利用訓(xùn)練好的目標(biāo)檢測模型，檢測目標(biāo)域內(nèi)的目標(biāo)。

9、根據(jù)本公開的另一方面，還提出一種數(shù)據(jù)處理裝置，包括：樣本集獲取模塊，被配置為在目標(biāo)域樣本集中選擇第一樣本集，在源域樣本集中去除第二樣本集，得到第三樣本集，其中，第一樣本集對應(yīng)的第一區(qū)域范圍和第二樣本集對應(yīng)的第二區(qū)域范圍相同；樣本集融合模塊，被配置為將第一樣本集與第三樣本集進(jìn)行融合，得到融合樣本集，用于訓(xùn)練目標(biāo)檢測模型。

10、根據(jù)本公開的另一方面，還提出一種數(shù)據(jù)處理裝置，包括：存儲器；以及耦接至存儲器的處理器，處理器被配置為基于存儲在存儲器的指令執(zhí)行如上述的數(shù)據(jù)處理方法。

11、根據(jù)本公開的另一方面，還提出一種自動駕駛系統(tǒng)，包括：上述的數(shù)據(jù)處理裝置。

12、根據(jù)本公開的另一方面，還提出一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序指令，該指令被處理器執(zhí)行時實(shí)現(xiàn)如上述的數(shù)據(jù)處理方法。

13、根據(jù)本公開的另一方面，還提出一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序或指令，計算機(jī)程序或指令被處理器執(zhí)行時實(shí)現(xiàn)上述的數(shù)據(jù)處理方法。

14、本公開實(shí)施例中，將源域樣本集中的第三樣本集與目標(biāo)域樣本集中的第一樣本集進(jìn)行融合，并利用融合的樣本集對目標(biāo)檢測模型進(jìn)行訓(xùn)練，能夠減少源域樣本集主導(dǎo)網(wǎng)絡(luò)訓(xùn)練的問題，另外，由于實(shí)現(xiàn)了源域樣本集和目標(biāo)域樣本集之間的融合，因此，能夠有效對齊不同領(lǐng)域之間的偏差，并且，雖然源域樣本集和目標(biāo)域樣本集分布不一致，但具有相同的遷移信息，因此，實(shí)現(xiàn)了學(xué)習(xí)領(lǐng)域不變表示，使得目標(biāo)檢測模型學(xué)習(xí)到不依賴于特定配置或環(huán)境的域不變的通用特征，從而提高了模型在目標(biāo)域的適應(yīng)性能。

15、通過以下參照附圖對本公開的示例性實(shí)施例的詳細(xì)描述，本公開的其它特征及其優(yōu)點(diǎn)將會變得清楚。

技術(shù)特征：

1.一種數(shù)據(jù)處理方法，包括：

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)處理方法，其中，所述將所述第一樣本集與所述第三樣本集進(jìn)行融合，得到融合樣本集包括：

3.根據(jù)權(quán)利要求1或2所述的數(shù)據(jù)處理方法，其中，所述目標(biāo)域樣本集為通過第一雷達(dá)傳感器掃描得到的第一點(diǎn)云樣本集，所述在目標(biāo)域樣本集中選擇第一樣本集包括：

4.根據(jù)權(quán)利要求3所述的數(shù)據(jù)處理方法，其中，所述源域樣本集為通過第二雷達(dá)傳感器掃描得到的第二點(diǎn)云樣本集，所述在源域樣本集中去除第二樣本集，得到第三樣本集包括：

5.根據(jù)權(quán)利要求4所述的數(shù)據(jù)處理方法，其中，

6.根據(jù)權(quán)利要求5所述的數(shù)據(jù)處理方法，其中，

7.根據(jù)權(quán)利要求1或2所述的數(shù)據(jù)處理方法，還包括：

8.一種數(shù)據(jù)處理裝置，包括：

9.一種數(shù)據(jù)處理裝置，包括：

10.一種自動駕駛系統(tǒng)，包括：

11.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序指令，該指令被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7任一所述的數(shù)據(jù)處理方法。

12.一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序或指令，所述計算機(jī)程序或指令被處理器執(zhí)行時實(shí)現(xiàn)權(quán)利要求1至7任一所述的數(shù)據(jù)處理方法。

技術(shù)總結(jié)
本公開提供了一種數(shù)據(jù)處理方法、裝置、系統(tǒng)、存儲介質(zhì)和程序產(chǎn)品，涉及數(shù)據(jù)處理領(lǐng)域。該方法包括：在目標(biāo)域樣本集中選擇第一樣本集；在源域樣本集中去除第二樣本集，得到第三樣本集，其中，第一樣本集對應(yīng)的第一區(qū)域范圍和第二樣本集對應(yīng)的第二區(qū)域范圍相同；將第一樣本集與第三樣本集進(jìn)行融合，得到融合樣本集，用于訓(xùn)練目標(biāo)檢測模型。本公開能夠減少源域樣本集主導(dǎo)網(wǎng)絡(luò)訓(xùn)練的問題，另外，由于實(shí)現(xiàn)了源域樣本集和目標(biāo)域樣本集之間的融合，還使得目標(biāo)檢測模型學(xué)習(xí)到不依賴于特定配置或環(huán)境的域不變的通用特征，從而提高了模型在目標(biāo)域的適應(yīng)性能。

技術(shù)研發(fā)人員：劉亞婧,鄧爽
受保護(hù)的技術(shù)使用者：京東鯤鵬（江蘇）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9