华为云用户手册

OCTPS_DATASET_DIR 预标注任务 OCTPS_DATASET_DIR为待标注的数据路径，示例：/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹，文件组织结构如下所示。 2D数据帧文件组织结构： OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─图片1.jpg #标注图片 ├─标注1.json #图片1的标注信息，非必有 ├─子文件夹2 ├─图片2.jpg #标注图片 ├─标注2.json #图片2的标注信息，非必有 3D数据帧文件组织结构： OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片，非必有 ├─标注1.json #点云1的标注信息，非必有 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片，非必有 ├─标注2.json #点云2的所有标注信息，非必有 注：“XX/…/XX/”部分存在嵌套多个文件夹的情况，具体嵌套层数和上传的数据集目录结构有关系。 预审核任务 OCTPS_DATASET_DIR为待审核的全量数据路径，示例：/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹，文件组织结构如下所示。 2D数据帧文件组织结构： OCTPS_DATASET_DIR/├─子文件夹1 ├─图片1.jpg #已标注图片 ├─labels.json #图片1的所有标注信息 ├─子文件夹2 ├─图片2.jpg #已标注图片 ├─labels.json #图片2的所有标注信息 3D数据帧文件组织结构： OCTPS_DATASET_DIR/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片 ├─labels.json #点云1的所有标注信息 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片 ├─labels.json #点云2的所有标注信息 每帧数据的标注结果存放在labels.json中，具体格式及内容说明参考OCTOPUS数据集格式说明中的labels字段。

OCTPS_META_PATH OCTPS_META_PATH为标注物文件路径，示例：/tmp/label/task-2022/source/meta/label_meta_infos.json。标签文件中包含了当前任务所选择的所有标注物的基本信息。预标注结果中每个标注对象所需的标注物id，可通过此文件中的id字段获取。标注物文件内容示例如下。 [ { "id": 2085, # 平台上所建标注物的ID "name": "Car", # 平台上所建标注物的名称 "color": "#d0021b", "label_shape_type": "bndbox", "attribute": "{}", "description": "car", ... ... } … … ]

TARGET_RESULT_DIR TARGET_RESULT_DIR为存放预标注/预审核结果的路径，示例：/tmp/label/task-2022/result/data。预标注/预审核结果按照特定格式保存在json文件中。3D数据帧中json文件的路径及命名和点云文件保持一致，2D数据帧中json文件的路径及命名和图片文件保持一致。以上述2D数据帧为例，结果文件组织结构如下所示： TARGET_RESULT_DIR /XX/…/XX/├─子文件夹1 ├─图片1.json #图片1的结果信息 ├─子文件夹2 ├─图片2.json #图片2的结果信息 注：“XX/…/XX/子文件夹i/”路径和待处理数据集（OCTPS_DATASET_DIR）中的此部分路径保持一致。

OCTPS_INSPECTION_ATTRI_DIR OCTPS_INSPECTION_ATTRI_DIR为审核属性字段文件路径，示例：/tmp/…/attribute/inspection_attribute.json。文件内容示例如下： { "inspection": { "miss_label_error": false, #漏标 "vehicle_direction_error": false, #车头方向错误 "error_desc": "", "attribute_error": false, #属性错误 "out_range_label_error": false, #未贴合 "anchor_error": false, #锚点错误 "classification_error": false, #类别错误 "extra_label_error": false #多标 } }

购买扩展资源包 购买扩容包和节点时，需要事前购买相对应的服务。 登录Octopus服务平台。 在“总览”页签中单击“购买服务”。 选择需要购买的扩展资源包的基础配置，然后单击“下一步：资源配置”。 以购买“规控仿真引擎-在线”为例，设置购买时长、购买个数以及是否自动续费和仿真器类型。 选择扩展资源包的资源配置，然后单击“下一步：确认配置”。 按需选择存储扩容包、通用处理节点和AI处理节点，以购买“自动驾驶数据管理缓存扩容包”和“octopus计算型CPU(16u32g)专属实例”为例。 确认配置后，勾选服务声明，单击“去支付”，界面生成支付订单，可根据自身情况选择支付方式，确认付款。

