云服务器内容精选

  • 继承批量安装(Linux环境) 您有多个服务器需要安装ICAgent,其中一个服务器已经通过首次安装方式装好了ICAgent,且该服务器“/opt/ICAgent/”路径下存在ICAgent的安装包ICProbeAgent.tar.gz,对于没有安装ICAgent的服务器,可以通过该方式对服务器进行一键式继承批量安装。 批量安装的服务器需同属一个VPC下,并在同一个网段中。 批量安装功能依赖python3.*版本,如果安装时提示找不到python请安装python版本后重试。
  • 使用限制 Linux环境:支持安装ICAgent的Linux操作系统。 Windows环境:仅支持在如下64位系统的Windows环境中安装ICAgent。 Windows Server 2016 R2 Datacenter Windows Server 2016 R2 Standard Windows Server 2016 Datacenter English Windows Server 2016 R2 Standard English Windows Server 2012 R2 Datacenter Windows Server 2012 R2 Standard Windows Server 2012 Datacenter English Windows Server 2012 R2 Standard English Windows Server 2008 R2 Enterprise Windows Server 2008 R2 Standard Windows Server 2008 Enterprise English Windows Server 2008 R2 Standard English Windows环境不支持在 云日志 服务主机管理界面对ICAgent进行升级和卸载操作,只支持日志采集功能。如果需要使用新版本,请先卸载旧版本ICAgent,再安装新版本ICAgent即可。
  • 车辆和控制器 Vehicle and controller 通过 车辆名: vehicle 的方式来为车辆命名.通过 keep(it.name == 指定车型名称) 的方式来指定车辆类型.通过 keep(it.initial_bm == 指定controller名称) 的方式来指定controller类型,目前均只能支持仿真器A或仿真器B内置的车辆和controller类型.生成文件会自动适配车辆信息. name, initial_bm等车辆属性需要在仿真器的catalog列表中定义,不同仿真器的预定义的catalog内容有所不同,需要在撰写场景文件时确认使用的车型、controller名称在仿真器catalog中已经存在. name为必选项,initial_bm非必选项. 主车必须命名为Ego,否则仿真器A/仿真器B将无法识别. 例1(仿真器A):主车,指定initial_bm Ego_name: string = "Audi_A3_2009_black" Ego_controller: string = "DefaultDriver" Ego: vehicle with: keep(it.name == Ego_name) keep(it.initial_bm == Ego_controller) 例2(仿真器A):非主车,不指定initial_bm cut_in_vehicle: vehicle with: keep(it.name == "Audi_A3_2009_red") 例3(仿真器B):主车,指定initial_bm cut_in_vehicle: vehicle with: keep(it.name == "Saimo") keep(it.initial_bm == "默认驾驶员") 例4(仿真器B):非主车,不指定initial_bm cut_in_vehicle: vehicle with: keep(it.name == "Saimo") 父主题: 实体设置 Entities
