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
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
功能总览 功能总览 全部 功能架构 数据资产 数据合规 数据处理 标注服务 训练服务 仿真服务 智驾模型服务 镜像仓库 运维配置 工作空间 功能架构 自动驾驶云服务(Octopus)是一个一站式的开发平台,能够支撑开发者从数据收集到仿真应用的全流程开发过程。整体由数据资产、数据服务
处理数据 在作业总览中平台支持创建数据标记,数据图表、数据回放、数据集等作业,数据包选择相对应的算子就可以触发相对应的作业。 数据回放类型的算子作业不需要选择输出仓库。 当选择数据集算子时,数据类型可支持选择通用存储。 创建作业 在左侧菜单栏中,单击“数据处理 > 数据处理”。 选择
在路(On Road)检测 在路检测的目的是判断主车是否在可行驶的道路上驾驶。 根据OSI中车道类型定义,当主车行驶的道路类型为osi3.Lane.classification.type.TYPE_NONDRIVING,则认为主车在路检测不通过。 该指标关联的内置可视化时间序列数据为
标定文件上传失败的原因? 检查标定类型 标定文件必须上传到对应类型标定项,如激光雷达标定文件,只能上传到激光雷达标定项,平台会对文件标定类型和关键参数进行校验。 检查是否重名 标定文件可以重名,但上传到平台的标定项名称不可重名。 检查文件内容 平台会对每种类型标定文件中的关键参数进行检查
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。然后当LiDAR扫描线数过低时,经常无法甄别物体的类型,但是此时如果能结合LiDAR扫描和2D图像检测,则可以由3D扫描确定目标大致位置
目标检测2D Octopus 目录 标注文件目录结构 +--- 1599625710056 | +--- 1599625710056.jpg | +--- 1599625710056.json +--- 1599625740054 | +--- 1599625740054
减速度(Deceleration)检测 减速度检测的目的是: 判断主车在整个行驶过程中制动减速度是否超过对应的舒适性阈值。 本设计的减速度的默认阈值为3。 父主题: 内置评测指标说明
蛇行(Snake Driving)检测 自动驾驶车辆在行驶过程中,当车道的曲率发生较大变化时,可能会出现横向控制效果不佳导致的长时间车辆横向振荡。 蛇行检测的目的是判断车辆是否出现横向振荡,利用车辆的横向加速度的正负变化来判断蛇行是否发生。 正值大于和负值小于的比例都大于该时间段的
车头时距(Time Headway)检测 车头时距检测的目的是判断主车行驶过程中与其他交通车的车头时距是否台小。 车头时距是主车与引导车的相对距离除以主车的速度。 即使主车未发生碰撞, 当车头时距过小时(该阈值可用户自定义,本设计默认取2s), 发生碰撞的风险太大, 这样也是不合理的
动态场景组成 场景文件结构 场景文件结构样例: OpenSCENARIO2.0 ├─ RoadNetwork │ ├─ LogicFile │ └─ SceneGraphFile (0..1) ├─ ParameterDeclarations (0..1) ├─ Entities
附录 Enum Lists 父主题: 静态场景(地图)
平台对接数据格式有哪些要求? 上传数据格式 转换后数据格式 消息topic格式规范 消息topic格式示例 父主题: 数据服务常见问题
人车类型图片标注任务 人车类型标注任务主要是对真实路采图片中出现的人物、车辆等进行标注。 图1 标注示意图 绘制对象 绘制矩形框。 选择矩形图形工具(快捷键3,非小键盘)。 在标注列表中选择需要标注的类别(非必要,也可等标注完成后,右键修改类别)。 单击选择的第一个点,移动鼠标选择需要绘制的第二个
目标追踪2D Octopus 目录 标注文件目录结构 +--- 1599625710056 | +--- 1599625710056.jpg | +--- 1599625710056.json +--- 1599625740054 | +--- 1599625740054
目标追踪3D Octopus 目录 标注文件目录结构 +--- 1611801018801 | +--- 1611801018801.json | +--- 1611801018801.pcd +--- 1611801024401 | +--- 1611801024401
内置评测指标简介 评测算法从驾驶安全性,智能性,合规性,舒适性等维度对自动驾驶系统进行全面评价。评测指标的pass/fail标准比较复杂,需要对一些评测函数的细节进行介绍。 point_type:是一个PointType的枚举类型,表示该子类指标发生特殊状态(一般是指发生异常)时的时刻点用哪种形式存储起来
平顺性(Ride Comfort)检测 平顺性检测通常指汽车的垂向平顺性。平顺性用加速度均方根值来衡量。 加速度均方根值计算公式如下所示。 表示变量的均方根值,表示第个值,表示值的个数。 汽车的垂向平顺性是由悬架系统决定的,自动驾驶算法对垂向平顺性几乎没有影响,其影响的是车辆的纵向和侧向平顺性
AB类log函数评分方案 在该评分方案中,A类指标必须通过,如果该类指标有一项没有通过,则得分直接不及格(低于60分)。 在有A类指标参与评测时,B类指标即使有几项没有通过,整个得分也不会不及格。 B类指标不通过数超过一定比例时,对应的分数要小于80分。 C类指标不参与评分。 在没有
Scalar Units Units单位详解: speed units SPEED_UNIT = { "meter_per_second": 1.0, "mps": 1.0, "kilometer_per_hour": 0.277777778, "kmph