华为云用户手册

  • 标注服务简介 Octopus标注服务为标注团队提供标注平台管理员、团队管理员和标注任务操作人员(标注员/审核员/验收员)三类职能。三类职能对标注平台的操作权限不同,保证标注任务的数据安全。标注服务管理员根据不同标注任务创建标注团队,分配标注任务操作人员不同职能。创建标注项目,并在项目下创建标注模板及标注任务。团队管理员管理团队内部成员,可为团队创建项目和标注任务,供成员认领。标注任务的操作人员是标注任务的实际执行人员,根据标注任务所处流程,有标注员、审核员和验收员三种职能。 标注服务的开发流程如下: 图1 标注服务开发流程 标注任务创建成功后,由团队中的标注员认领任务,标注任务进入标注流程。标注任务全流程如下,根据项目流程,可对除交付之外的其他流程进行裁剪: 图2 标注任务全流程 项目管理:通过对项目内的任务以及项目内的标注物管理,用户可根据业务需求不同,创建不同类型的项目。 团队管理:为标注团队进行人员职能的分配。未分配到标注项目的团队不可查看该项目信息,确保标注任务的安全性。 用户管理:可为任务提供角色分配,对所有团队下普通用户进行管理。 标注管理:提供项目外的可视化的标注物管理,支持自定义创建多种标注物的形状和颜色,可用于预标注和人工标注指定物体,或自定义算法模型中关联特定标注物。 脚本管理:用户可以根据自身业务的需要创建标注脚本,用于标注任务。 模板管理:提供预标注模板和人工标注模板,用户可根据需求选择。 父主题: 标注服务
  • 购买服务 登录Octopus服务平台,在左侧菜单栏中单击“总览”。 单击“购买服务”。 选择需要购买的服务基础版(以购买“八爪鱼自动驾驶云服务-基础版”为例),配置购买时长、购买个数、是否自动续费和仿真器类型。 购买了八爪鱼自动驾驶云服务-基础版后,不支持再购买其他云服务基础版。 购买了单独云服务模块基础版,不支持再购买八爪鱼自动驾驶云服务-基础版。 已购买的服务会在服务后打上“已购买”的标签,不支持到期前的重复购买。 合规服务依赖数据服务,在购买合规云服务-基础版前,需先购买数据云服务-基础版。 单击“下一步”,购买存储扩容包、通用处理节点和AI处理节点,请详见购买扩展资源包。 单击“下一步:确认配置”,确认配置后勾选服务声明。 单击“去支付”,界面生成支付订单,可根据自身情况选择支付方式,确认付款。
  • 绘制对象 单击2D3D关联任务,单击任意一帧,进入人工标注。 平台依据新建的2D或3D框自动转成对应的3D或2D框。开关状态在同一任务中继承。 选择标注类别。标注下拉列表页选择一标注名,进入标注状态。 单击左侧标注工具栏,选择对应的标注工具。 在图片界面单击左侧工具栏“补框”,绘制2D框,此时右侧标注列表只展示关联对象的标注物。键盘按键“ESC”退出绘制状态,右侧标注列表展示所有的标注物。 在点云界面单击左侧工具栏“AI标注”(快捷键b),框选3D,此时右侧标注列表只展示关联对象的标注物。双击空白处退出绘制状态,右侧标注列表展示所有的标注物。 双击3D框,打开三视图。 依据标注规范要求,结合下方真实图片中对应标注物大小,调整点云图像中标注物三视图中标注框。 修改标注类别。 右键单击目标图形,可进入选择类别的跳出框,即可修改类别。 修改额外属性。 右键单击目标图形,如果目标含有额外属性,单击即可选择属性。 修改对象ID。 右键单击目标图形,可以在对象ID栏手动输入数值来修改ID,由此将2D框和3D框数据手动关联。
  • 2D预标注支持的标注类别 目标检测: 可行驶区域、车道线、车位线、路沿、地面标识、减速带、消防栓、柱子、地锁、限位块、警示物、骑行者、行人、车辆、其他车辆、两轮车。 车道线检测: 白虚线、黄虚线、白实线、黄实线、路沿线、停止线。 语义分割(混合): 成年人、手推车、面包车、工程车、卡车、公交车、小汽车、骑行者。 直行右转箭头、右转导向箭头、左转导向箭头、直行导向箭头、路面字符、其它导向箭头。 停车线、禁停止线、斑马线、导流线、停止线、双实线、双虚线、虚线、黄实线、实线。 水马、锥桶、矮墙、隔音墙、路面栅栏、消防栓、路沿、减速带、柱子、井盖、限位块、地锁、杆状物、臂障。
  • 操作步骤 登录华为云首页。 单击页面右上角的“控制台”。 在控制台页面,选择自动驾驶云服务 Octopus 支持的区域。 单击左上角展开服务列表,在搜索栏中输入“八爪鱼自动驾驶云服务 Octopus”。 单击服务名称进入八爪鱼自动驾驶云服务 Octopus管理控制台。 单击“立即申请”。 根据实际情况设置企业规模、研发人员比例、应用场景、业务当前阶段等信息。 用户第二次申请公测时,可以继承上一次申请该产品公测活动所填写的必填项信息。 选中“同意《公测试用服务协议》”。 单击“申请公测”,完成公测申请。 等待运营开通公测权限。单击“前往公测管理”,可以查看已经申请的公测产品或者服务。
  • 限速标志牌前限速(Speed Limit Sign)检测 限速标志牌前限速检测的目的是判断主车在行驶过程中遇到限速标志牌时, 速度是否符合要求。 限速标志牌分为最高限速和最低限速两种。 最高限速是指主车速度不能高于对应的限速数值, 并且不能低于最高限速的75%。 最低限速是指主车速度不能低于对应的限速数值。 当主车距离限速标志牌在道路方向的距离小于某一阈值(本设计取车辆最前端超过限速标志), 并且主车所在车道是限速标志牌的有效范围, 当主车速度高于最高限速标志数值或低于最低限速标志数值时, 限速标志牌限速检测不通过。 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。
  • 指示标志牌前行为(Mandatory Sign)检测 指示标志牌前行为检测的目的是判断主车在这些指示标志牌前的行为是否合理,本设计考虑的指示标志牌有: 左转指示牌 右转指示牌 直行指示牌 左转直行指示牌 右转直行指示牌 左转右转指示牌 靠左行驶指示牌 靠右行驶指示牌 当主车前端超过左转指示牌, 并且主车不存在左转行为, 则左转指示牌前行为检测不通过。 当主车前端超过右转指示牌, 并且主车不存在右转行为, 则右转指示牌前行为检测不通过。 当主车前端超过直行指示牌, 并且主车不存在直行行为, 则直行指示牌前行为检测不通过。 当主车前端超过左转直行指示牌, 并且主车不存在左转直行行为, 则左转直行指示牌前行为检测不通过。 当主车前端超过右转直行指示牌, 并且主车不存在右转直行行为, 则右转直行指示牌前行为检测不通过。 当主车前端超过左转右转指示牌, 并且主车不存在左转右转行为, 则左转右转指示牌前行为检测不通过。 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。
  • 压实线(Onto Solid line)检测 压实线检测的目的是判断主车行驶过程中是否压到实线。 当主车与距离最近的车道线的小于主车宽度的一半时,并且该车道线的类型为OSI定义的osi3.LaneBoundary.classification.type.TYPESOLI DLI NE,则认为主车的轮胎已经压到实线。 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。
  • 逆行(Reverse Direction Driving)检测 逆行检测的目的是判断主车行驶过程中是否按车道规定的方向行驶。 根据OPNENDRIVE中对车道的lane id的定义, 沿着道路的reference line的前进方向, reference line右侧的lane id由0逐渐递减,左侧的lane id由0逐渐递增。 当主车前进方向与道路的方向相同时, 使标记值flag=1, 当主车与道路前进的方向相反时, 使标记值flag=-1。 当flag与主车所在的lane id的乘积大于0时, 则可以判定主车发生逆向行驶。 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。
  • 禁止标志牌前行为(Prohibited Sign)检测 禁止标志牌前行为检测的目的是判断主车在这些禁止类标志牌前的行为是否合理。 本设计考虑评测的禁止标志牌有: 禁止机动车标志牌 禁止各种车辆标志牌 禁止驶入标志牌 限制宽度标志牌 限制高度标志牌 限制重量标志牌 在禁止机动车标志牌,禁止各种车辆标志牌,禁止驶入标志牌等标志前, 当检测到主车的车头越过标志牌并且标志牌的对主车起作用时, 该类标志前的行为检测不通过。 对于限制高度、限制宽度、限制高度等禁止标志牌, 在满足上述触发条件的情况下, 并且主车的对应度量值(如高度、宽度、重量)大于标志牌禁止的数值, 则主车在该类标志牌前的行为检测不通过。 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。
  • 文本格式约定 文本对比:支持TXT、JSON文件格式。 报告对比:用户自定义评测结果如果需要使用报告对比功能,需满足Octopus格式要求,仅支持JSON文件格式,并且需要满足以下格式要求。 表2 报告对比格式要求 名称 说明 示例 kind 文件标识符,e-res表示评测结果可进行评测对比 e-res spec 评测结果内容JSON格式支持简单指标结果、带类别复杂指标结果、折线图结果 {“accuracy”: 0.21, “fp”: 1.0, “fn”: 1.0} 简单指标结果。 简单键值对,键表示指标名称,值表示该指标对应的评测结果数值。 { "accuracy": 0.21, "fn": 1.0, "fp": 1.0, } 带类别复杂指标结果。 { "ap": [{"Car": 0.2, "Truck": 0.4}, 0.3], "precision": [{"Car": 0.8, "Truck": 0.7}, 0.75], "recall": [{"Car": 0.8, "Truck": 0.9}, 0.85], } 键值对,键表示指标名称,值为字典或列表。当值为列表时,第一项为各类别对应的该指标评测结果字典,第二项为所有类别的指标均值。当值为字典时,仅包含上述第一项。 折线图类指标结果。 { "pr_curve": { "Car": [ [0.0, 0.2, 0.4, 0.6, 0.8, 1.0], [1.0, 1.0, 0.8, 0.8, 0.6, 0.4] ] } } 键值对,键表示指标名称,值为字典或列表。