  • 碰撞(Collision)检测 碰撞检测的目的是判断主车是否与其它交通参与物发生碰撞。 在进行碰撞检测时,根据与主车碰撞的物体类型的不同对碰撞类型进行细分。 具体分为: 车车碰撞检测 追尾检测 被追尾检测 正面对碰检测 垂直角度碰撞检测 斜角侧碰检测 车人碰撞检测 自行车碰撞检测 自行车碰撞检测 摩托车碰撞检测 静态障碍物检测 道路周边设施碰撞检测 碰撞电线杆检测 碰撞房屋检测 碰撞树木检测 碰撞绿化植被检测 碰撞交通标志检测 碰撞路边栅栏检测 未知类型物体碰撞检测 在每个类型的碰撞检测上,会同时进行两种检测。分别为: 是否碰撞检测 是否减速响应检测 是否转向响应检测 其中是否碰撞检测判断该种碰撞是否发生,在碰撞发生的基础上,进一步地判断主车是否有提前响应的动作。 当主车有提前减速或者转向避让,但只是没能及时刹住,本设计认为这种情况比完全没有采取任何措施避免碰撞的表现要好。 是否响应的判断是基于碰撞发生时,主车是否制动减速或者转向,发生了制动减速的标准是减速度大于,发生了转向的标准是横摆角速度大于,则主车进行了避免碰撞的响应措施。 另外,对于车车碰撞,本设计根据碰撞方位进行了细分。 当主车和发生碰撞的副车的夹角在或者内,并且主车位于副车后方,则认为发生追尾碰撞。 当主车和发生碰撞的副车的夹角在或者内,并且副车位于主车后方,则认为发生被追尾碰撞。 当主车与副车的碰撞夹角在内时,则认为发生正面对碰。 当主车与副车的碰撞夹角在或者内时,则认为发生垂直角度碰撞。 当主车与副车的碰撞角度在或或或内时,则认为发生斜角侧碰。 该指标关联的内置可视化时间序列数据为:暂无。 该指标的异常时间点记录类型为:POINT_TYPE_POINT。 父主题: 内置评测指标说明
  • 逻辑场景相关操作 在“逻辑场景列表”,还可以进行以下操作。 表1 逻辑场景相关操作 任务 操作步骤 查询逻辑场景 选择“逻辑场景名称”、“场景ID”或“创建人”,在搜索输入框中输入搜索条件,按回车键即可查询。也可按照"标签筛选"查询场景具体可参考标签筛选。 删除逻辑场景 单击逻辑场景名称后操作栏内的“ 删除”,删除该场景。 勾选多个逻辑场景前勾选框,单击场景列表上方的“删除”,可批量删除场景。 说明: 被任务使用的逻辑场景不可被删除。 编辑逻辑场景 单击操作栏中的“编辑”,可编辑逻辑场景基本信息。 查看逻辑场景详情 单击逻辑场景名称,可查看逻辑场景详情。 基本信息:场景名称、创建时间,解析状态等信息。 场景参数:包括动态场景、静态场景信息,可单击文件列表后的“下载”或“替换文件”,将文件下载本地或替换场景文件。 泛化任务:平台支持逻辑场景生成泛化任务,具体操作参考泛化任务。 场景预览:根据场景文件的不同情况,场景预览会以不同的方式呈现。详见场景预览。
  • 场景预览 场景预览当前有两种呈现方式:动态场景预览和地图场景预览。 动态场景预览:版本为OpenSCENARIO1.1.1的场景预览,存在完整的逻辑场景文件时显示。 地图场景预览:逻辑场景文件缺失或部分缺失,逻辑场景文件解析失败或其他不支持动态场景预览的情况时显示。 动态场景预览 逻辑场景的动态场景预览同具体场景的动态场景预览相同,可参考具体场景的动态场景预览。 地图场景预览 逻辑场景的地图场景预览同具体场景的地图场景预览相同,可参考具体场景的地图场景预览。
  • 通行速率(Efficiency)检测 通行速率用于评价主车在场景中从起点到终点的效率,主车越快到达终点,则通行速率越高。 本设计取通行速率的默认阈值为0m/s,即如果主车平均速度小于等于0,则该指标不通过。 通行速率指标可有效避免主车一直不动,其他评测指标均通过,导致得分却很高的情况发生。 该指标关联的内置可视化时间序列数据为:speedX。 该指标的异常时间点记录类型为:POINT_TYPE_ALL。 父主题: 内置评测指标说明
  • 警告标志前行为(Warning Sign)检测 警告类交通标志前行为检测的目的是判断主车在各种警告类标志前行为是否合理,主要包括两个方面的检测: 在警告类标志前车速是否太大 在警告类标志前是否有明显的加速行为 本设计认为当主车的车速大于或者加速度大于时,警告类标志前行为检测不通过。 该指标关联的内置可视化时间序列数据为:暂无。 该指标的异常时间点记录类型为:POINT_TYPE_REGION。 父主题: 内置评测指标说明
  • Struct struct类型,又称结构类型,是一种由简单类型(例如int、float、string类型,scalar类型,简单的struct类型等)构建的复杂类型,一般用于表示抽象的道路结构,与地图文件中的具体的道路结构建立关联.osc2.0支持的struct类型有:odr_point、position_3d、road_point、orientation_3d和pose_3d position_3d xyz_point road_point odr_point orientation_3d pose_3d 父主题: 附录 Appendix
  • 并行仿真 Octopus平台的并行仿真模块分为任务配置和仿真任务两部分。用户在任务配置模块,可使用自研仿真算法,根据Octopus自研仿真评测体系,从行车安全、驾驶行为、乘员舒适性等多维度测评在多种条件下的仿真场景中控制算法控制质量。在仿真任务模块,可将仿真任务运行中关键指标变化绘制成图表,直观形象,也可在仿真任务结束后评测报告可下载至本地查看。 任务配置 仿真任务 3D回放 排队任务管理 信号查看器 场景回放 父主题: 仿真服务
