1.一種檢測模型的訓練方法，其特征在于，所述方法包括：

根據歷史上采集到的各連續幀圖像，確定若干組連續兩幀圖像，將每組圖像，作為訓練樣本，所述訓練樣本中的前一幀作為第一圖像，后一幀作為第二圖像；

針對每個訓練樣本，將該訓練樣本包含的第二圖像中，預先標注的各障礙物實例的包圍框，作為該訓練樣本的標注；

將該訓練樣本輸入訓練完成的預處理模型，通過所述預處理模型的卷積層和分類層，確定所述第一圖像中各障礙物實例的包圍框，以及通過所述預處理模型的卷積層，確定所述第二圖像中的各障礙物實例的各待選包圍框，并將所述第一圖像中各障礙物實例的包圍框和所述第二圖像中的各障礙物實例的各待選包圍框作為預處理結果；

將該訓練樣本的預處理結果，輸入待訓練的檢測模型，確定所述第一圖像中各障礙物實例的包圍框的預測結果，并根據所述預測結果，更新所述第二圖像中的各障礙物實例的至少部分待選包圍框，作為后處理結果；

將該訓練樣本的后處理結果，輸入所述預處理模型的分類層，得到該訓練樣本包含的第二圖像中各障礙物實例的包圍框，作為檢測結果；

以該訓練樣本的檢測結果以及該訓練樣本的標注之間差異最小為優化目標，調整所述待訓練的檢測模型的模型參數，所述預處理模型以及所述檢測模型用于在確定無人車運動策略時，確定所述無人車環境圖像中的各障礙物實例。