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
采样方式有几种? 蒙特卡洛采样 蒙特卡洛采样是一种简单的随机抽样,根据概率分布进行采样,如对样本服从µ=0,δ=1的正态分布,通过通过蒙特卡洛采样进行采样,采样得到的点能满足正态分布要求,但如下图所示,采样得到的点会集中µ=0附近,要想采样得到更边界的点,需要进行大量采样。 图1
智驾模型简介 通过与AI模型、大模型的结合,提供高精度自动标注能力,大幅度降低传统人工标注数据真值的成本。提供场景数据集生成能力,帮助自动驾驶模型训练快速扩充数据集,低成本获取难例数据集。提供多模态场景理解和检索能力,帮助客户在海量样本库快速、智能的分类和检索。
可以通过维护难例集,将这部分样本集中维护,最终重新用于训练,持续提升算法和模型精度。
通过3D/2D的融合,可以弥补各自模态的不足,扬长避短,提升目标检测的整体精度。在当前3D检测的基础上,通过2D cross-check提升3D检测类别的精度提升。
点云标注数据集文件说明 Octopus格式文件基本要求(点云标注) 上传的Octopus格式数据集需包含以下文件。 . ├─ 文件夹1 ├─ 点云1.pcd #点云文件 ├─ 图片1.jpg #该点云图像对应的已标注图片
统计信息 在批次子任务的“统计信息”页面,可查看该任务详情,项目任务流程以及标注对象统计信息。 任务详情:任务名称、数据类型、标注状态、任务包含的标注信息等。 图1 任务详情 项目任务流程:显示任务当前进度情况。 图2 项目任务流程 标注框数统计:人工/预标注对象数量统计。 图3
点云标注任务 点云标注任务是指根据标注规范对点云图像中出现的车、人等标注物进行标注。点云距离单位默认为米。 图1 点云标注任务 绘制对象 单击点云标注任务,单击任意一帧,进入人工标注。 选择标注工具。 单击左侧工具栏“智能缩框标注”(快捷键b)。 图2 选择标注工具 选择标注类别。
语义分割点云标注任务 语义分割任务是指根据标注规范将待标注点云图像中出现的天空、道路、车辆等类标注物进行标注。 图1 语义分割点云标注任务 绘制对象 单击大规模3D语义分割任务,单击任意一帧,进入人工标注。 单击左侧标注工具栏,选择对应的标注工具。 选择对应的标注类别。 绘制标注物
终端节点 终端节点即调用API的请求地址,不同服务不同区域的终端节点不同。 Octopus自动驾驶云服务的终端节点如下表所示,请您根据业务需要选择对应区域的终端节点。 表1 自动驾驶云服务的终端节点 区域名称 区域 终端节点(Endpoint) 华北-乌兰察布-汽车一 cn-north
点云跟踪标注任务 绘制对象 单击点云标注任务,单击任意一帧,进入人工标注。 选择标注工具。 单击左侧工具栏“AI标注”(快捷键b)。 图1 选择标注工具 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。 图2 选择标注类别 框选标注物。 图3 框选标注物 调整三视图。 依据标注规范要求
预标注模型文件 预标注模型完成对数据的推理,并将推理结果按照规定格式放在指定路径中。 模型文件基本要求 自定义模型包通过环境变量获取数据集路径和推理结果存放路径,将每帧数据的推理结果按照规定格式存入规定路径的json文件中。 自定义模型包中必须包含启动文件。除此之外,还可包含一些其他必要的自定义模型文件
在线仿真 并行仿真 智驾模型服务 通过与AI模型、大模型的结合,提供高精度自动标注能力,大大减低传统人工标注数据真值的成本。提供场景数据集生成能力,帮助自动驾驶模型训练快速扩充数据集,低成本获取难例数据集。
图4 增量训练 增量训练:基于用户导入的模型或已完成训练模型版本(可通过${MODEL}获取该模型版本的文件路径)和新数据集使用选择的算法再次进行训练,生成精度更高的新模型。同常规训练不同的是需要额外选择输入模型和版本。 选择数据集。
感知规控仿真引擎-在线 支持用户通过网页/图形化界面方式运行仿真引擎,支持自动驾驶感知决策规划控制算法在线图形化开发调试,支持高精度渲染引擎集成。 仿真场景编辑器 支持自动驾驶仿真静态路网和动态交通参与物场景编辑。
创建数据集 功能介绍 创建数据集 URI POST /v1.0/{project_id}/common/datasets 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目id,获取方法请参见获取项目ID 请求参数 表2 请求Header参数
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
} … … ] } 示例: { "rules": [ { "rule": "标注框贴合精度", "description": "标注框与实际对象误差不超过5个像素",
批量仿真调优 仿真服务可以提供基于云资源的大规模并行仿真。仿真过程中,涉及资源配置与调度。合理配置任务的资源占用,可以尽可能地提高资源利用率,进而提高仿真测试并行度,增加算法测试的里程数。 获取并配置算法实际资源占用 创建仿真算法时,需要填写算法镜像占用的CPU以及内存。这个将影响批量仿真子任务的资源调度
查看集群纳管 运维配置提供集群纳管,由平台管理员账号进行管理和配置。集群提供多种节点的混合部署,基于高性能网络模型提供全方位、多场景、安全稳定的容器运行环境,平台可以将集群统一纳管,更方便查看节点资源使用量和修改节点用途,以及设置资源规格。其中,cce-user-job集群需强制纳管以适配资源规格
资源管理 集群纳管详情中展示集群的节点资源和资源规格分配情况。给节点增加标签,确认节点的用途,在资源规格中,给各个资源用途分配资源规格,支撑任务执行。资源不足时,用户需要单独购买扩展资源包。 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 ”。