(19)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 202211506549.9 (22)申请日 2022.11.29 (71)申请人 长沙智能驾驶研究院有限公司 地址 410006 湖南省长 沙市岳麓区学士 路 336号湖南省检验检测特色产业园内 A3、 A4栋 (72)发明人 李雅洁　胡荣东　谢伟　万波　 (74)专利代理 机构 北京东方亿 思知识产权代理 有限责任公司 1 1258 专利代理师 赵秀芹 (51)Int.Cl. G06T 7/73(2017.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06V 10/82(2022.01) (54)发明名称 定位模型的训练方法和点云数据定位方法 及装置 (57)摘要 本申请公开了一种定位模型的训练方法和 点云数据定位方法及装置。 定位模 型的训练方法 包括： 获取预设训练样本； 根据训练集中的第一 点云数据， 对预先构建的点云定位模型进行训 练， 得到训练后的点云定位模型； 将验证集中的 第二点云数据输入训练后的点云定位模型， 并获 取训练后的点云定位模型输出的每个第二点云 数据的预测全局描述符； 根据每个第二点云数据 的预测特征信息， 确定训练后的点云定位模型的 定位精度值； 在定位精度值满足预设精度条件的 情况下， 将训练后的点云定位模 型确定为目标定 位模型。 根据本申请实施例， 能够有效减少获取 定位信息过程中的冗余计算， 提高定位的鲁棒 性， 实现高精度定位。 权利要求书3页 说明书15页 附图4页 CN 115526936 A 2022.12.27 CN 115526936 A 1.一种定位模型的训练方法， 其特 征在于， 包括： 获取预设训练样本， 其中， 所述预设训练样本包括训练集和验证集， 所述训练集包括第 一预设数量的第一 点云数据， 所述验证集包括第二预设数量的第二 点云数据； 根据所述训练集中的第一点云数据， 对预先构建的点云定位模型进行训练， 得到训练 后的点云定位模型； 将所述验证集中的第 二点云数据输入所述训练后的点云定位模型， 并获取训练后的点 云定位模型输出的每个第二点云数据的预测全局描述符， 所述预测全局描述符用于表示所 述第二点云数据对应位置的预测特 征信息； 根据每个第 二点云数据的预测特征信 息， 确定所述训练后的点云定位模型的定位精度 值； 在所述定位精度值满足预设精度条件的情况下， 将所述训练后的点云定位模型确定为 目标定位模型。 2.根据权利要求1所述的方法， 其特征在于， 所述预先构建的点云定位模型包括向量转 换网络、 特 征提取网络和预设特 征聚合函数； 所述根据所述训练集中的第一点云数据， 对预先构建的点云定位模型进行训练， 得到 训练后的点云定位模型， 包括： 将每个所述第 一点云数据输入所述向量转换网络， 得到每个所述第 一点云数据对应的 第一转换向量； 将每个第一转换向量输入所述特征提取网络， 得到每个所述第 一点云数据的初始特征 信息； 将每个所述第 一点云数据的初始特征信 息输入所述预设特征聚合函数， 得到每个所述 第一点云数据对应的第一全局描述符， 其中， 所述第一全局描述符用于表示所述第一点云 数据的定位的特 征信息； 根据预设损失函数和每个所述第 一点云数据对应的第 一全局描述符， 自动调整所述预 先构建的点云定位模型中的模型参数， 得到训练后的点云定位模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据预设损失函数和每个所述第 一点 云数据对应的第一全局描述符， 自动调整所述预先构建的点云定位模型中的模型参数， 得 到训练后的点云定位模型， 包括： 所述根据 预设损失函数和每个所述第 一点云数据对应的第 一全局描述符， 确定所述点 云定位模型的损失值； 根据所述损 失值， 自动调整所述预先构建的点云定位模型中的模型参数， 得到训练后 的点云定位模型。 4.根据权利要求3所述的方法， 其特征在于， 所述训练集还包括每个所述第 一点云数据 的标记信息， 所述标记信息包括第m个第一点云数据的正样本和所述第m个第一点云数据的 负样本， 所述正样本包括所述第一预设数量个第一点云数据中与第m个第一点云数据相似 的第一点云数据的标识， 所述负样本包括所述第一预设数量个第一点云数据中与所述第m 个第一点云数据不相似的第一 点云数据的标识， 其中， m∈M， M为所述第一预设数量； 所述根据 预设损失函数和每个所述第 一点云数据对应的第 一全局描述符， 确定所述点 云定位模型的损失值， 包括：权　利　要　求　书 1/3 页 2 CN 115526936 A 2计算每个所述第一点云数据对应的第一全局描述符与所述正样本对应的全局描述符 的第一欧氏距离， 以及， 计算每个所述第一点云数据对应的第一全局描述符与所述负样本 对应的全局描述符的第二欧氏距离； 对应每个所述第一点云数据， 计算所述第一欧氏距离与所述第二欧氏距离的差值， 并 对M个所述差值进行求和计算得到初始损失值； 计算预设超参数与所述初始损失值的和； 其中， 当所述预设超参数与所述初始损 失值的和大于或等于零时， 将所述预设超参数 与所述初始损失值的和作为所述损失值； 当所述预设超参数与所述初始损失值的和小于零时， 将所述损失值设置为预设数值。 5.根据权利要求1所述的方法， 其特征在于， 所述根据每个第 二点云数据的预测特征信 息， 确定所述训练后的点云定位模型的定位精度值， 包括： 获取预设点云地图； 根据每个第 二点云数据的预测特征信 息和所述预设点云地图， 确定每个第 二点云数据 的预测位置信息； 根据每个所述第二点云数据的预设位置信 息和所述第 二点云数据的实际位置信 息， 确 定所述训练后的点云定位模型的定位精度值。 6.根据权利要求5所述的方法， 其特征在于， 所述根据每个第 二点云数据的预测特征信 息和所述预设点云地图， 确定每 个第二点云数据的预测位置信息， 包括： 根据所述第 二点云数据的预测特征信 息， 计算所述第 二点云数据与 预设点云地图之间 的最小欧氏距离； 将所述预设点云地图中所述最小欧氏距离对应位置， 作为所述第 二点云数据的预测位 置信息。 7.一种点云数据定位方法， 其特 征在于， 所述方法包括： 获取实时采集的点云数据； 将所述点云数据输入目标定位模型， 通过所述目标定位模型输出所述点云数据的全局 描述符， 其中， 所述 目标定位模型根据权利要求1至6任意一项所述的定位模型的训练方法 训练得到， 所述全局描述符用于表示所述 点云数据对应位置的预测特 征信息； 根据所述点云数据的预测特征信 息， 计算所述点云数据与预设点云地图之间的最小欧 氏距离； 将所述预设点云地图中所述最小欧氏距离对应位置， 确定为所述点云数据的目标位 置。 8.一种定位模型的训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取预设训练样本， 其中， 所述预设训练样本包括训练集和验证集， 所 述训练集包括第一预设数量的第一点云数据， 所述验证集包括第二预设数量的第二点云数 据； 处理模块， 用于根据所述训练集中的第一点云数据， 对预先构建的点云定位模型进行 训练， 得到训练后的点云定位模型； 所述处理模块， 还用于将所述验证集中的第 二点云数据输入所述训练后的点云定位模 型， 并获取训练后的点云定位模型输出 的每个第二点云数据的预测全局描述符， 所述预测权　利　要　求　书 2/3 页 3 CN 115526936 A 3