预审核任务相关操作 在“预审核任务”列表，还可以进行以下操作。 表1 预审核任务相关操作 任务 操作步骤 查询预审核任务 在搜索输入框中输入搜索条件，按回车键即可查询任务。 查看模型 单击模型名称，界面跳转至模型详情，可查看模型。 查看任务报告 单击操作栏中的“报告”，可查看或下载任务报告。 查看任务日志 单击操作栏中的“日志”，可查看或下载日志详情。 删除任务 选择单个任务，单击操作栏的“删除”，删除单个任务。 勾选多个任务，单击列表上方的“批量删除”，可批量删除任务。

制作CCE集群训练镜像 Octopus平台依赖算子镜像内的/bin/bash、stdbuf、tee软件，请确保基础镜像内包含上述软件且能通过PATH找到。 一般情况下，训练与评测定义为同一个引擎，主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile模式进行构建。 以训练、评测镜像为例，一般的镜像制作Dockerfile示例如下： # 载入基础镜像，训练或评测引擎一般需包含cuda/cudnn等算法基础环境。用户可手动制作或拉取官方镜像（如xxx/cuda:11.0.3-devel-ubuntu18.04 ） FROM {基础镜像} # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 安装用户APT环境。如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 安装用户算法环境。如果需要修改~/.pip/pip.conf可替换。用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 编译镜像类似上述训练、评测镜像制作方式，但一般不包含cuda/cudnn库，需替换为用户的编译环境。 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 镜像运行时，会向运行环境注入部分默认文件配置: 表1 环境变量说明 任务名称 文件名 环境变量 训练任务 增量模型目录 MODEL="/tmp/data/model" 训练产物目录 RESULT= "/tmp/result" 数据集目录 DATASET="/tmp/data/dataset/" 评测任务 评测结果目录 EVAL_RESULT= "/tmp/result" 模型版本文件目录 MODEL="/tmp/data/model" 数据集目录 DATASET= "/tmp/data/dataset/dataset-0" 编译任务 模型版本文件目录 MODEL_PATH="/tmp/data/model" 编译产物目录 TMP_RESULT_PATH= "/tmp/result" 预标注任务 数据集目录 OCTPS_DATASET_DIR="/tmp/…/data" 模型版本文件目录 OCTPS_MODEL_DIR="/tmp/…/model" 模型版本关联标注物文件路径 OCTPS_META_PATH="/tmp/…/meta/label_meta_infos.json" 预标注结果数据目录 TARGET_RESULT_DIR="/tmp/…/result/data" 预标注日志文件目录 TARGET_ LOG _DIR="/tmp/…/result/log" 推理服务 模型版本文件目录 OCTOPUS_MODEL="/home/mind/model" 父主题： 制作镜像（训练）

换道（Lane Change）检测 换道检测的目的是判断主车在换道过程中的换道持续时间以及换道时的侧向加速度是否合理。 换道是指当主车所在的road id保持不变， 在某一时刻，其lane id发生变化， 在该时刻的前后一段时间内主车处于换道过程。 对于判定换道时的侧向加速度是否合理， 本设计考虑换道时刻的前后2s的时间段内的侧向加速度是否太大， 对于侧向加速度大于一定阈值（可用户自定义，本设计取2m/s2）， 则换道时的侧向加速度检测不通过。 对于判断换道持续时间是否合理， 本设计以主车相对车道中心线的偏离横摆角作为换道开始和结束的判定标记， 在换道时刻之前的第一个偏离横摆角小于0.03rad的时间点为换道开始点， 在换道时刻之后第一个偏离横摆角小于0.03rad的时间点为换道结束点。 换道开始点到换道结束点的时间长度作为换道持续时间， 当换道持续时间小于某一阈值（可用户自定义，本设计取1.5s）时， 或换道时间大于某一阈值（可用户自定义，本设计取6s）时， 换道持续时间检测不通过。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。

