华为云用户手册

Routing_path 对于全局规划路径数据的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表9 routing_path消息格式规范 格式名称 说明 RoutingFrames 规划路径 /*********************************** content: Octopus 输入数据格式 version: 1.0 ************************************/ syntax = "proto3"。message Point{ float x = 1。 float y = 2。 float z = 3。}message Path{ uint64 id = 1。 repeated Point path_point = 2。}message RoutingPath{ uint64 timestamp = 1。 uint64 stamp_secs = 2。 uint64 stamp_nsecs = 3。 repeated Path routing_path_info = 4。}message RoutingFrames{ repeated RoutingPath routing_frame = 4。}

Control 对于控制数据的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表6 control消息格式规范 格式名称 说明 ControlCommand 控制命令 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message CommandFrame { uint64 stamp_secs = 1。 uint64 stamp_nsecs = 2。 uint64 timestamp = 3。 #必选，时间戳 float acceleration=4。 #必选，加速度值 float front_wheel_angle=5。 #必选，方向盘转角 int32 gear=6。}message ControlCommand { repeated CommandFrame command_frame = 1。}

Predicted_objects 对于预测路径数据的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表7 predicted_objects消息格式规范 格式名称 说明 PredictionObstacles 预测障碍物 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message PathPoint { float x = 1。 #必选，预测轨迹点x坐标 float y = 2。 #必选，预测轨迹点y坐标 float z = 3。 #必选，预测轨迹点z坐标 float theta = 4。 float kappa = 5。 int32 lane_id= 6。 float v=7。 float a=8。 float relative_time=9。}message PredictionTrajectory { repeated PathPoint path_point = 1。 #必选，预测轨迹多个点}message Obstacle { uint64 obstacle_timestamp = 1。 int32 id=2。 #必选，预测目标的id float x = 3。 #非必选，预测目标的x坐标 float y = 4。 #非必选，预测目标的y坐标 float z = 5。 #非必选，预测目标的z坐标 repeated PredictionTrajectory prediction_trajectory = 6。 #必选，预测目标的多条轨迹}message PerceptionObstacle { uint64 stamp_secs = 1。 uint64 stamp_nsecs = 2。 uint64 timestamp = 3。 #必选，预测目标的时间戳 repeated Obstacle obstacle_info= 4。 #必选，多个目标的预测信息}message PredictionObstacles { repeated PerceptionObstacle perception_obstacle= 4。 #必选，多条帧数据}

Planning_trajectory 对于规划路径数据的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表8 planning_trajectory消息格式规范 格式名称 说明 PlanTrajectory 规划路径 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message TrajectoryPoint { float x = 1。 #必选，轨迹点x坐标 float y = 2。 #必选，轨迹点y坐标 float z = 3。 #必选，轨迹点z坐标 float theta = 4。 float kappa = 5。 int32 lane_id=6。 float v=7。 #必选，速度 float a=8。 #必选，加速度 float relative_time=9。 #必选，相对时间}message Trajectory { uint64 stamp_secs = 1。 uint64 stamp_nsecs = 2。 uint64 timestamp = 3。 #必选，时间戳 float total_path_length = 4。 float total_path_time=5。 int32 gear=6。 #非必选，档位 int32 trajectory_type=7。 int32 vehicle_signal=8。 repeated TrajectoryPoint trajectory_points = 9。 #必选，轨迹}message PlanTrajectory { repeated Trajectory trajectory_info= 1。}

Traffic_light_info 对于交通灯数据的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表10 traffic_light_info消息格式规范 格式名称 说明 TrafficLightInfo 交通灯 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message Light {uint64 id = 1。uint64 color = 2。uint64 state = 3。uint64 type = 4。 float location_x = 5。 float location_y = 6。 float location_z = 7。}message Lights { uint64 timestamp = 1。 uint64 stamp_secs = 2。uint64 stamp_nsecs = 3。 repeated Light lights = 4。}message TrafficLightInfo { repeated Lights trafficlight_info = 1。}