当值为列表时,第一项为各类别对应的该指标评测结果字典,第二项为所有类别的指标均值。当值为字典时,仅包含上述第一项。 以上各种类型可混合使用,参考完整示例如下: { "kind": "e-res", "spec": { "accuracy": 0.21, "fn": 1.0, "fp": 1.0, "ap": [{"Car": 0.2, "Truck": 0.4}, 0.3], "precision": [{"Car": 0.8, "Truck": 0.7}, 0.75], "recall": [{"Car": 0.8, "Truck": 0.9}, 0.85], "pr_curve": { "Car": [ [0.0, 0.2, 0.4, 0.6, 0.8, 1.0], [1.0, 1.0, 0.8, 0.8, 0.6, 0.4] ] } } }
  • 评测对比相关操作 在“评测对比”列表,可对任务进行以下操作。 表1 评测对比相关操作 任务 操作步骤 查找对比任务 在搜索输入框中输入搜索条件,按回车键即可查询。 查看对比任务详情 单击对比任务名称,可在对比任务详情页查看该评测对比详情、报告对比、任务日志。 评测对比详情:任务ID、名称、描述、状态等信息。 文本对比:单击“文本对比”,查看或下载评测对比任务对比文本。 报告对比:单击“报告对比”,查看或下载评测对比任务在运行过程中生成的报告。 任务日志:单击“任务日志”,查看或下载评测对比任务在运行过程中生成的所有日志。 删除对比任务 单击操作栏的“删除”,删除单个对比任务。 勾选多个任务,单击列表上方的“删除”,可批量删除对比任务。 重建任务 单击操作栏内的“重建”,输入新对比任务名称(以“任务组名-自定义名称”的形式),同时可重新选择需要修改的参数。 停止任务 单击对比任务后的“停止”,停止评测对比任务。
  • 训练服务简介 训练服务模块上承接数据服务和标注服务两大模块,为自动驾驶研发提供方便易用的模型训练和评测平台,让用户无需过多关注底层资源,聚焦算法和模型开发。用户可上传符合Octopus平台规范的训练算法,使用成熟的算法创建训练任务生成训练模型。此外,训练服务提供多种模型评测指标,从多维度衡量模型质量。让自动驾驶研发更便捷。训练服务的开发流程如下: 训练服务操作引导如下: 算法管理:负责管理用户上传的符合平台规范的算法。 开发环境:开发环境依托于已购买的集群算力,支持客户在浏览器窗口或线下IDE中进行交互式的算法或模型的开发和调试。 训练任务:用户选择训练算法和训练数据集创建训练任务进行训练。 模型评测:负责管理评测脚本、评测任务和评测对比任务。 编译管理:包含编译任务和编译镜像。训练产生的模型版本,一般不可直接被车载芯片识别,需要经过编译工具,模型编译成车载芯片识别的产物。 推理服务:将模型部署为在线服务进行推理。 任务队列:展示在训练服务创建的所有类型任务,包括任务的名称、类型、资源规格、实例数、优先级、工作空间、创建者、创建时间等信息。 父主题: 训练服务
  • Octopus 目录 标注文件目录结构 +--- 1628568066600 | +--- 1628568066600.jpg | +--- 1628568066600.json +--- 1628654064999 | +--- 1628654064999.jpg | +--- 1628654064999.json 推理文件目录结构 +--- 1628568066600 | +--- 1628568066600.json +--- 1628654064999 | +--- 1628654064999.json 示例标注/推理文件 分类-Octopus.json { "label_meta_name": "Car", # 推理文件包含得分 "score": 0.85 }
  • OCTPS_INSPECTION_ATTRI_DIR OCTPS_INSPECTION_ATTRI_DIR为审核属性字段文件路径,示例:/tmp/…/attribute/inspection_attribute.json。文件内容示例如下: { "inspection": { "miss_label_error": false, #漏标 "vehicle_direction_error": false, #车头方向错误 "error_desc": "", "attribute_error": false, #属性错误 "out_range_label_error": false, #未贴合 "anchor_error": false, #锚点错误 "classification_error": false, #类别错误 "extra_label_error": false #多标 } }
