1.一种目标检测模型的训练方法，所述目标为自动驾驶场景中的待关注对象，所述方法包括：
对带有标注的原始训练数据进行分析，确定原始训练数据所包含的标注类别分布；
依据所述标注类别分布对原始训练数据进行数据增广，得到训练数据；
根据所述训练数据对目标检测模型进行迭代训练，直至满足训练停止条件。
2.如权利要求1所述的方法，其特征在于，所述原始训练数据为三维点云图，所述依据所述标注类别分布对原始训练数据进行数据增广，得到训练数据包括：
依据所述标注类别分布，确定待增广类别；
选取带有待增广类别的标注的三维点云图，对选取的三维点云图进行若干次整图复制；和/或，从选取的三维点云图中复制出与待增广类别的标注对应的三维点云，将复制出的三维点云与基础点云图进行融合，得到融合点云图。
3.如权利要求2所述的方法，其特征在于，所述基础点云图是从原始数据中随机选取的，所述将复制出的三维点云与基础点云图进行融合包括：
根据复制出的三维点云在原始三维点云图中距离激光坐标系原点的相对位置，确定复制出的三维点云在基础点云图中的可放置区域；
从所述可放置区域中选取与指定空间元素相近，且不与已标注目标重合的区域放置复制出的三维点云。
4.如权利要求1-3中任一项所述的方法，其特征在于，所述根据所述训练数据对目标检测模型进行迭代训练包括：
根据标注所对应的目标的尺寸划分多个尺寸区间，为每个尺寸区间分别确定一个特征图尺度；
根据输入到目标检测模型的一条训练数据所包含目标的尺寸，确定与该条训练数据包含的各目标分别对应的指定特征图尺度；
由目标检测模型对该条训练数据进行卷积，得到各指定特征图尺度下的特征图，利用得到的各特征图分别对相应的目标进行检测框回归训练。
5.如权利要求4所述的方法，其特征在于，所述根据所述训练数据对目标检测模型进行迭代训练还包括：
对训练数据进行统计分析，确定每个特征图尺度下，各类目标的标注数量分布；
根据标注数量分布将目标划分为多个训练类别；
在利用得到的各特征图分别对相应的目标进行检测框回归训练时，使用多头注意力，在同一特征图中对每个训练类别的下的各目标分别进行检测框回归和分类。
6.如权利要求5所述的方法，其特征在于，所述使用多头注意力，在同一特征图中对每个训练类别的下的各目标分别进行检测框回归和分类包括：
根据各目标的出现频率和/或次数，确定相应的多头注意力权重。
7.一种目标检测方法，其特征在于，该方法包括：
利用如权利要求1-6中任一项所述的方法训练得到的目标检测模型对三维点云图进行检测。
8.一种目标检测模型的训练装置，所述目标为自动驾驶场景中的待关注对象，所述装置包括：
分析单元，用于对带有标注的原始训练数据进行分析，确定原始训练数据所包含的标注类别分布；
增广单元，用于依据所述标注类别分布对原始训练数据进行数据增广，得到训练数据；
训练单元，用于根据所述训练数据对目标检测模型进行迭代训练，直至满足训练停止条件。
9.一种目标检测装置，其特征在于，该装置包括：
利用如权利要求8所述的装置训练得到的目标检测模型对三维点云图进行检测。
10.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-6中任一项所述的方法，或者，使所述处理器执行如权利要求7所述的方法。
11.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-6中任一项所述的方法，或者，实现如权利要求7所述的方法。