红灯前行为（Run Red Light）检测 红灯前行为检测的目的是判断主车在遇到红灯时能否在停止线前停车， 并且与停止线的距离保持在合理的范围。 判断能否在停止线前停车是指当主车前端超出停止线后， 主车速度大于零时， 则主车没能在停止线前停车。 这要排除主车在非箭头红绿灯右转的情况。 判断主车停车后距离停止线是否合理时， 如果主车在距离停止线[2,20]范围内发生停车行为， 则停车后与停止线的距离不合理。 如果主车在停止线[0.1, 2]m范围内发生停车行为，判断停止距离合理。

到达终点（Reach Destination）检测 到达终点检测的目的是判定主车是否到达场景文件中指定的全局路径规划的终点。 当主车的车辆坐标系原点进入终点为半径R（本设计取R为2m）范围内时， 则判定主车到达了终点。 在没有设置终点时， proto协议会把目标点默认初始化(0,0,0)， 因此本设计认为当终点为(0,0,0)时， 是没有终点的情况， 故不允许场景设计者在设计场景终点时将终点设置为(0,0,0)。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_NORMAL。

礼让行人（Polite To Pedestrian）检测 礼让行人检测的目的是判断当行人横穿马路时， 主车是否有礼让行为。 具体的礼让行为包括在行人横穿马路过程中， 进行停车已经停车距离要合适， 并且当行人离开车道后， 主车重新启动时间要合适。 其中停车距离允许用户自定义，本设计取主车前端距离行人最小距离min不低于1m，距离行人最大距离max不高于5m。 是否礼让通过判断车辆前端纵向距离行人低于min/2，速度是否大于0时，如果速度大于0，则没有进行礼让。 重新启动时间同样允许用户自定义，本设计去的默认最长重新启动时间为3s。 当主车行为不满足对应的条件时，则行人横穿马路礼让检测不通过。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。

预警系统激活（Warning）检测 预警系统激活用于评价算法是否激活以下五项预警功能: 盲区预警 前方碰撞预警 车道偏离预警 泊车碰撞预警 后方横向车流预警 当算法pb中检测到预警项且状态为STATE_ACTIVE，则视该预警为激活态，否则为非激活态；当预警状态从非激活态转变为激活态，视为激活一次； 有些场景本身不需要激活预警：例如当一个场景中主车未泊车时，不需要激活泊车碰撞预警，此时如果激活预警反而说明主车算法出错；也有一些场景需要特定次数的激活预警：例如当一个场景中主车驾驶过程中会碰到n个盲区，此时必须正好激活n次才能证明主车算法通过；因此支持让用户设置各项子指标是否需要预警和期望的预警次数； 默认期望的预警次数为-1，此时只要该预警功能激活至少一次，则评测项通过；当设置期望的预警次数为正数或0时（0代表期望预警功能不被激活），只有当预警功能激活次数和期望预警次数相同时，评测项才通过； 该指标仅对有算法pb的场景有效。当算法pb中未设置预警项，或预警项状态皆为STATE_UNKNOWN时，该指标也视为无效； 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_ALL。

绿灯通行（Drive Through Green Light）检测 绿灯通行检测的目的是判断主车在接近十字路口后， 如果是绿灯， 主车是否直接通行而没有停止。 另外，当交通灯由红灯变为绿灯后， 主车重新启动的时间是否太大。 本设计认为在绿灯状态下， 如果前方没有行人和引导车的情况下， 主车在停止线前20m范围内发生停车行为， 则绿灯前直接通行不通过。 当交通灯由红灯变为绿灯后， 如果主车重新启动的时间大于一定阈值（本设计取3s）， 则绿灯后重新启动时间太大。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。