Ego_tf 对于自车角度位置数据录制的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表3 ego_tf消息格式规范 格式名称 说明 LocalizationInfo 主车信息 消息格式中部分字段为必选，如使用该数据类型，则不可缺少该参数字段，否则会导致数据上传Octopus平台失败。 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message LocalizationInfoFrame {uint64 timestamp = 1。 #必选。时间戳。uint64 stamp_secs = 2。 #必选。时间戳，单位：秒uint64 stamp_nsecs = 3。 #必选。时间戳，单位：纳秒float pose_position_x = 4。 #必选。自车x轴坐标 float pose_position_y = 5。 #必选。自车y轴坐标 float pose_position_z = 6。 #必选。自车z轴坐标float pose_orientation_x = 7。 #必选。自车四元数x值 float pose_orientation_y = 8。 #必选。自车四元数y值 float pose_orientation_z = 9。 #必选。自车四元数z值float pose_orientation_w = 10。 #必选。自车四元数w值float pose_orientation_yaw=11。 #必选。朝向角，单位：radfloat velocity_linear=12。 #必选。速度，单位：m/sfloat velocity_angular=13。 #必选。角速度，单位：rad/sfloat acceleration_linear=14。 #必选。加速度，单位：m^2/sfloat acceleration_angular=15。 #必选。角加速度，单位：rad^2/s}message LocalizationInfo { repeated LocalizationInfoFrame localization_info = 1。}

查看OBS桶与Octopus是否在同一区域 查看创建的OBS桶所在区域。 登录OBS管理控制台。 进入“对象存储”界面，可在桶列表的“桶名称”列查找，或在右上方的搜索框中输入已经创建的桶名称搜索，找到您创建的OBS桶。 在“区域”列可查看创建的OBS桶的所在区域。 查看Octopus所在区域。 登录Octopus控制台，在控制台左上角可查看Octopus所在区域。 图1 Octopus控制台 比对您创建的OBS桶所在区域与Octopus所在区域是否一致。务必保证OBS桶与Octopus所在区域一致。

Vehicle 对于车辆自身基本数据录制的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表1 vehicle消息格式规范 格式名称 说明 VehicleInfo 车辆信息 消息格式中部分参数为必选，如使用该数据类型，则不可缺少该参数字段，否则会导致数据上传Octopus平台失败。 /*********************************** content: Octopus 输入数据格式 version: 0.1************************************/syntax = "proto3"。package Octopusdata。message VehicleFrame {uint64 stamp_secs = 1。 #必选。时间戳，单位：秒uint64 stamp_nsecs = 2。 #必选。时间戳，单位：纳秒uint32 autonomy_status = 3。 #非必选。自动驾驶状态sint32 gear_value = 4。 #必选。只应从枚举常量中赋值float vehicle_speed = 5。 #必选。行驶速度，如果齿轮是倒挡，值为负。float steering_angle = 6。 #必选。转向，以角度表示。顺时针或向右为正，0为垂直或直角。float yaw_rate = 7。 #Unit: deg/sfloat interior_temperature = 8。 #Unit: Celsiusfloat outside_temperature = 9。 #Unit: Celsiusfloat brake = 10。 #必选。刹车制动按压百分比 （0代表不按，1代表完全按下）。 uint64 timestamp = 11。 #必选。时间戳。 int32 turn_left_light=12。 #必选。左转灯。int32 turn_right_light=13。 #必选。右转灯。float longitude_acc=14。 #必选。纵向加速度。float lateral_acc=15。 #必选。横向加速度。 }message VehicleInfo { repeated VehicleFrame vehicle_info = 1。}

Object_array_vision 对于目标推理数据录制的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表4 object_array_vision消息格式规范 格式名称 说明 TrackedObject 感知目标 消息格式中部分字段为必选，如使用该数据类型，则不可缺少该参数字段，否则会导致数据上传Octopus平台失败。 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message Object {uint64 id = 1。 #必选。目标推理数据object数组idstring label = 2。 #必选。标记物体类型float pose_position_x = 3。 #必选。目标物x轴坐标 float pose_position_y = 4。 #必选。目标物y轴坐标 float pose_position_z = 5。 #必选。目标物z轴坐标float pose_orientation_x = 6。 #必选。目标物四元数x值 float pose_orientation_y = 7。 #必选。目标物四元数y值 float pose_orientation_z = 8。 #必选。目标物四元数z值float pose_orientation_w = 9。 #必选。目标物四元数w值float pose_orientation_yaw = 10。 #必选。朝向角，单位：radfloat dimensions_x = 11。 #必选。目标物x方向尺寸（长）float dimensions_y = 12。 #必选。目标物y方向尺寸（宽）float dimensions_z = 13。 #必选。目标物z方向尺寸（高）float speed_vector_linear_x = 14。 #必选。目标物x方向速度 float speed_vector_linear_y = 15。 #必选。目标物y方向速度 float speed_vector_linear_z = 16。 #必选。目标物z方向速度 float relative_position_x = 17。 #必选。目标物相对于主车x方向位置 float relative_position_y = 18。 #必选。目标物相对于主车y方向位置 float relative_position_z = 19。 #必选。目标物相对于主车z方向位置}message TrackedObjectFrame {uint64 timestamp = 1。 #必选。时间戳uint64 stamp_secs = 2。 #必选。时间戳，单位：秒uint64 stamp_nsecs = 3。 #必选。时间戳，单位：纳秒repeated Object objects = 4。 #必选。object数组}message TrackedObject { repeated TrackedObjectFrame tracked_object = 1。}

与数据包同名的yaml配置文件说明 数据包中必须含有与数据包同名的yaml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project: '项目名称'module: '感知'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: 'test' #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 speed：10km/h #选填 车速 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: ['主车直行','主车倒车'] #选填 标签，标签个数不超过50个 例：沙尘天，正向设计，驾驶模式 description: '强风沙天,车辆空载在排土区自动驾驶到接土区前等待长坡道' #选填 车载情况 segments: #选填 数据包场景片段 - tags: ['晴天','直行'] time: 2021-08-27T11:43:07~2021-08-27T11:43:47data_type: Rosbag #必填 数据类型 map_id: MAP1134 #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。preprocessor: #转OpenData算子信息 id: 10105 # 算子id resource_spec: 4Core_8GiB # 资源规格

Gnss 对于卫星导航系统数据录制的消息格式，需遵循一定规范，其中部分字段为必选，其他请根据实际需要自由选取。 表2 gnss消息格式规范 格式名称 说明 GnssPoints gps点 消息格式中部分字段为必选，如使用该数据类型，则不可缺少该参数字段，否则会导致数据上传Octopus平台失败。 /*********************************** content: Octopus 输入数据格式 version: 1.0************************************/syntax = "proto3"。package Octopusdata。message GnssPoint {uint64 stamp_secs = 1。 #必选。时间戳，单位：秒uint64 stamp_nsecs = 2。 #必选。时间戳，单位：纳秒 float latitude = 3。 #必选。纬度 float longitude = 4。 #必选。经度 float elevation = 5。 #必选。海拔高度，单位：米 uint64 timestamp = 6。 #必选。时间戳}message GnssPoints { repeated GnssPoint gnss_points = 1。}

使用场景 Octopus平台接收到原始数据（Rosbag包）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 - - √ -

“Octopus_data_collection.yaml”配置文件说明 数据包中必须含有“Octopus_data_collection.yaml”配置文件，且配置文件中采集时间、车辆名称、ego_tf关键字为必填项，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，否则会导致数据上传失败。 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。folders: #必填，传感器信息（硬盘递送选填，obs导入和本地直传必填） camera: #camera类型传感器 数量不超过20个 - name: camera_03encode format: jpg lidar: #lidar类型传感器 数量不超过10个 - name: pandar format: pcd gnss: #gnss类型传感器 数量不超过1个 - name: inspvax format: proto3 radar: #radar类型传感器 数量不超过10个 - name: pandar format: pcd vehicle: #vehicle类型传感器 数量不超过1个 - name: holo_VehicleInfoMagotan format: proto3 ego_tf: #ego_tf类型传感器 数量不超过1个 - name: localization_info format: proto3 object_array_vision: - #object_array_vision类型传感器 数量不超过5个 - name: tracked_objects format: proto3 tag_record: #tag_record类型传感器 数量不超过1个 - name: tag_record format: proto3 planning_trajectory: #planning_trajectory类型传感器 数量不超过1个 - name: planning_trajectory format: proto3 predicted_objects: #predicted_objects类型传感器 数量不超过1个 - name: prediction_prediction_obstacles format: proto3 control: #control类型传感器 数量不超过1个 - name: holo_ControlCommand format: proto3 routing_path: # routing_path类型传感器 数量不超过1个 - name: routing_routing_response_viz format: proto3 traffic_light_info: # traffic_light_info类型传感器 数量不超过1个 - name: traffic_light format: proto3

