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
前时刻的状态要么是完全通过,要么全过程都是异常的,统计类型的指标需要以这种形式表示。 POINT_TYPE_NORMAL 该类型与其他类型相反,如果该类型的点存在,则表示对应的子类指标是通过的,Octopus用该类型保存主车到达终点的时间值。 父主题: 内置评测指标说明
通过十六进制码指定颜色,建议不同种类标注物颜色做明显区分。 标注物形状 支持点、圆、2.5D、矩形、OBB矩形、实线、虚线、多边形、立方体、音频、文本。具体参数请参考表2。 标注物描述 描述该标注物的主要作用,如标注对象、适用的标注场景等。 标注物额外属性 描述标注对象可能存在的特殊情况,如遮挡、截断等,支持自定义。
开通我的模型和购买套餐包 在使用智驾模型服务场景识别、2D图像生成、2D预标注、3D预标注等功能之前,需先开通我的模型。开通后,我的模型是根据API调用次数收取费用,推荐您购买模型套餐包,价格比按需计费模式更优惠。开通服务和购买套餐包之后,您可以在“我的模型”区域查看开通状态和套餐包使用情况。
file_types Array of strings 文件类型列表,file_type最多10个 枚举值: IMAGE(图片) POINT_CLOUD(点云) TEXT(文本) VIDEO(视频) SCENARIO(场景文件) OTHERS(其他) 表7 JobEnv 参数 参数类型
该字段用于保存每个大类和子类评测指标的通过/未通过/无效的结果状态。 其中无效状态表示该指标在特定场景下是没意义的,如在没有交通灯的场景下,主车在交通灯前的行为检测是没有意义的。 source 是一个Source枚举类型,表示该评测算法的结果来源类型。 source共有6种类型,具体参考source。
个人:当前操作用户。 团队:当前工作空间下被授权的用户。 样本类型 使用的样本类型。 图片 3D点云 启动指令 训练算法的启动指令。 对于“镜像 + 外置算法文件”类型的算法,容器默认的工作目录为算法文件的根目录。 示例:如果算法文件中有一个名为main.py的训练入口文件,启动指令可以是python
种子地图的逻辑场景样例(仿真器B) 配合静态场景的种子场景,在本节提供了对应的适配仿真器B的逻辑场景样例。 straight merge split junction 父主题: 动静态配套样例
简述:地图场景为匝道分流。lead_vehicle和主车Ego在主道的同一车道上分别以35kph和Ego_InitSpeed_Ve0的初始速度一前一后行驶,Ego设定了目标在匝道上的目标点Target_position,仿真开始后激活Ego控制器(控制器会影响Ego去往Target_position的寻路算法,但目
主车运行状态数据 汽车驾驶的相关数据信息。如加速度、车速和航向角数据,数据随着车辆的行驶动态变化。 单击“速度”字样可以对速度的单位进行切换。 2 交通参与物状态 可根据需要选择显示参与物状态。 单击“选定参与物”后的“选择”,单击回放区域中的参与物,选择“保存”,即可显示参与物的数据。 单击
对比任务在运行过程中生成的报告。 任务日志:单击“任务日志”,查看或下载评测对比任务在运行过程中生成的所有日志。 删除对比任务 单击操作栏的“删除”,删除单个对比任务。 勾选多个任务,单击列表上方的“删除”,可批量删除对比任务。 重建任务 单击操作栏内的“重建”,输入新对比任务名
始速度为Ego_InitSpeed_Ve0,Ego设定了目标在主道右侧2车道上的目标点Target_position,仿真开始后激活Ego控制器(控制器会影响Ego去往Target_position的寻路算法,但目前仿真器B尚不支持寻路动作acquire_position),从车
简述:地图场景为直道。lead_vehicle和主车Ego在主道上分别以40kph和Ego_InitSpeed_Ve0的初始速度一前一后行驶,Ego设定了目标在主道右2车道上的目标点Target_position,同时激活Ego控制器(控制器会影响Ego去往Target_position的寻路算法,但目前仿
junction 简述:地图场景为交叉口。lead_vehicle和主车Ego一前一后分别以LeadVehicle_TargetSpeed_Ve0和Ego_TargetSpeed_Ve0的初始速度向交叉口行驶,Ego设定了目标在右转车道上的目标点Target_position,仿真开始后激活E
标注管理 标注管理主要提供可视化的标注物管理,支持自定义创建多种标注物的形状和颜色,可用于预标注和人工标注指定物体,或自定义算法模型中关联特定标注物。如果在创建标注模板时,没有找到满足当前所需的标注物,则可以通过标注物管理添加新标注物。 不同标注物可依靠标注物名称以及标注物描述区分。
以发射激光束探测目标的位置、速度等特征量的雷达系统,探测车辆周围的目标位置,监测移动速度。 位置数据(gnss) gnss_raw .pb 通过卫星导航系统,定位车辆位置。 毫米波雷达(radar) RADAR_FRONT .pcd 工作在毫米波段探测的雷达,探测车辆周围的目标位置,监测移动速度。
以发射激光束探测目标的位置、速度等特征量的雷达系统,探测车辆周围的目标位置,监测移动速度。 位置数据(gnss) gnss_raw .pb 通过卫星导航系统,定位车辆位置。 毫米波雷达(radar) RADAR_FRONT .pcd 工作在毫米波段探测的雷达,探测车辆周围的目标位置,监测移动速度。
以发射激光束探测目标的位置、速度等特征量的雷达系统,探测车辆周围的目标位置,监测移动速度。 位置数据(gnss) gnss_raw .pb 通过卫星导航系统,定位车辆位置。 毫米波雷达(radar) RADAR_FRONT .pcd 工作在毫米波波段探测的雷达,探测车辆周围的目标位置,监测移动速度。
数组长度:0 - 6 枚举值: IMAGE(图片) POINT_CLOUD(点云) TEXT(文本) VIDEO(视频) SCENARIO(场景) OTHERS(其他) and_tags 否 Array of strings 标签id,当传多个时是且的查询条件 数组长度:0 - 5 or_tags
出文件格式要求。 上传的数据为经过时间同步后的数据,时间同步精度要求为0.1毫秒。 上传的数据需具备绝对位置信息(通常需要来自于GNSS等传感器)和IMU信息。 单轨迹数据长度建议不超过2km,且点云不超过2000帧。 点云采集频率10Hz或以上,GNSS和IMU等传感器采集频率建议100Hz或以上。
本任务旨在为4D-BEV数据自动化预标注提供点云地图,进而辅助车企构建自动驾驶车端BEV算法训练提供数据真值生成能力。 本任务将依赖融合定位、运动畸变校正、闭环检测和点云融合等能力构建,对多源传感器数据进行SLAM位姿解算,并在八爪鱼平台上展示激光点云融合结果。 SLAM构图简介如下所示: