华为云用户手册

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。

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)， 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。 该指标的异常时间点记录类型为：POINT_TYPE_NORMAL。

礼让行人（Polite To Pedestrian）检测 礼让行人检测的目的是判断当行人横穿马路时， 主车是否有礼让行为。 具体的礼让行为包括在行人横穿马路过程中， 进行停车已经停车距离要合适， 并且当行人离开车道后， 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。 当主车行为不满足对应的条件时，则行人横穿马路礼让检测不通过。 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_POINT。

换道（Lane Change）检测 换道检测的目的是判断主车在换道过程中的换道持续时间以及换道时的侧向加速度是否合理。 换道是指当主车所在的road id保持不变， 在某一时刻，其lane id发生变化， 在该时刻的前后一段时间内主车处于换道过程。 对于判定换道时的侧向加速度是否合理， 本设计考虑换道时刻的前后2s的时间段内的侧向加速度是否太大， 对于侧向加速度大于一定阈值（可用户自定义，本设计取2m/s2）， 则换道时的侧向加速度检测不通过。 对于判断换道持续时间是否合理， 本设计以主车相对车道中心线的偏离横摆角作为换道开始和结束的判定标记， 在换道时刻之前的第一个偏离横摆角小于0.03rad的时间点为换道开始点， 在换道时刻之后第一个偏离横摆角小于0.03rad的时间点为换道结束点。 换道开始点到换道结束点的时间长度作为换道持续时间， 当换道持续时间小于某一阈值（可用户自定义，本设计取1.5s）时， 或换道时间大于某一阈值（可用户自定义，本设计取6s）时， 换道持续时间检测不通过。 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_POINT。

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。

智驾模型列表相关操作 智驾模型列表可以进行以下操作。 表1 智驾模型列表相关操作 任务 操作步骤 编辑模型 单击操作栏中的“编辑”，编辑智驾模型。仅支持修改描述信息。初始模型不支持编辑。 删除模型 单击操作栏中的“删除”，删除智驾模型。初始模型不支持删除。 查看模型详情 单击模型名称，查看模型详情。 在模型详情页，查看模型基本信息和模型版本列表。可以对模型版本进行“模型微调”、“创建在线服务”和“删除”操作。 说明： 初始模型不支持“创建在线服务”和“删除”。 只有“创建成功”的模型版本支持“模型微调”和“创建在线服务”。 查询模型 在搜索输入框中输入搜索条件，按回车键即可查询。

任务队列相关操作 在“任务队列”页签，还可以进行以下操作。 表1 任务队列相关操作 任务 操作步骤 置顶任务 单击操作栏中的“置顶”，即可将任务调整至队列中最高优先级。 置底任务 单击操作栏中的“置底”，即可将任务调整至队列中最低优先级。 上移任务 单击操作栏中的“上移”，即可将任务调整至队列中上一级。 下移任务 单击操作栏中的“下移”，即可将任务调整至队列中下一级。 更新任务优先级 勾选单个或多个批次任务。 单击“更新优先级”，输入[-50,50]的整数，数字越大，优先级越高。 单击“确定”，优先级更改成功。相同优先级的任务，任务队列更新时间越早，优先级越高。 搜索任务 在搜索输入框中输入搜索条件，按回车键即可查询。

评分方案介绍 Octopus评测指标共有30多项大类指标，当规控算法未通过某些评测指标后，评测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。 父主题： 评测分数计算介绍

逻辑场景库相关操作 在“逻辑场景库”页签，还可进行以下操作。 表1 逻辑场景库相关操作 任务 操作步骤 查看逻辑场景库信息 单击左侧逻辑场景库名称，查看右侧该场景库信息以及场景库包含场景信息。 场景库信息：场景库名称、创建人、描述和创建时间等信息。 场景列表：该逻辑场景库中包含的所有场景。逻辑场景的具体操作请参考逻辑场景管理。 修改逻辑场景库信息/逻辑场景库分类信息 单击场景库名称或场景库分类后的，修改逻辑场景库或场景库分类的信息。 删除逻辑场景库/逻辑场景库分类 单击场景库名称或场景库分类后的，删除指定逻辑场景库或场景库分类。 查询逻辑场景 根据“逻辑场景名称”或“创建人”，输入搜索条件，查询逻辑场景列表中的场景。