应对对向车辆占道（Encroaching vehicle）检测 在双向车道路上， 会存在主车与对向车辆存在横向冲突的情况， 应对对向车辆冲突行驶检测的目的是判断主车在这种情况下， 能否进行适当的转向和减速避让， 从而保证安全性。 其中主车需要进行避让的前提条件是： 当主车前端与对向行驶的车道纵向距离一定范围内（本设计取10m）， 并且主车与对向车辆的横向距离小于两者一半车宽的和。 当满足该条件后， 如果主车没有进行转向避让和减速避让， 则对应的检测不通过。 减速避让检测不通过是指主车的加速度大于0。 其中转向避让检测考虑到中国是靠右行驶， 在设计该类测试场景时， 对向车会是在主车的左侧。 转向避让检测不通过是指主车没有向右边转向。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_REGION。

通行速率（Efficiency）检测 通行速率用于评价主车在场景中从起点到终点的效率，主车越快到达终点，则通行速率越高。 本设计取通行速率的默认阈值为0m/s，即如果主车平均速度小于等于0，则该指标不通过。 通行速率指标可有效避免主车一直不动，其他评测指标均通过，导致得分却很高的情况发生。 该指标关联的内置可视化时间序列数据为：speedX。 该指标的异常时间点记录类型为：POINT_TYPE_ALL。

智驾模型列表相关操作 智驾模型列表可以进行以下操作。 表1 智驾模型列表相关操作 任务 操作步骤 编辑模型 单击操作栏中的“编辑”，编辑智驾模型。仅支持修改描述信息。初始模型不支持编辑。 删除模型 单击操作栏中的“删除”，删除智驾模型。初始模型不支持删除。 查看模型详情 单击模型名称，查看模型详情。 在模型详情页，查看模型基本信息和模型版本列表。可以对模型版本进行“模型微调”、“创建在线服务”和“删除”操作。 说明： 初始模型不支持“创建在线服务”和“删除”。 只有“创建成功”的模型版本支持“模型微调”和“创建在线服务”。 查询模型 在搜索输入框中输入搜索条件，按回车键即可查询。

任务队列相关操作 在“任务队列”页签，还可以进行以下操作。 表1 任务队列相关操作 任务 操作步骤 置顶任务 单击操作栏中的“置顶”，即可将任务调整至队列中最高优先级。 置底任务 单击操作栏中的“置底”，即可将任务调整至队列中最低优先级。 上移任务 单击操作栏中的“上移”，即可将任务调整至队列中上一级。 下移任务 单击操作栏中的“下移”，即可将任务调整至队列中下一级。 更新任务优先级 勾选单个或多个批次任务。 单击“更新优先级”，输入[-50,50]的整数，数字越大，优先级越高。 单击“确定”，优先级更改成功。相同优先级的任务，任务队列更新时间越早，优先级越高。 搜索任务 在搜索输入框中输入搜索条件，按回车键即可查询。

评分方案介绍 Octopus评测指标共有30多项大类指标，当规控算法未通过某些评测指标后，评测分数应能反映算法的性能表现。 本设计根据指标的重要程度将其分为三大类： 主要指标（以下简称A类）。 次要指标（以下简称B类）。 未定义重要度指标（以下简称C类）。 本设计提供如下三种内置的评分方案： AB类log函数评分。 AB类均匀权重评分。 C类均匀权重评分。 接下来对三种评分方案进行详细介绍。 父主题： 评测分数计算介绍

逻辑场景库相关操作 在“逻辑场景库”页签，还可进行以下操作。 表1 逻辑场景库相关操作 任务 操作步骤 查看逻辑场景库信息 单击左侧逻辑场景库名称，查看右侧该场景库信息以及场景库包含场景信息。 场景库信息：场景库名称、创建人、描述和创建时间等信息。 场景列表：该逻辑场景库中包含的所有场景。逻辑场景的具体操作请参考逻辑场景管理。 修改逻辑场景库信息/逻辑场景库分类信息 单击场景库名称或场景库分类后的，修改逻辑场景库或场景库分类的信息。 删除逻辑场景库/逻辑场景库分类 单击场景库名称或场景库分类后的，删除指定逻辑场景库或场景库分类。 查询逻辑场景 根据“逻辑场景名称”或“创建人”，输入搜索条件，查询逻辑场景列表中的场景。