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 数据类型和消息topic对应关系。 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”。 除上述数据外，数据包中必须含有“Octopus_data_collection.yaml”配置文件。 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。

如何查看用户拥有的权限？ 使用账号登录华为云。 在页面左上方单击“控制台”，进入华为云管理控制台。 在控制台右上角的账户名下方，单击“ 统一身份认证 ”，进入“统一身份认证服务”页面。 查找用户。 单击用户名进入用户详情，查看用户所属用户组。 单击用户组，查看用户组授权记录。 单击权限（以Octopus FullAccess为例），查看具体的权限策略内容。了解策略内容请参考策略语法。 图1 查看权限策略内容 父主题： 其他常见问题

同一个任务配置运行多次仿真任务都可以改变什么？ 基于同一个任务配置运行多次仿真任务，可以更改“算法版本”。 不支持修改任务配置和场景库、测试套件的关联关系，但是可以继续往场景库以及套件中增删场景或用例。新运行的任务，则会读取当下场景库或用例中的场景数据。如果清空里面的有效场景或用例，会导致任务运行失败。 不支持修改任务配置和评测的关联关系，但是评测自身属性，可以在评测管理页面进行调整。再次启动任务时，将使用新的评测方式。 父主题： 仿真服务常见问题

Predicted_objects Predicted_objects格式示例： stamp_secs: 1617336640stamp_nsecs: 971891550timestamp: 1617336640971obstacle_info { obstacle_timestamp: 1617336640699 id: 6711 x: -123.08731842041016 y: 486.83221435546875 z: 0.575542688369751 prediction_trajectory { path_point { x: -103.26817321777344 y: 486.0815734863281 theta: -0.007839304395020008 v: 4.405668258666992 relative_time: 4.5 } path_point { x: -102.82765197753906 y: 486.0737609863281 theta: -0.00746726430952549 v: 4.405668258666992 relative_time: 4.599999904632568 }...... }}obstacle_info { obstacle_timestamp: 1617336640699 id: 6744 x: -145.0320587158203 y: 491.35015869140625 z: -0.40381166338920593 prediction_trajectory { path_point { x: -145.0320587158203 y: 491.35015869140625 theta: -2.9442124366760254 v: 1.0038001537322998 } path_point { x: -145.1304931640625 y: 491.3304748535156 theta: -2.9442124366760254 v: 1.0038001537322998 relative_time: 0.10000000149011612 }...... }}obstacle_info { obstacle_timestamp: 1617336640699 id: 6760 x: -138.3047332763672 y: 489.9286193847656 z: -0.12651222944259644}

Planning_trajectory Planning_trajectory格式示例： stamp_secs: 1617336640stamp_nsecs: 809739351timestamp: 1617336640809trajectory_points { x: -151.27487182617188 y: 486.55096435546875 theta: 0.0023324606008827686 kappa: -0.0017824547830969095}trajectory_points { x: -151.21182250976562 y: 486.5510559082031 theta: 0.0022713469807058573 kappa: -0.0017127590253949165}......