修饰器（lane） 用途：设定动作主体actor所处的车道。可以修饰初始动作assign_init_position。 参数： 表2 lane参数 Parameter Type Mandatory Description lane int no Relative value of the target lane_id same_as entity no Option to specify that the vehicle must be in the same lane as the referenced vehicle side_of entity no Option to specify that the vehicle must be in another lane than the referenced vehicle side side_left_right no Depending on the value the actor shall be on the right or left side of the referenced entity. How many lanes right or left of that entity is specified by the lane-parameter offset length no Lateral offset to the target lane side_of和same_as必须设置且仅设置一个。 使用side_of来设置车道时，必须同时使用lane和side。 使用lane+side_of m_left: side_left_right = left cut_in_vehicle.assign_init_position() with: lane(lane: 1, side_of: Ego, side: m_left) position(distance: 85.0m, behind: ego) 使用same_as m_left: side_left_right = left cut_in_vehicle.assign_init_position() with: lane(same_as: Ego) position(distance: 85.0m, behind: ego)

修饰器（position） 用途：设定动作主体actor所处的车道。可以修饰初始动作assign_init_position 。 参数： 表3 position参数 Parameter Type Mandatory Description distance length no A target length value including a length unit. The distance is calculated using the route-based s-coordinate ahead_of entity no specified by the lane-parameter behind entity no When behind is specified, the actor must be behind the entity by the specified value 代码样例 cut_in_vehicle.assign_init_position() with: lane(lane: raletive_lane_id, side_of: ego, side: left) position(distance: 85.0m, behind: ego)

修饰器（speed） 用途：设定动作主体actor在当前阶段的速度。可以修饰初始动作assign_init_speed 。 参数： 表1 speed参数 Parameter Type Mandatory Description speed speed no A target speed value, including a speed unit faster_than entity no set the speed target faster than another entity slower_than entity no set the speed target slower than another entity same_as entity no set the speed target same as another entity faster_than、slower_than和same_as必须设置且仅设置一个。 使用faster_than和slower_than时配合speed来设置相对速度。 使用speed+faster_than cut_in_vehicle.assign_init_speed() with: speed(speed: 5mps, faster_than: Ego) 使用speed+slower_than cut_in_vehicle.assign_init_speed() with: speed(speed: 5mps, slower_than: Ego) 使用same_as cut_in_vehicle.assign_init_speed() with: speed(same_as: Ego)

Dockerfile示例 用户可使用命令行模式或Dockerfile模式进行构建。 数据集镜像不支持调用GPU资源。 以数据集自定义镜像为例，一般的镜像制作Dockerfile示例如下： # 载入基础镜像，用户可根据数据集处理任务的实际需要选择合适的镜像环境，例如ubuntu:latest FROM {基础镜像} # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 按需安装用户APT环境；如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 按需安装用户算法环境；如果需要修改~/.pip/pip.conf可替换；用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 父主题： 制作镜像（数据集）

数据批导简介 在使用平台进行自动驾驶开发时，首先需要用户把原始数据上传至Octopus平台，即数据上云。下文介绍了通过对象存储导入数据的方式，帮助用户把车载平台输出的数据上传至Octopus平台上。 对象存储导入数据：用户需先将数据包上传至对象存储桶（可自定义）中，再导入到Octopus平台。上传速率快，适合上传大数据量（超过2G）的数据包。 单个数据包时长均不可超过10分钟。 目前MP4文件只支持对象存储导入。 数据导入任务的流程如下： 图1 数据导入任务流程 父主题： 数据批导