修饰器（position） 用途：设定动作主体actor所处的车道。可以修饰初始动作assign_init_position 。 参数： 表3 position参数 Parameter Type Mandatory Description distance length no A target length value including a length unit. The distance is calculated using the route-based s-coordinate ahead_of entity no specified by the lane-parameter behind entity no When behind is specified, the actor must be behind the entity by the specified value 代码样例 cut_in_vehicle.assign_init_position() with: lane(lane: raletive_lane_id, side_of: ego, side: left) position(distance: 85.0m, behind: ego)

修饰器（lane） 用途：设定动作主体actor所处的车道。可以修饰初始动作assign_init_position。 参数： 表2 lane参数 Parameter Type Mandatory Description lane int no Relative value of the target lane_id same_as entity no Option to specify that the vehicle must be in the same lane as the referenced vehicle side_of entity no Option to specify that the vehicle must be in another lane than the referenced vehicle side side_left_right no Depending on the value the actor shall be on the right or left side of the referenced entity. How many lanes right or left of that entity is specified by the lane-parameter offset length no Lateral offset to the target lane side_of和same_as必须设置且仅设置一个。 使用side_of来设置车道时，必须同时使用lane和side。 使用lane+side_of m_left: side_left_right = left cut_in_vehicle.assign_init_position() with: lane(lane: 1, side_of: Ego, side: m_left) position(distance: 85.0m, behind: ego) 使用same_as m_left: side_left_right = left cut_in_vehicle.assign_init_position() with: lane(same_as: Ego) position(distance: 85.0m, behind: ego)

修饰器（speed） 用途：设定动作主体actor在当前阶段的速度。可以修饰初始动作assign_init_speed 。 参数： 表1 speed参数 Parameter Type Mandatory Description speed speed no A target speed value, including a speed unit faster_than entity no set the speed target faster than another entity slower_than entity no set the speed target slower than another entity same_as entity no set the speed target same as another entity faster_than、slower_than和same_as必须设置且仅设置一个。 使用faster_than和slower_than时配合speed来设置相对速度。 使用speed+faster_than cut_in_vehicle.assign_init_speed() with: speed(speed: 5mps, faster_than: Ego) 使用speed+slower_than cut_in_vehicle.assign_init_speed() with: speed(speed: 5mps, slower_than: Ego) 使用same_as cut_in_vehicle.assign_init_speed() with: speed(same_as: Ego)

Dockerfile示例 用户可使用命令行模式或Dockerfile模式进行构建。 数据集镜像不支持调用GPU资源。 以数据集自定义镜像为例，一般的镜像制作Dockerfile示例如下： # 载入基础镜像，用户可根据数据集处理任务的实际需要选择合适的镜像环境，例如ubuntu:latest FROM {基础镜像} # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 按需安装用户APT环境；如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 按需安装用户算法环境；如果需要修改~/.pip/pip.conf可替换；用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 父主题： 制作镜像（数据集）

数据批导简介 在使用平台进行自动驾驶开发时，首先需要用户把原始数据上传至Octopus平台，即数据上云。下文介绍了通过对象存储导入数据的方式，帮助用户把车载平台输出的数据上传至Octopus平台上。 对象存储导入数据：用户需先将数据包上传至对象存储桶（可自定义）中，再导入到Octopus平台。上传速率快，适合上传大数据量（超过2G）的数据包。 单个数据包时长均不可超过10分钟。 目前MP4文件只支持对象存储导入。 数据导入任务的流程如下： 图1 数据导入任务流程 父主题： 数据批导

