本申请实施例涉及数据处理，尤其涉及一种目标检测模型训练方法、装置、控制器、设备及存储介质。
背景技术：
1、环境感知是自动驾驶技术重要的组成部分。自动驾驶技术中环境感知的实现需要对车体周围的三维空间进行检测，目前环境感知获得的三维空间数据主要来自雷达和摄像机。雷达包括激光雷达和普通雷达，激光雷达的价格昂贵，会使得车辆的成本大幅增加；普通雷达只能获得非常稀疏的点集，这样的点集无法描述障碍物的大小，形状以及语义。摄像机可获得稠密的三维点云数据，技术也较为成熟，所以采用摄像机设备进行环境感知成为一种较优的选择。
2、但是，在车辆的边缘位置和距离车辆较远的位置，由于摄像机设备的视角不全、物体之间存在遮挡影响空间透视等原因，使得摄像机设备获得的车辆信息和环境中目标物体的信息并不完全，即获得的图像中往往存在信息缺失。而现有用于环境感知的目标检测模型基于图像训练而成，图像中的信息缺失也就会造成目标检测模型获得的目标物体的深度、宽度存在偏差。
3、所以，目前亟需解决图像的信息缺失造成的目标检测模型精度降低问题。
技术实现思路
1、有鉴于此，本申请实施例提供一种目标检测模型的训练方案，以至少部分解决上述问题。
2、根据本申请实施例的第一方面，提供了一种目标检测模型的训练方法，包括：
3、通过目标检测模型对样本图像进行目标检测，得到检测出的目标对象在样本图像中的预测位置信息；分别根据预测位置信息和样本图像对应的样本位置信息，将目标对象投影至目标空间坐标系下的二维平面内，得到目标对象的预测平面特征和样本平面特征，其中，二维平面至少对应于目标对象的深度或者宽度；根据预测平面特征和样本平面特征计算第一损失值；至少根据第一损失值调整目标检测模型，以训练目标检测模型。
4、根据本申请实施例的第二方面，提供了一种目标检测模型的训练装置，包括：目标检测模块，用于通过目标检测模型对样本图像进行目标检测，得到检测出的目标对象在样本图像中的预测位置信息；投影模块，用于分别根据预测位置信息和样本图像对应的样本位置信息，将目标对象投影至目标空间坐标系下的二维平面内，得到目标对象的预测平面特征和样本平面特征，其中，二维平面至少对应于目标对象的深度或者宽度；损失值计算模块，用于根据预测平面特征和样本平面特征计算第一损失值；调整模块，用于至少根据第一损失值调整目标检测模型，以训练目标检测模型。。
5、根据本申请实施例的第三方面，提供了一种控制器，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行如第一方面的方法对应的操作。
6、根据本申请实施例的第四方面，提供了一种自动驾驶设备，包括：图像采集装置和处理器；其中：图像采集装置，用于采集自动驾驶设备所在环境的图像；处理器，用于通过目标检测模型对图像进行目标识别，目标检测模型第一方面的方法得到。
7、根据本申请实施例的第五方面，提供了一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面的方法。
8、本申请实施例提供的方案，将目标对象投影至目标空间坐标系下的二维平面内，得到目标对象的预测平面特征和样本平面特征，根据预测平面特征和样本平面特征此计算出第一损失值，并利用第一损失值第一损失值调整目标检测模型，可以通过目标空间坐标系下的二维平面内的第一损失值，纠正图像层面视角不全和空间透视的影响，提高目标检测模型的检测精度。
1.一种目标检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标空间坐标系为车辆坐标系，所述二维平面为车辆坐标系下的俯视平面；
3.根据权利要求1所述的方法，其特征在于，所述通过目标检测模型对样本图像进行目标检测，得到检测出的目标对象在样本图像中的预测位置信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过所述目标检测模型，对样本图像进行目标检测，得到所述目标对象对应的候选包围框，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一损失值和所述第二损失值调整所述目标检测模型，以训练所述目标检测模型，包括：
7.一种目标检测模型的训练装置，其特征在于，包括：
8.一种控制器，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
9.一种自动驾驶设备，其特征在于，包括：图像采集装置和处理器；
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