模型微调任务相关操作 在模型微调任务列表页，还可以完成以下操作。 表2 模型微调任务管理相关操作 任务 操作步骤 查看任务详情 单击任务名称，在任务详情页面查看模型微调任务详情，包括任务基本信息、参数详情以及任务日志。 停止任务 当任务状态为“排队中”或“运行中”时，可单击操作栏内的“停止”，进行停止任务操作。 复制任务 单击操作栏内的“复制”，可基于现有任务创建新任务。 单个删除任务 单击操作栏内的“删除”可单个删除任务。模型微调任务删除后无法恢复，请谨慎操作。 批量删除任务 勾选名称前面的复选框，单击列表上方的“删除”，可批量删除任务。模型微调任务删除后无法恢复，请谨慎操作。 查询模型微调任务 在搜索输入框中输入搜索条件，按回车键即可查询目标任务。

车道线预标注模型和路面预标识模型数据集格式 当模型微调选择hw_model_4dbev_road_mark_detection或是hw_model_4dbev_lane_line_detection时的输入数据格式。 |--- TestSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ... |---TrainningSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ... |---ValidationSet |--- folder_0 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- folder_1 |--- 4DAnnotation |--- timestamps0_timestamps1.json |--- pointcloud_fusion |--- timestamps0_timestamps1.pcd |--- Metadata.xml |--- pose |--- lidar_pose.txt |--- ...

敏感性分析 Octopus平台支持基于参数组合、回归训练、敏捷性评定三个参数空间分析得到的敏感性分析结果，主要对逻辑场景的参数空间进行敏感性分析。在泛化任务完成的批量仿真任务后加上敏感性分析，然后把敏感性分析结果展现在新的泛化任务创建界面上，来帮助客户更好调节参数创建泛化任务。 进入到创建泛化任务界面，参数设置，选择参数设置后的“灵敏度分析”。 选择关联到该逻辑场景下泛化任务的仿真任务。 单击“确定”，界面出现上次任务的敏感性分析结果，展示每个参数的灵敏度参数，该值的范围在[0,1]，该值越大，说明该参数的变化对评测分数的影响越大。 用户可根据敏感性分析结果，设置当前各项参数的数值。

KITTI 目录 标注文件目录结构 +--- label_2 | +--- 000000.txt | +--- 000001.txt | +--- 000002.txt +--- velodyne | +--- 000000.bin | +--- 000001.bin | +--- 000002.bin 推理文件目录结构 +--- 000000.txt +--- 000001.txt +--- 000002.txt 示例标注/推理文件 3D目标检测-KITTI.txt 厢式货车 0.00 0 -1.57 0. 0. 0. 0. 2.61 2.77 5.92 3.39 54.15 -0.01 -1.55 0. 大型车 0.00 0 -1.57 0. 0. 0. 0. 2.36 1.41 11.72 -3.22 40.29 1.14 -1.57 0. 大型车 0.00 0 -1.57 0. 0. 0. 0. 1.138 2.723 10.583 -0.636 40.702 0.747 -1.57 0. 小型车 0.00 0 -1.57 0. 0. 0. 0. 1.32 1.14 3.78 2.43 37.73 -1.08 -1.57 0. 厢式货车 0.00 0 -1.57 0. 0. 0. 0. 1.61 0.75 5.70 -3.11 28.20 0.63 -1.59 0. 小型车 0.00 0 -1.57 0. 0. 0. 0. 1.75 1.96 3.75 -7.57 12.66 -0.67 -1.54 0.

