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
ead_vehicle的位置更改主车Ego的速度。 使用xyz坐标创建终点时,由于匝道地图泛化会使终点偏移,建议在创建测评任务时为检测终点设置合适的半径,例如"到达半径5m"。 地图文件(odr) scenario Split: m_scene: scenery
审计的关键操作。 查看审计日志,请参见查看审计日志。 图1 云审计服务 如何查看审计日志 操作场景 在您开启了云审计服务后,系统开始记录云服务器的相关操作。云审计服务管理控制台保存最近7天的操作记录。 本节介绍如何在云审计服务管理控制台查看最近7天的操作记录。 操作步骤 登录管理控制台。
仿真器 进入、占用、释放仿真器 Octopus平台在线仿真模块为用户提供了在线仿真器。单击进入在线仿真器,用户进入机器后,机器显示红色按钮占用,用户退出在线仿真界面不会自动释放机器,会保持占用状态。机器图片的左上角会出现释放按钮,只有占用中的用户可以释放。 图1 仿真器 加载场景
3D回放 前提要求 3D回放对回放机器配置有以下要求: 回放机器需要GPU硬件。硬件加速的方式:在chrome设置-高级中打开硬件加速 。 机器的参考配置(低配):8核cpu 、UHD620的gpu 、16G内存 、100Mbps带宽。 查看3D回放 3D回放页面详细说明如下: 图1
信号查看器 评测任务运行过程中,将一些衡量自动驾驶质量的关键指标,如速度、加速度等数据在仿真场景中变化量绘制成图表,便于用户直观考量规控算法的控制质量。用户也可将业务所需关注的数据集合成新的图表,对比查看。 查看器一次只支持载入5个任务场景,页面最多支持5个框图展示,一个框图最多支持10条信息选择,。
仿真器回放 前提条件 Octopus平台需要有可以正常使用的仿真器。 查看仿真器回放 仿真器回放页面可自动播放车辆的行动场景。 具体仿真器操作请参考仿真器。 父主题: 场景回放
C类均匀权重评分(Average)方案 当用户选择该评分方案时,就不需要设置评测指标的重要度,各个指标按均匀权重进行扣分。 C类均匀权重评分原则(Principle) 各指标得分权重相同。 C类均匀权重评测分数计算实现(Equation) 此方案下总分为100分,在计算得分时不考
传感器标定 标定数据记录车辆本身以及车辆上传感器的配置信息,一个标定项对应一个传感器标定文件。Octopus标定文件需满足标准,平台会对上传的每个标定文件名、格式和类型做检查。 本地编写标定文件 当前支持车架配置以及传感器标定信息配置:车架配置、相机以及激光雷达。 以创建激光雷达
方便排查和定位路测数据存在的问题。 前提要求 3D回放对回放机器配置有以下要求: 回放机器需要GPU硬件。硬件加速的方式:在chrome设置-高级中打开硬件加速 。 机器的参考配置(最低配置):8核cpu 、UHD620的gpu 、16G内存 、100Mbps带宽。 查看数据回放
代码样例(Code Examples) 路网设置(Road Network) 参数声明(Parameter Declarations) 实体设置(Entities) 场景剧本(StoryBoard) 触发器与触发条件(Trigger and condition) 动作(Actions)
标签管理 标签管理中的标签分为平台内置的场景挖掘标签和用户自定义标签。平台内置标签详情请查看表1 内置标签列表。用户还可根据实际需求,自定义设置需要的标签。当前支持两种方式添加标签:在线创建和文件上传。 表1 内置标签列表 场景挖掘方式 场景分类 子类 标签 内置场景挖掘规则 道路
急转向(Steering)检测 侧向加速度过大会对车辆的侧倾稳定性和乘员体验造成不良影响,急转向检测的目的是判断主车在行驶过程中,侧向加速度是否过大。 侧向加速度的阈值设置为2.3 ,具体参考《i-vista评测规程》第5页最后一段。 该指标关联的内置可视化时间序列数据为:accY。 该指标的异常时间点记录类
assign_init_position支持设置绝对位置和相对位置,设置相对位置时使用修饰器(position)和修饰器(lane)来给出相对值。 当初始位置需要车辆转换朝向时,通过设置pose_3d的orientation来设定朝向,以与所在车道朝向一致,例如车辆所在车道和road0呈90°夹角时,设置orientation的yaw为1
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
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
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。如果用户直接通过后台操作k8s集群及节点造成环境错乱,则需承担责任。
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
八爪鱼自动驾驶平台的多机分布式训练功能可以帮助用户加快模型训练速度,提高训练效率,并支持更大规模的深度学习任务。通过多机分布式训练,用户可以将训练任务分配到多台计算机或服务器上并行进行,充分利用硬件资源,加快模型收敛速度,提高训练效果。平台支持多种深度学习框架,如TensorFlow、PyTorch等,并提供简
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), 因此本设计认为当终点为(0,0,0)时, 是没有终点的情况, 故不允许场景设计者在设计场景终点时将终点设置为(0,0,0)。 该指标关联的内置可视化时间序列数据为:暂无。