Object_array_vision Object_array_vision格式示例： tracked_object {timestamp: 1604996332862stamp_secs: 1604996332stamp_nsecs: 862911489objects { id: 26175 label: "Car" pose_position_x: 1154.59912109375 pose_position_y: -496.5350646972656 pose_position_z: -1.8222997188568115 pose_orientation_z: 0.714431643486023 pose_orientation_w: 0.6997052431106567 pose_orientation_yaw: 1.5916229486465454 dimensions_x: 4.513162136077881 dimensions_y: 1.7747581005096436 dimensions_z: 1.628068208694458 speed_vector_linear_x: 0.012852923013269901 speed_vector_linear_y: -9.972732543945312 relative_position_x: -17.48011016845703 relative_position_y: 10.685434341430664 relative_position_z: -0.17673441767692566}objects { id: 26170 label: "Pedestrian" pose_position_x: 1180.902099609375 pose_position_y: -504.7625732421875 pose_position_z: -1.3601081371307373 pose_orientation_z: -0.7057344317436218 pose_orientation_w: 0.7084764242172241 pose_orientation_yaw: -1.5669186115264893 dimensions_x: 0.7922295331954956 dimensions_y: 0.7891787886619568 dimensions_z: 1.6868246793746948 speed_vector_linear_x: 0.13573257625102997 speed_vector_linear_y: 1.5281875133514404 relative_position_x: -25.306795120239258 relative_position_y: -15.737456321716309 relative_position_z: 0.39350399374961853}objects { id: 26169 label: "Pedestrian" pose_position_x: 1175.647216796875 pose_position_y: -506.730712890625 pose_position_z: -1.569373607635498 pose_orientation_z: 0.6943609118461609 pose_orientation_w: 0.7196269631385803 pose_orientation_yaw: 1.5350627899169922 dimensions_x: 0.8029457330703735 dimensions_y: 0.7876891493797302 dimensions_z: 1.6028095483779907 speed_vector_linear_x: 0.06551000475883484 speed_vector_linear_y: 0.0022428608499467373 relative_position_x: -27.355571746826172 relative_position_y: -10.512933731079102 relative_position_z: 0.19844147562980652}objects { id: 26168 label: "Pedestrian" pose_position_x: 1173.3189697265625 pose_position_y: -507.2300109863281 pose_position_z: -1.6026556491851807 pose_orientation_z: 0.717462956905365 pose_orientation_w: 0.6965966820716858 pose_orientation_yaw: 1.600306749343872 dimensions_x: 0.7922430038452148 dimensions_y: 0.7811086177825928 dimensions_z: 1.6341478824615479 speed_vector_linear_x: -0.04817964881658554 speed_vector_linear_y: -0.21502695977687836 relative_position_x: -27.89008903503418 relative_position_y: -8.192517280578613 relative_position_z: 0.16775710880756378}objects { id: 26155 label: "Bus" pose_position_x: 1172.106689453125 pose_position_y: -478.5303039550781 pose_position_z: -0.48812994360923767 pose_orientation_z: -0.7203028798103333 pose_orientation_w: 0.6936596632003784 pose_orientation_yaw: -1.6084778308868408 dimensions_x: 11.322981834411621 dimensions_y: 2.9294095039367676 dimensions_z: 3.1415622234344482 speed_vector_linear_x: -0.017722932621836662 speed_vector_linear_y: 0.1302066147327423 relative_position_x: 0.7977913022041321 relative_position_y: -6.548437118530273 relative_position_z: 0.9966707229614258}objects { id: 26153 label: "Bus" pose_position_x: 1148.1876220703125 pose_position_y: -490.8350524902344 pose_position_z: -0.954763650894165 pose_orientation_z: 0.6907882690429688 pose_orientation_w: 0.7230570912361145 pose_orientation_yaw: 1.5251574516296387 dimensions_x: 10.779899597167969 dimensions_y: 2.856076717376709 dimensions_z: 2.811084508895874 speed_vector_linear_x: 0.03153659775853157 speed_vector_linear_y: 0.23439916968345642 relative_position_x: -11.868709564208984 relative_position_y: 17.1827335357666 relative_position_z: 0.6278138756752014}objects { id: 26141 label: "Bus" pose_position_x: 1171.7779541015625 pose_position_y: -512.5936889648438 pose_position_z: -0.9443151354789734 pose_orientation_z: -0.7186583876609802 pose_orientation_w: 0.6953632831573486 pose_orientation_yaw: -1.6037421226501465 dimensions_x: 10.841312408447266 dimensions_y: 2.9661808013916016 dimensions_z: 3.2250704765319824 speed_vector_linear_x: 0.0513402484357357 speed_vector_linear_y: 0.006104861851781607 relative_position_x: -33.26952362060547 relative_position_y: -6.731308937072754 relative_position_z: 0.8776476979255676}objects { id: 26133 label: "Bus" pose_position_x: 1146.657958984375 pose_position_y: -508.7508239746094 pose_position_z: -0.883571445941925 pose_orientation_z: 0.7007946968078613 pose_orientation_w: 0.713362991809845 pose_orientation_yaw: 1.5530219078063965 dimensions_x: 12.186415672302246 dimensions_y: 2.824420690536499 dimensions_z: 3.292656183242798 speed_vector_linear_x: 0.005901232361793518 speed_vector_linear_y: 0.013970088213682175 relative_position_x: -29.803848266601562 relative_position_y: 18.443498611450195 relative_position_z: 0.8749525547027588}objects { id: 26120 label: "Bus" pose_position_x: 1170.993408203125 pose_position_y: -525.5801391601562 pose_position_z: -1.104852318763733 pose_orientation_z: -0.7154129147529602 pose_orientation_w: 0.6987019181251526 pose_orientation_yaw: -1.5944297313690186 dimensions_x: 10.749905586242676 dimensions_y: 2.7170863151550293 dimensions_z: 3.0421104431152344 speed_vector_linear_x: 0.016746148467063904 speed_vector_linear_y: -0.23609620332717896 relative_position_x: -46.26727294921875 relative_position_y: -6.141877174377441 relative_position_z: 0.8449855446815491}}