Octopus 目录 标注文件目录结构 +--- 1611801018801 | +--- 1611801018801.json | +--- 1611801018801.pcd +--- 1611801024401 | +--- 1611801024401.json | +--- 1611801024401.pcd 推理文件目录结构 +--- 1611801018801 | +--- 1611801018801.json +--- 1611801024401 | +--- 1611801024401.json

使用规范 在线仿真服务集成了一整套完整的仿真工具链，开箱即用。 在使用新的普通用户登录在线仿真时，需修改在线仿真系统配置： 关闭桌面锁屏。 调整屏幕分辨率（默认分辨率不高，可调至适合的分辨率）。 将默认的浏览器更改为Chrome或Firefox。 在线仿真根据用户名称生成系统进程，Linux中不合法的用户名称登录在线仿真会出现异常，合法的用户名称限制如下： 只能包含小写字母、数字、下划线、中划线 。不得超过31个字符。 只能以字母和下划线开头。不可包括连续的下划线和中划线。不可包含linux的关键字或保留字。 目前在线仿真为独占式，同一台在线仿真器同一时间只允许一个用户使用，待用户释放后，才可供其他用户使用。

操作步骤 登录 云审计 服务管理控制台。 在管理控制台左上角单击图标，选择区域。 在左侧导航栏中，单击“事件列表”，进入“事件列表”页面。 事件列表支持通过筛选来查询对应的操作事件。当前事件列表支持四个维度的组合查询，详细信息如下： 事件来源、资源类型和筛选类型。 在下拉框中选择查询条件。 其中筛选类型选择事件名称时，还需选择某个具体的事件名称。 选择资源ID时，还需输入某个具体的资源ID。 选择资源名称时，还需选择或手动输入某个具体的资源名称。 操作用户：在下拉框中选择某一具体的操作用户，此操作用户指用户级别，而非租户级别。 事件级别：可选项为“所有事件级别”、“normal”、“warning”、“incident”，只可选择其中一项。 时间范围：可选择查询最近七天内任意时间段的操作事件。 单击需要查看的事件名称，展开该事件的事件概览，可查看事件的基本信息，单击“了解事件结构”，可以查看该事件结构的详细信息。

road_aids_type 匝道类型，用于静态场景的split场景和merge场景。 road_aids_type list ENUM_ROAD_AIDS_TYPE = ("DType-1", "DType-2", "PType") DType-1（直接式1）： DType-1（直接式1）是指匝道合入（分流）时直接汇入（离开）主路，并且匝道部分逐渐收缩（扩展）直到合入（离开）主路，如下图所示： DType-2（直接式2）： DType-2（直接式2）是指匝道合入（分流）时直接汇入（离开）主路，主路的车道数也随之发生变化，匝道部分不进行收缩（扩展），如下图所示： PType（平行式）： PType（平行式）是指匝道合入（分流）时先有一段平行于主路，然后匝道再逐渐收缩（扩展）直到合入（离开）主路，如下图所示： 父主题： Enum Lists

场景和场景库 其中片段式场景仿真是自动驾驶系统测试的重要手段，当前业内对于片段式场景普遍遵循ASAM主导的OpenX系列标准。OpenSCENARIO对动态驾驶环境进行了描述，交通参与物之间通过其他物体的状态变化作为触发条件，进而改变自身的状态。 通过OpenX场景可对算法与环境的动态交互能力进行测试，场景库的目的则是将一批有相同测试目的的场景进行汇总，如想测试Acc算法的应对切入功能，可将多个应对切入的测试场景归到一个场景库，进而在创建仿真任务时可直接选择该场景库进行仿真。

逻辑场景和逻辑场景库 逻辑场景是基于状态空间变量对功能场景的进一步详细描述，每个逻辑场景都有场景参数，比如前车的车速及其加速度，自车与前车距离等参数，这些参数都有一定的取值范围，根据这些参数可以派生出任意数量的具体场景。 逻辑场景库是不同逻辑场景的数据集合，以树状结构的形式表现出来，便于对逻辑场景进行统一的、有效的组织、管理和应用，比如当用户想系统管理和方便查看超车的逻辑场景，可以将所有超车相关的逻辑场景加入一个场景库中。

