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
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
one_way_junction单行线路口 单行线路口是指该路口的所有road均为单行线，比如一个普通的十字路口由8条road组成. 用途：创建junction城区路口的静态场景（地图） 参数：参数如下表. Parameter Type Mandatory Description
straight 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Ta
merge 简述：地图场景为匝道合流。主车Ego在主道行驶，初始速度为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
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
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，可以尽可能的提高资源利用率，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
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。
split 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
”。 单击“添加评测指标”，选择需要添加的指标，单击“确认”。 图2 添加评测指标 单击，对阈值进行设置，也可对重要度以及评分方案进行选择。 图3 阈值设置 重要度：可选主要和次要。 评分方案：可选主要次要log函数、主要次要均匀权重、全部均匀权重。具体介绍请查看评测分数计算介绍。
路网设置（Road Network） 路网设置的相关文件都需要在交互页面上传，如果语句设置文件与上传文件有出入，以上传文件为准。 地图文件（Logic file） 地图文件（xodr文件）使用set_map_file语句指定。 具体场景使用xodr文件，逻辑场景使用odr文件。 例1：具体地图
内置场景挖掘规则 内置场景挖掘算法都是基于规则进行片段挖掘。平台支持的内置场景挖掘规则如下： 道路---道路环境---高速 检验规格： 包含高精地图信息 主车行驶区域road级别type为motorway 道路---道路环境---城市快速路 检验规格： 包含高精地图信息 主车行驶
单击“添加评测指标”，选择需要添加的内置评测的指标，单击“确认”。 设置指标的阈值和重要度。 阈值设置：单击“阈值设置”列中的编辑按钮，可设置对应阈值。部分指标支持设置阈值，请以界面展示为准。 重要度：在“重要度”列选择主要或次要。 设置评分方案。 可选主要次要log函数、主要次要均匀权重
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。 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。 修改标注物。 将其他标
资产识别与管理 资产识别 用户在数据资产包括用户上传的数据集以及用户提供的一些个人信息。 数据资产包括但不限于文本、图形、音频、视频、照片、图像、代码、算法、模型等。 资产管理 对于用户上传至Octopus的资产，Octopus会做统一的保存管理。 对于文件类型的资产，Octop
如何一键恢复在线仿真功能？ 现象：使用在线仿真功能时，场景损坏导致加载失败，或在线仿真软件所在机器系统发生故障导致数据丢失或其他不可预知问题。 解决办法： 重启在线仿真软件并重新加载场景。 关闭在线仿真软件并重新启动，先单击 √图标，再单击在线仿真软件播放按钮。 图1 在线仿真软件播放按钮
流程指引 本文旨在帮助您了解Octopus仿真服务入门使用的基本流程，帮助您更快上手Octopus仿真服务。 操作流程 Octopus仿真服务的流程如图1所示。 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
创建训练作业前需要先选择算法，可以使用Octopus内置的算法，也可以自定义算法。 训练算法 模型评测 在机器学习中，通常需要使用一定的方法和标准，来评测一个模型的预测精确度，用于衡量一个模型及其标注结果的可信度。自动驾驶领域的模型多用于目标检测，如识别并标注出图像中车辆、行人、可行区域等对象。 模型评测 编译镜像
数据资产简介 在自动驾驶产品的开发过程中，海量的数据存储和管理是当前自动驾驶平台面临的业务挑战之一。 Octopus平台的数据服务模块提供了海量数据采集、存储以及数据并行处理等功能，供后续服务进行统一使用。数据服务开发流程如下： 图1 数据服务开发流程 地图管理：支持上传高精地图数据，可用于数据回放、仿真场景等功能。
实时评测和延时评测介绍 实时评测 图1 实时评测 实时评测的基本架构如上图所示，实时评测算法从仿真器和AD算法按帧接收数据，每接收一帧数据，就调用一次评测函数，在最后仿真结束时将评测结果写成评测pb文件。 实时评测的实现包括如下几个步骤： 代码内实现与仿真器的通信，实时接收仿真器
与datahub对接的算法镜像制作 图1 算法镜像 如上图所示，算法与仿真平台datahub通过grpc连接，通过接收osi数据作为输入，并将算法内部信号输出到datahub。 仿真平台可以生成仿真的osi和算法pb，用于3d回放展示和算法的白盒化评测。 具体grpc连接data
on_3d。 angle的单位一般为rad（弧度）而非degree（角度），rad = degree*pi/180，1rad约等于57.3度（详见scalar units中的angle units一节）。 与road 0的方向相反（相差180°） m_orientation: orientation_3d
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
