(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111669823.X (22)申请日 2021.12.31 (71)申请人 上海仙途智能科技有限公司 地址 201600 上海市松江区中创路68号13 幢5层 (72)发明人 黄超　孟泽楠　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 代理人 靳玫 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/774(2022.01) G06V 10/30(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) (54)发明名称 一种树枝识别模 型的训练方法、 树枝识别方 法及装置 (57)摘要 本公开实施例提供一种树枝识别模型的训 练方法、 树枝识别方法及装置， 树枝识别模型的 训练方法包括： 获取多帧点云数据； 将多帧点云 数据融合， 得到融合点云数据； 接收对融合点云 数据进行标注的标注信息； 将包括标注信息的融 合点云数据转换回多帧点云数据， 转换后的多帧 点云数据包括标注信息； 依据转换后的多帧点云 数据对树枝识别模型进行训练。 树枝识别方法包 括： 通过雷达采集点云数据； 将点云数据输入预 先训练的树枝识别模型， 得到树枝识别模型输出 的车辆周边环 境中的树枝。 本公开实施例的技术 方案， 通过将雷达探测的多帧点云数据融合， 基 于融合后的点云数据进行后续的点云标注工作 的方式， 降低了点云标注工作的复杂度， 提高了 训练数据的质量。 权利要求书3页 说明书9页 附图5页 CN 114299396 A 2022.04.08 CN 114299396 A 1.一种树枝识别模型的训练方法， 其特 征在于， 所述方法包括： 获取多帧点云数据， 所述点云数据由安装在自动驾驶车辆上的雷达对车辆周边环境探 测得到； 将所述多帧点云数据进行融合， 得到融合 点云数据； 接收对所述融合点云数据进行标注的标注信 息， 所述标注信 息用于标注代表所述车辆 周边环境中的树枝的点； 将包括所述标注信 息的融合点云数据转换回所述多帧点云数据， 转换后的所述多帧点 云数据中包括所述标注信息； 依据所述 转换后的所述多帧点云数据对所述 树枝识别模型进行训练。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述多帧点云数据进行融合， 得到 融合点云数据， 包括： 将所述多帧点云数据进行融合， 得到融合点云数据， 并记录所述融合点云数据中的每 一个点与所述多帧点云数据中的目标帧的映射关系； 所述将包括所述标注信 息的融合点云数据转换回所述多帧点云数据， 转换后的所述多 帧点云数据中包括所述标注信息， 包括： 根据所述映射关系， 将所述包括所述标注信 息的融合点云数据中的各个点转换到对应 的目标帧， 得到所述多帧点云数据， 所述多帧点云数据中包括所述标注信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述接收对所述融合点云数据进行标注的 标注信息， 所述标注信息用于标注 代表所述车辆周边环境中的树枝的点， 包括： 获取所述融合点云数据中的各个点的距离特征， 所述距离特征用于表示所述点对应的 对象与所述车辆周边环境中的地 面之间的距离； 响应于所述距离特 征在预定的距离范围内， 将所述 点标注为 树枝。 4.根据权利要求1所述的方法， 其特征在于， 所述依据所述转换后的所述多帧点云数据 对所述树枝识别模型进行训练之后， 所述方法还 包括： 将训练后的所述树枝识别模型在预先设定的不同的指标上进行测试， 所述不同的指标 用于表示训练后的所述 树枝识别模型在不同方面的性能； 依据测试 结果， 利用预设的程序自动调整所述 树枝识别模型的超参数。 5.