测试用例和测试套件 如上所述，OpenSCENARIO场景能描绘动态环境的，但无法根据主车内部动力学状态、自动驾驶算法状态作为触发条件来驱动各个交通参与物变化，因此为了实现更加精细的测试控制，需要额外提供一个测试脚本实现与仿真器中的交通参与物和算法内部数据的交互。 图1 测试用例和测试套件 如上图所述，测试脚本能同时仿真器数据运行时RDB数据和AD算法的内部数据，如通过RDB判断主车与前车距离小于20m，可发送某个控制信号给算法改变esp状态，也可以通过SCP指令控制场景中的副车改变运动姿态。 测试脚本很大程度上弥补了单纯场景仿真的不足，能够实现以算法内部信号为触发条件，改变仿真场景中交通参与物的状体和算法内部状态。 因此，在场景的基础上，添加与该场景相匹配的测试脚本，就形成了一个测试用例。也就是说，测试用例是一个场景和测试脚本的集合。 同样，测试套件是将测试目的相同的测试用例归到一起，方便创建仿真任务时直接选择。

“octopus_data_collection.yaml”配置文件说明 数据包中有“Octopus_data_collection.yaml”配置文件，各类型传感器的名字必须和文件夹名称一致，格式也必须与规范相匹配。 配置文件，主要包括车辆名称、传感器信息和标定ID等信息，详情参考如下： # 华为八爪鱼自动驾驶云服务数据采集说明 cardrive: collect_time: 2020-11-01T08:00:00+08:00 #数据包采集日期，精确到小时即可 station: '腾飞' #选填 数据采集地点名称，站点名称 car: vehicle_name: 'test0805' #车辆名称，仅支持在八爪鱼平台创建的车辆 route: 'shuttlebus_30km' #选填 车辆行驶路线 mode: 'auto' #选填 路线驾驶意图, auto代表自动驾驶, manual代表人工驾驶采集 tags: #选填 数据包对应标签ID description: '' #选填 数据包描述 data_type: opendata #必填 数据包类型，转换后的OpenData数据中包含ocotopus_data_collection.yaml文件 map_id:'' #选填，高精地图ID，字符串类型，配备后才可在回放数据界面展示高精地图信息。

数据类型 Octopus平台对数据有以下要求： 数据类型：包括各传感器数据、车辆数据、目标推理数据、自车坐标姿态以及标签记录数据等。 数据格式：Octopus OpenData格式。其中相机采集数据文件后缀为“.jpg”，激光雷达采集数据文件后缀为“.pcd”，其他采集数据文件后缀为“.pb”（谷歌定义的protobuf格式文件）。 详情请参考表1。 消息topic具体格式要求请参考“消息topic格式规范”。 接收到的消息topic示例请参考“消息topic格式示例”。 自车相关或每个传感器设备，都对应一个消息topic。 采集数据的topic名称支持自定义，包含中英文、数字、“_”“-”，不得超过64个字符。 表1 数据类型和消息topic对应关系 分类 数据类型 消息topic（示例） 文件后缀 备注 传感器 相机（camera） camera_front .jpg 录制车辆路况图像数据。 激光雷达（lidar） lidar_roof_0 .pcd 以发射激光束探测目标的位置、速度等特征量的雷达系统，探测车辆周围的目标位置，监测移动速度。 位置数据（gnss） gnss_raw .pb 通过卫星导航系统，定位车辆位置。 毫米波雷达（radar） RADAR_FRONT .pcd 工作在毫米波段探测的雷达，探测车辆周围的目标位置，监测移动速度。 车辆数据 自车坐标和姿态数据（ego_tf） ego_tf .pb 定位自车所处位置以及当前车辆姿态。 车辆数据（vehicle） vehicle .pb 车辆底盘信息。 规划推理数据 目标推理数据（object_array_vision） object_array_vision .pb 感知数据信息。 标签数据 标签记录数据（tag_record） tag_record .pb 在车端标记驾驶过程中人工和自动驾驶路段以及其他重要信息。 控制数据 控制指令（control） control .pb 自车的方向盘转角、加速度值等控制数据。 规划路径 规划轨迹（planning_trajectory） planning_trajectory .pb 自车规划行驶路径。 预测路径 预测跟踪（predicted_objects） predicted_objects .pb 感知目标的预测路径。 全局规划 全局路径（routing_path） routing_path .pb 自车全局规划路径。 交通灯 交通灯信息（traffic_light_info） traffic_light_info .pb 红绿灯。

