检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
项目管理 Octopus标注平台标注任务以项目形式进行管理,管理员根据业务的需求方及不同标注任务类型创建项目。项目内包含多个同类型的标注任务,可根据业务需要在项目内追加任务。管理员可将标注项目分配给标注团队完成。 前提条件 操作人员拥有平台管理员权限。
图1 Octopus仿真服务全流程 表1 使用流程说明 流程 子任务 说明 详细指导 镜像仓库 镜像仓库 平台为用户提供了自定义镜像功能,为了方便用户对镜像进行统一管理,平台设置了镜像仓库管理。
镜像制作(仿真) Octopus仿真服务平台定义了一些proto接口,用于支持用户自定义评测等功能。这些自定义功能通常以镜像的形式上传到云仿真平台,然后参与到业务运行流程中。 本文档对常见业务功能的镜像制作进行指导说明。 自定义评测镜像涉及的样例代码,如有需要,请联系相关人员。
3D2D融合预标注 自动驾驶传感器中,各个模态有各自的优势和劣势。比如相机模态对visual appearance的感知更为准确,激光雷达模态对距离感知更为有效。
平台对接数据格式有哪些要求?
仿真镜像 创建镜像仓库 用平台管理员账号登录Octopus平台。 在左侧菜单栏中,单击“镜像仓库 ”。 单击“新建”,填写基本信息。 图1 创建镜像仓库 名称:输入镜像仓库的名称,只能包含数字、英文、中文、下划线、中划线。 用途:根据需求,下拉框选择用途。
数据结构化:处理车载硬件平台上输出的传感器数据,详细统计各类传感器信息。 数据集治理:支持PB级海量存储。 提供通用存储、模型仓库,方便集中处理数据以及模型信息。 标注服务 以标注为核心。 平台提供点云和图片的人工标注和预标注。 支持数据预标注功能,节省大量人力成本。
步骤一:创建镜像仓库 创建镜像仓库 用平台管理员账号登录Octopus平台。 在左侧菜单栏中,单击“镜像仓库 ”。 单击“新建”,填写基本信息。 图1 创建镜像仓库 名称:输入镜像仓库的名称,只能包含数字、英文、中文、下划线、中划线。 用途:根据需求,下拉框选择用途。
购买套餐包 登录Octopus服务平台,在左侧菜单栏中单击“总览”。 在“我的模型”模块,单击操作栏中的“购买套餐包”。 根据需要选择模型套餐包配置。 图3 模型套餐包配置 确认无误后,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。
开通服务 登录Octopus服务平台,在左侧菜单栏中单击“总览”。 在“模型微调”模块,单击操作栏中的“开通服务”。 图1 开通智驾模型微调服务 单击“确认”,确认开通智驾模型微调服务。 图2 开通服务 开通服务成功后,开通状态列将显示“已开通”。
资源规格:当前项目中可用的资源规格,资源规格需要平台管理员在运维配置纳管标注任务用途(预标注)的作业集群后创建。 优先级:设定任务的优先级,数值取[-50,50]的整数,数字越大,优先级越高。 以上信息填写无误后,单击“创建并返回”。
开通服务 登录Octopus服务平台,在左侧菜单栏中单击“总览”。 单击按需服务区域,合规脱敏产品操作列的“开通服务”。 图1 按需服务区域 单击“确认”,确认开通合规脱敏服务。 图2 开通服务 开通服务成功后,开通状态列将显示“已开通”。
cubic:变化曲线是一个三次变迁Cubical transition函数f(x)=Ax3+B*x2+Cx+D,约束梯度在开始和结束时必须为零。
| +--- 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
用平台管理员账号登录Octopus平台。 在左侧菜单栏中单击“运维配置 > 集群纳管 ”。 单击“cce-user-job”,进入纳管详情界面。 单击节点列表操作栏中的“修改标签”,可对节点的用途和标签进行修改。
并行仿真 Octopus平台的并行仿真模块分为任务配置和仿真任务两部分。用户在任务配置模块,可使用自研仿真算法,根据Octopus自研仿真评测体系,从行车安全、驾驶行为、乘员舒适性等多维度测评在多种条件下的仿真场景中控制算法控制质量。
左侧工具栏“2D3D互转开关”,开启状态下,平台依据新建的2D或3D框自动转成对应的3D或2D框。开关状态在同一任务中继承。 选择标注类别。标注下拉列表页选择一标注名,进入标注状态。 单击左侧标注工具栏,选择对应的标注工具。
| +--- 000001.bin 推理文件目录结构 +--- 000000.label +--- 000001.label 示例标注/推理文件 3D语义分割-semanticKITTI.label >>> pre = np.fromfile("000000.label",
地图文件(odr) scenario Straight: m_scene: scenery lane_width: length = [3m..4m] right_lane_num: int = [2, 3] bikeway: bool = [true
{ 'label_meta_id': 168, #标注对象对应的平台标注物的ID,可从标注物文件(OCTPS_META_PATH)中获取(即id字段) 'bndbox': { #矩形框的位置信息 'xmin': 235