  • OCTPS_DATASET_DIR 预标注任务 OCTPS_DATASET_DIR为待标注的数据路径,示例:/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹,文件组织结构如下所示。 2D数据帧文件组织结构: OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─图片1.jpg #标注图片 ├─标注1.json #图片1的标注信息,非必有 ├─子文件夹2 ├─图片2.jpg #标注图片 ├─标注2.json #图片2的标注信息,非必有 3D数据帧文件组织结构: OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片,非必有 ├─标注1.json #点云1的标注信息,非必有 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片,非必有 ├─标注2.json #点云2的所有标注信息,非必有 注:“XX/…/XX/”部分存在嵌套多个文件夹的情况,具体嵌套层数和上传的数据集目录结构有关系。 预审核任务 OCTPS_DATASET_DIR为待审核的全量数据路径,示例:/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹,文件组织结构如下所示。 2D数据帧文件组织结构: OCTPS_DATASET_DIR/├─子文件夹1 ├─图片1.jpg #已标注图片 ├─labels.json #图片1的所有标注信息 ├─子文件夹2 ├─图片2.jpg #已标注图片 ├─labels.json #图片2的所有标注信息 3D数据帧文件组织结构: OCTPS_DATASET_DIR/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片 ├─labels.json #点云1的所有标注信息 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片 ├─labels.json #点云2的所有标注信息 每帧数据的标注结果存放在labels.json中,具体格式及内容说明参考OCTOPUS数据集格式说明中的labels字段。
  • OCTPS_META_PATH OCTPS_META_PATH为标注物文件路径,示例:/tmp/label/task-2022/source/meta/label_meta_infos.json。标签文件中包含了当前任务所选择的所有标注物的基本信息。预标注结果中每个标注对象所需的标注物id,可通过此文件中的id字段获取。标注物文件内容示例如下。 [ { "id": 2085, # 平台上所建标注物的ID "name": "Car", # 平台上所建标注物的名称 "color": "#d0021b", "label_shape_type": "bndbox", "attribute": "{}", "description": "car", ... ... } … … ]
  • TARGET_RESULT_DIR TARGET_RESULT_DIR为存放预标注/预审核结果的路径,示例:/tmp/label/task-2022/result/data。预标注/预审核结果按照特定格式保存在json文件中。3D数据帧中json文件的路径及命名和点云文件保持一致,2D数据帧中json文件的路径及命名和图片文件保持一致。以上述2D数据帧为例,结果文件组织结构如下所示: TARGET_RESULT_DIR /XX/…/XX/├─子文件夹1 ├─图片1.json #图片1的结果信息 ├─子文件夹2 ├─图片2.json #图片2的结果信息 注:“XX/…/XX/子文件夹i/”路径和待处理数据集(OCTPS_DATASET_DIR)中的此部分路径保持一致。
  • 购买扩展资源包 购买扩容包和节点时,需要事前购买相对应的服务。 登录Octopus服务平台。 在“总览”页签中单击“购买服务”。 选择需要购买的扩展资源包的基础配置,然后单击“下一步:资源配置”。 以购买“规控仿真引擎-在线”为例,设置购买时长、购买个数以及是否自动续费和仿真器类型。 选择扩展资源包的资源配置,然后单击“下一步:确认配置”。 按需选择存储扩容包、通用处理节点和AI处理节点,以购买“自动驾驶数据管理缓存扩容包”和“octopus计算型CPU(16u32g)专属实例”为例。 确认配置后,勾选服务声明,单击“去支付”,界面生成支付订单,可根据自身情况选择支付方式,确认付款。
  • 预审核任务相关操作 在“预审核任务”列表,还可以进行以下操作。 表1 预审核任务相关操作 任务 操作步骤 查询预审核任务 在搜索输入框中输入搜索条件,按回车键即可查询任务。 查看模型 单击模型名称,界面跳转至模型详情,可查看模型。 查看任务报告 单击操作栏中的“报告”,可查看或下载任务报告。 查看任务日志 单击操作栏中的“日志”,可查看或下载日志详情。 删除任务 选择单个任务,单击操作栏的“删除”,删除单个任务。 勾选多个任务,单击列表上方的“批量删除”,可批量删除任务。