使用场景 Octopus平台接收到原始数据后，将对数据进行解包、轨迹和接管分析等操作，用于数据总览、数据场景、数据回放、标注服务等模块，请用户结合实际需求，准备好相应模块所需数据。 Octopus平台转换后的OpenData数据服务模块所需数据请见下表： 表2 数据和模块对应关系 类型 消息 数据总览 数据场景 数据回放 标注服务 相机 camera - - √ √ 激光雷达 lidar - - √ √ 位置数据 gnss √ - √ - 自车坐标姿态 ego_tf - √ √ - 车辆数据 vehicle - √ √ - 感知推理 object_array_vision - √ √ - 接管及打标签信息 tag_record - - √ - 控制指令 control - - √ - 规划轨迹 planning_trajectory - - √ - 预测跟踪 predicted_objects - - √ - 全局规划 routing_path - - √ - 交通灯 traffic_light_info - - √ - 毫米波雷达 radar - - √ -

Dockerfile示例 一般情况下，引擎主要包含预标注算法或预审核算法运行所需要的基本依赖环境，用户也可将预标注算法或预审核算法包内置在镜像仓库的镜像中。 用户可使用命令行模式或Dockerfile模式进行构建。 以预标注自定义镜像为例，一般的镜像制作Dockerfile示例如下： # 载入基础镜像，训练或评测引擎一般需包含cuda/cudnn等算法基础环境。用户可手动制作或拉取官方镜像（如xxx/cuda:11.0.3-devel-ubuntu18.04） FROM {基础镜像} # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 如果是内置预标注算法的自定义镜像，需要把预标注算法复制到工作目录下， COPY /path/to/algorithom /path/to/algorithom # 按需安装用户APT环境。如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 按需安装用户算法环境。如果需要修改~/.pip/pip.conf可替换。用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 父主题： 制作镜像（标注）

Camera相机标定文件模板 标定文件名：“roof_cam_999.yaml” 文件内容示例： Roof_Cam_9: camera_model: pinhole intrinsics: rows: 1 cols: 4 data: - 957.3874 - 960.8491 - 957.7912 - 565.3051 resolution: width: 1020 height: 1920 distortion_model: radtan distortion_coeffs: rows: 1 cols: 5 data: - -0.3152 - 0.1068 - 1.0109e-05 - 0.00014344 - -0.0174 rotation_veh2cam_matrix: rows: 3 cols: 3 data: - -0.9998299042764152 - 0.017818974176046335 - 0.004792519744625967 - -0.0052751312364799794 - -0.027136554579648777 - -0.999617350015897 - -0.01768206109206492 - -0.9994728825361424 - 0.027225960978949772 tanslation_veh2cam_matrix: rows: 3 cols: 1 data: - -0.03155699382111174 - 1.1564462683421137 - 0.5492014802301336 rotation_veh_cam_euler: yaw: 178.97898507859358 pitch: -0.27459237862937325 roll: -88.43985827166519 translation_veh_cam: x: -0.015740166503007778 y: 0.580856341427072 z: 1.1412035414910402 transform_image2veh_matrix: rows: 3 cols: 3 data: [] transform_veh2image_matrix: rows: 3 cols: 4 data: - -973.6528713841998 - -939.7369315451515 - 30.649111295873002 - 495.5498232950973 - -15.049594426539091 - -590.5017166128401 - -944.1638507975063 - 1420.2429138739958 - -0.01768206109206492 - -0.9994728825361424 - 0.027225960978949772 - 0.5492014802301336 timeshift_cam_veh: 0.0