模型微调任务相关操作 在模型微调任务列表页，还可以完成以下操作。 表2 模型微调任务管理相关操作 任务 操作步骤 查看任务详情 单击任务名称，在任务详情页面查看模型微调任务详情，包括任务基本信息、参数详情以及任务日志。 停止任务 当任务状态为“排队中”或“运行中”时，可单击操作栏内的“停止”，进行停止任务操作。 复制任务 单击操作栏内的“复制”，可基于现有任务创建新任务。 单个删除任务 单击操作栏内的“删除”可单个删除任务。模型微调任务删除后无法恢复，请谨慎操作。 批量删除任务 勾选名称前面的复选框，单击列表上方的“删除”，可批量删除任务。模型微调任务删除后无法恢复，请谨慎操作。 查询模型微调任务 在搜索输入框中输入搜索条件，按回车键即可查询目标任务。

车道线预标注模型和路面预标识模型数据集格式 当模型微调选择hw_model_4dbev_road_mark_detection或是hw_model_4dbev_lane_line_detection时的输入数据格式。 |--- TestSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ... |---TrainningSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ... |---ValidationSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ...

敏感性分析 Octopus平台支持基于参数组合、回归训练、敏捷性评定三个参数空间分析得到的敏感性分析结果，主要对逻辑场景的参数空间进行敏感性分析。在泛化任务完成的批量仿真任务后加上敏感性分析，然后把敏感性分析结果展现在新的泛化任务创建界面上，来帮助客户更好调节参数创建泛化任务。 进入到创建泛化任务界面，参数设置，选择参数设置后的“灵敏度分析”。 选择关联到该逻辑场景下泛化任务的仿真任务。 单击“确定”，界面出现上次任务的敏感性分析结果，展示每个参数的灵敏度参数，该值的范围在[0,1]，该值越大，说明该参数的变化对评测分数的影响越大。 用户可根据敏感性分析结果，设置当前各项参数的数值。

KITTI 目录 标注文件目录结构 +--- label_2 | +--- 000000.txt | +--- 000001.txt | +--- 000002.txt +--- velodyne | +--- 000000.bin | +--- 000001.bin | +--- 000002.bin 推理文件目录结构 +--- 000000.txt +--- 000001.txt +--- 000002.txt 示例标注/推理文件 3D目标检测-KITTI.txt 厢式货车 0.00 0 -1.57 0. 0. 0. 0. 2.61 2.77 5.92 3.39 54.15 -0.01 -1.55 0. 大型车 0.00 0 -1.57 0. 0. 0. 0. 2.36 1.41 11.72 -3.22 40.29 1.14 -1.57 0. 大型车 0.00 0 -1.57 0. 0. 0. 0. 1.138 2.723 10.583 -0.636 40.702 0.747 -1.57 0. 小型车 0.00 0 -1.57 0. 0. 0. 0. 1.32 1.14 3.78 2.43 37.73 -1.08 -1.57 0. 厢式货车 0.00 0 -1.57 0. 0. 0. 0. 1.61 0.75 5.70 -3.11 28.20 0.63 -1.59 0. 小型车 0.00 0 -1.57 0. 0. 0. 0. 1.75 1.96 3.75 -7.57 12.66 -0.67 -1.54 0.

Octopus 目录 标注文件目录结构 +--- 1611801018801 | +--- 1611801018801.json | +--- 1611801018801.pcd +--- 1611801024401 | +--- 1611801024401.json | +--- 1611801024401.pcd 推理文件目录结构 +--- 1611801018801 | +--- 1611801018801.json +--- 1611801024401 | +--- 1611801024401.json

使用规范 在线仿真服务集成了一整套完整的仿真工具链，开箱即用。 在使用新的普通用户登录在线仿真时，需修改在线仿真系统配置： 关闭桌面锁屏。 调整屏幕分辨率（默认分辨率不高，可调至适合的分辨率）。 将默认的浏览器更改为Chrome或Firefox。 在线仿真根据用户名称生成系统进程，Linux中不合法的用户名称登录在线仿真会出现异常，合法的用户名称限制如下： 只能包含小写字母、数字、下划线、中划线 。不得超过31个字符。 只能以字母和下划线开头。不可包括连续的下划线和中划线。不可包含linux的关键字或保留字。 目前在线仿真为独占式，同一台在线仿真器同一时间只允许一个用户使用，待用户释放后，才可供其他用户使用。