  • 制作CCE集群训练镜像 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。 一般情况下,训练与评测定义为同一个引擎,主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile模式进行构建。 以训练、评测镜像为例,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 # 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 # 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 编译镜像类似上述训练、评测镜像制作方式,但一般不包含cuda/cudnn库,需替换为用户的编译环境。 对于Dockerfile的统一构建方式如下: docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 镜像运行时,会向运行环境注入部分默认文件配置: 表1 环境变量说明 任务名称 文件名 环境变量 训练任务 增量模型目录 MODEL="/tmp/data/model" 训练产物目录 RESULT= "/tmp/result" 数据集目录 DATASET="/tmp/data/dataset/" 评测任务 评测结果目录 EVAL_RESULT= "/tmp/result" 模型版本文件目录 MODEL="/tmp/data/model" 数据集目录 DATASET= "/tmp/data/dataset/dataset-0" 编译任务 模型版本文件目录 MODEL_PATH="/tmp/data/model" 编译产物目录 TMP_RESULT_PATH= "/tmp/result" 预标注任务 数据集目录 OCTPS_DATASET_DIR="/tmp/…/data" 模型版本文件目录 OCTPS_MODEL_DIR="/tmp/…/model" 模型版本关联标注物文件路径 OCTPS_META_PATH="/tmp/…/meta/label_meta_infos.json" 预标注结果数据目录 TARGET_RESULT_DIR="/tmp/…/result/data" 预标注日志文件目录 TARGET_ LOG _DIR="/tmp/…/result/log" 推理服务 模型版本文件目录 OCTOPUS_MODEL="/home/mind/model" 父主题: 制作镜像(训练)
  • 预警系统激活(Warning)检测 预警系统激活用于评价算法是否激活以下五项预警功能: 盲区预警 前方碰撞预警 车道偏离预警 泊车碰撞预警 后方横向车流预警 当算法pb中检测到预警项且状态为STATE_ACTIVE,则视该预警为激活态,否则为非激活态;当预警状态从非激活态转变为激活态,视为激活一次; 有些场景本身不需要激活预警:例如当一个场景中主车未泊车时,不需要激活泊车碰撞预警,此时如果激活预警反而说明主车算法出错;也有一些场景需要特定次数的激活预警:例如当一个场景中主车驾驶过程中会碰到n个盲区,此时必须正好激活n次才能证明主车算法通过;因此支持让用户设置各项子指标是否需要预警和期望的预警次数; 默认期望的预警次数为-1,此时只要该预警功能激活至少一次,则评测项通过;当设置期望的预警次数为正数或0时(0代表期望预警功能不被激活),只有当预警功能激活次数和期望预警次数相同时,评测项才通过; 该指标仅对有算法pb的场景有效。当算法pb中未设置预警项,或预警项状态皆为STATE_UNKNOWN时,该指标也视为无效; 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_ALL。
  • 绿灯通行(Drive Through Green Light)检测 绿灯通行检测的目的是判断主车在接近十字路口后, 如果是绿灯, 主车是否直接通行而没有停止。 另外,当交通灯由红灯变为绿灯后, 主车重新启动的时间是否太大。 本设计认为在绿灯状态下, 如果前方没有行人和引导车的情况下, 主车在停止线前20m范围内发生停车行为, 则绿灯前直接通行不通过。 当交通灯由红灯变为绿灯后, 如果主车重新启动的时间大于一定阈值(本设计取3s), 则绿灯后重新启动时间太大。 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。
  • 应对对向车辆占道(Encroaching vehicle)检测 在双向车道路上, 会存在主车与对向车辆存在横向冲突的情况, 应对对向车辆冲突行驶检测的目的是判断主车在这种情况下, 能否进行适当的转向和减速避让, 从而保证安全性。 其中主车需要进行避让的前提条件是: 当主车前端与对向行驶的车道纵向距离一定范围内(本设计取10m), 并且主车与对向车辆的横向距离小于两者一半车宽的和。 当满足该条件后, 如果主车没有进行转向避让和减速避让, 则对应的检测不通过。 减速避让检测不通过是指主车的加速度大于0。 其中转向避让检测考虑到中国是靠右行驶, 在设计该类测试场景时, 对向车会是在主车的左侧。 转向避让检测不通过是指主车没有向右边转向。 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。
  • 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。
共100000条