一种树枝识别方法， 其特征在于， 所述方法应用于自动驾驶车辆， 所述自动驾驶车辆 上安装有雷达， 所述方法包括： 通过所述雷达采集 点云数据， 所述 点云数据由所述雷达对车辆周边环境探测得到； 将所述点云数据输入预先训练 的树枝识别模型， 得到所述树枝识别模型输出的所述车 辆周边环境中的树枝， 其中， 所述树枝识别模型通过权利要求1至4任一所述的方法训练得 到。 6.根据权利要求5所述的方法， 其特 征在于， 所述自动驾驶车辆是 无人驾驶清扫车。 7.根据权利要求5所述的方法， 其特征在于， 所述将所述点云数据输入预先训练 的树枝 识别模型， 包括： 基于车辆行驶因素， 对所述 点云数据进行筛 选， 得到目标点云数据； 将所述目标点云数据输入预 先训练的所述 树枝识别模型。 8.一种树枝识别模型的训练装置， 其特 征在于， 所述装置包括：权　利　要　求　书 1/3 页 2 CN 114299396 A 2第一获取模块， 用于获取多帧点云数据， 所述点云数据由安装在 自动驾驶车辆上的雷 达对车辆周边环境探测得到； 融合模块， 用于将所述多帧点云数据进行融合， 得到融合 点云数据； 标注模块， 用于接收对所述融合点云数据进行标注的标注信息， 所述标注信息用于标 注代表所述车辆周边环境中的树枝的点； 转换模块， 用于将包括所述标注信息的融合点云数据转换回所述多帧点云数据， 转换 后的所述多帧点云数据中包括所述标注信息； 训练模块， 用于依据所述 转换后的所述多帧点云数据对所述 树枝识别模型进行训练。 9.根据权利要求8所述的装置， 其特征在于， 所述融合模块， 在用于将所述多帧点云数 据进行融合， 得到融合 点云数据时， 包括： 将所述多帧点云数据进行融合， 得到融合点云数据， 并记录所述融合点云数据中的每 一个点与所述多帧点云数据中的目标帧的映射关系； 所述转换模块， 在用于将包括所述标注信息的融合点云数据转换回所述多帧点云数 据， 转换后的所述多帧点云数据中包括所述标注信息时， 包括： 根据所述映射关系， 将所述包括所述标注信 息的融合点云数据中的各个点转换到对应 的目标帧， 得到所述多帧点云数据， 所述多帧点云数据中包括所述标注信息 。 10.根据权利要求8所述的装置， 其特征在于， 所述标注模块， 在用于接收对所述融合点 云数据进 行标注的标注信息， 所述标注信息用于标注代表所述车辆周边环境中的树枝的点 时， 包括： 获取所述融合点云数据中的各个点的距离特征， 所述距离特征用于表示所述点对应的 对象与所述车辆周边环境中的地 面之间的距离； 响应于所述距离特 征在预定的距离范围内， 将所述 点标注为 树枝。 11.根据权利要求8所述的装置， 其特 征在于， 所述装置还 包括： 测试模块， 用于将训练后的所述树枝识别模型在预先设定的不同的指标上进行测试， 所述不同的指标用于表示训练后的所述 树枝识别模型在不同方面的性能； 调整模块， 用于依据测试 结果， 利用预设的程序自动调整所述 树枝识别模型的超参数。 12.一种树枝识别装置， 其特征在于， 所述装置应用于自动驾驶车辆， 所述自动驾驶车 辆上安装有雷达， 所述装置包括： 第二采集模块， 用于通过所述雷达采集点云数据， 所述点云数据由所述雷达对车辆周 边环境探测得到； 识别处理模块， 用于将所述点云数据输入所述树枝识别模型， 得到所述树枝识别模型 输出的所述车辆周边环境中的树枝， 其中， 所述树枝识别模型通过权利要求1至4任一所述 的方法训练得到 。 13.根据权利要求12所述的装置， 其特 征在于， 所述自动驾驶车辆是 无人驾驶清扫车。 14.根据权利要求12所述的装置， 其特征在于， 所述识别处理模块， 在用于将所述点云 数据输入所述 树枝识别装置时， 包括： 基于车辆行驶因素， 对所述 点云数据进行筛 选， 得到目标点云数据； 将所述目标点云数据输入所述 树枝识别装置 。 15.一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存储有机器可读权　利　要　求　书 2/3 页 3 CN 114299396 A 3