  • 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。 判断主车停车后距离停止线是否合理时, 如果主车在距离停止线[2,20]范围内发生停车行为, 则停车后与停止线的距离不合理。 如果主车在停止线[0.1, 2]m范围内发生停车行为,判断停止距离合理。 父主题: 内置评测指标说明
  • 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。目前Octopus使用的PointType共有以下4种类型: 表1 PointType类型 类型 说明 POINT_TYPE_POINT 表示该子类指标的异常时间点是离散的时间点形式,在任何时刻都可能发生异常。 POINT_TYPE_REGION 表示该子类指标的异常时间点是区间形式,一旦在某个时刻开始发生异常,则在随后一段时间内都会处于异常状态。 POINT_TYPE_ALL 表示该类指标的异常时间点是布尔形式的,从仿真开始到当前时刻的状态要么是完全通过,要么全过程都是异常的,统计类型的指标需要以这种形式表示。 POINT_TYPE_NORMAL 该类型与其他类型相反,如果该类型的点存在,则表示对应的子类指标是通过的,Octopus用该类型保存主车到达终点的时间值。 父主题: 内置评测指标说明
  • OCTPS_DATASET_DIR OCTPS_DATASET_DIR 为数据集源数据的数据路径,根据不同的数据来源,所挂路径不同, 示例: 本地:/tmp/dataset-temp/local_import/6f91947c-cd47-434b-b654-8332da961d7a/f7c9a054-3c9e-49c7-8934-a1e1d668eb12/ 标注:/tmp/label-data/ 通用存储:/tmp/warehouse/ 生成子集,视图:/tmp/dataset-new/6f91947c-cd47-434b-b654-8332da961d7a/dataset/ OBS需通过用户桶的ak,sk依据OBS相关的sdk获取到用户所需筛选的源数据,示例: 图1 示例 #认证用的ak和sk硬编码到代码中或者明文存储都有很大的安全风险,建议在配置文件或者环境变量中密文存放,使用时解密,确保安全。 #本示例以ak和sk保存在环境变量中来实现身份验证为例,运行本示例前请先在本地环境中设置环境变量HUAWEICLOUD_SDK_AK和HUAWEICLOUD_SDK_SK。 # 如果进行了加密还需要进行解密操作。
  • SOURCE_DATASET_FILE_DIR SOURCE_DATASET_FILE_DIR 为标注或通用存储生成数据集时的源数据索引json文件,示例: 标注: /tmp/dataset-temp/{versionId}/f7c9a054-3c9e-49c7-8934-a1e1d668eb12/result_frame.json Json文件内容示例: 通用存储: /tmp/data-warehouse/warehouse-dataset/ 注:通用存储可能存在多个索引json文件,需遍历。(file_attributes_1.json, file_attributes_2.json……) Json文件内容示例:
  • TARGET_RESULT_DIR TARGET_RESULT_DIR 为存放数据集筛选结果的路径,示例: temp-data/dataset/c8a73760-b5df-4f61-81d7-17e144fa6d69/result/data/results.json. 筛选结果按照特定格式保存在results.json 文件中。结果文件如下所示: ["dataset/data/1630057162343/1630057162343.json", " dataset/data/1630057162343/1630057162343.pcd", " dataset/data/1630057162343/camera_encoded_1-1630057162338.jpg", " dataset/data/1630057162443/1630057162443.json", " dataset/data/1630057162443/1630057162443.pcd", " dataset/data/1630057162443/camera_encoded_1-1630057162438.jpg"]