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
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10%时,则判断此时间段发生蛇行。
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。 车头时距和碰撞时间两者都是描述碰撞风险大小的。 车头时距适合判断主车和引导车速度都很高,
数据集镜像Dockerfile示例 本章节介绍Dockerfile示例。 用户可使用命令行模式或Dockerfile模式进行构建。 以数据集自定义镜像为例,一般的镜像制作Dockerfile示例如下: 数据集镜像不支持调用GPU资源。 # 载入基础镜像,用户可手动制作或拉取官方镜像 FROM registry-cbu
各个评测指标的通过/未通过/无效的结果展示。 仿真过程中关键数据的时间序列曲线图展示。 另外,对于用户自研的评测算法的评测结果,也可以按照eva.proto,序列化成pb文件保存起来,这样Octopus的仿真平台前端能够展示用户自研评测算法的评测结果。 eva.proto的关键字段解释 在利用Octop
静态场景(地图) 静态场景组成 领域模型设计 静态场景样例 附录 父主题: Open SCENARIO2.0场景说明
数据来源为数据集子集 当数据集形式为数据集子集时,创建步骤如下: 在左侧菜单栏中单击“数据资产 > 数据集”。 选择“数据集”页签,单击“创建数据集”,填写数据集信息。 图1 创建数据集子集 名称:不得超过64个字符。支持中英文、数字、“-”、“_”,不支持特殊字符。 描述:数据
示例代码 作业输入输出规范示例代码如下图所示: 父主题: 数据提取作业(数据集)
示例镜像制作 Octopus平台依赖算子镜像内的/bin/bash、stdbuf、tee软件,请确保基础镜像内包含上述软件且能通过PATH找到。 Dockerfile示例 启动命令: bash /home/Octopus/run.sh 镜像构建: docker build -f Dockerfile
加速度变化率(Jerk)检测 加速度变化率是加速度对时间的导数。 加速度变化率也被称为冲击度,冲击度反映了驾驶员的瞬态冲击体验。 纵向、侧向冲击度的阈值按德国冲击度标准取。 父主题: 内置评测指标说明
主车重新启动时间要合适。 其中停车距离允许用户自定义,本设计取主车前端距离行人最小距离min不低于1m,距离行人最大距离max不高于5m。 是否礼让通过判断车辆前端纵向距离行人低于min/2,速度是否大于0时,如果速度大于0,则没有进行礼让。 重新启动时间同样允许用户自定义,本设计去的默认最长重新启动时间为3s。
场景样例(Scenario Examples) 如下为具体场景和逻辑场景样例。 具体场景(Concrete Scenario) 具体场景样例: import standard scenario my_scenario: # Road Network map: map
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
示例代码 以下为主程序文件ros2opendata.py中截取的代码片段,分别运行不同的功能,详见注释。 运行前准备: 解析点云消息: 解析gnss消息: 写opendata_to_platform.yaml文件: 父主题: Rosbag转OpenData作业(数据回放)
构建镜像 Octopus平台依赖算子镜像内的/bin/bash、stdbuf、tee软件,请确保基础镜像内包含上述软件且能通过PATH找到。 Dockerfile示例 启动命令: python3 /home/main/ros2opendata.py --lidar_calibration_id
跟车起停检测的目的是判断主车跟随前车停车后能否在前车启动后重新启动。 当主车跟随前车制动停止后, 前车重新启动后, 主车重新启动的时间要合适, 该时间允许用户自定义, 本设计默认取3s。 当重新启动时间大于指定阈值时, 则跟车起停检测不通过。 该指标关联的内置可视化时间序列数据为:暂无。 该指标
Condition (1+) └─ Action 场景组成说明 场景文件的主体是一个场景剧本storyboard,用户需要在storyboard前先声明将会使用的路网RoadNetwork、参数Parameter,和实体Entities。然后在Storyb
附录 Enum Lists 父主题: 静态场景(地图)
红灯前行为(Run Red Light)检测 红灯前行为检测的目的是判断主车在遇到红灯时能否在停止线前停车, 并且与停止线的距离保持在合理的范围。 判断能否在停止线前停车是指当主车前端超出停止线后, 主车速度大于零时, 则主车没能在停止线前停车。 这要排除主车在非箭头红绿灯右转的情况。