Traffic_light_info Traffic_light_info格式示例： timestamp: 1630057508000stamp_secs: 1630057508lights { id: 1 color: 1 location_x: -206.60186767578125 location_y: 459.9820861816406 location_z: 3.0}lights { id: 2 color: 2 location_x: -74.1282958984375 location_y: 484.984619140625 location_z: 4.0}lights { id: 3 color: 3 location_x: 59.96036911010742 location_y: 473.6038513183594 location_z: 5.0}

Vehicle Vehicle格式示例： vehicle_info {stamp_secs: 1604996332stamp_nsecs: 847945211autonomy_status: 0gear_value: 4vehicle_speed: 43.93000030517578steering_angle: 0.699999988079071yaw_rate: 0.0interior_temperature: 0.0outside_temperature: 0.0brake: 0.0timestamp: 1604996332847turn_left_light: 0turn_right_light: 0longitude_acc: -0.03125lateral_acc: 0.0}

Ego_tf Ego_tf格式示例： localization_info {timestamp: 1604996332855stamp_secs: 1604996332stamp_nsecs: 855301408pose_position_x: 1165.5460205078125pose_position_y: -479.2198486328125pose_position_z: -1.48505699634552pose_orientation_x: 0.003883248195052147pose_orientation_y: -0.0031167068518698215pose_orientation_z: 0.7017714977264404pose_orientation_w: 0.7123847603797913pose_orientation_yaw: 1.5557808876037598velocity_linear: 12.21684455871582velocity_angular: 0.014540454372763634acceleration_linear: 0.23571151494979858acceleration_angular： 0.0}

Tag_record Tag_record格式示例： segments { scenario_id: 100000000 source: "takeover" start: 1617336642300 end: 1617336652300}segments { scenario_id: 100000000 source: "vehicle" start: 1617336672300 end: 1617336692300}

Routing_path Routing_path格式示例： timestamp: 1630057162125stamp_secs: 1630057162stamp_nsecs: 125769156routing_path_info { id: 1 path_point { x: -203.34230041503906 y: 125.63516998291016 z: -0.5 } path_point { x: -203.34915161132812 y: 125.72517395019531 z: -0.5 }......}

采样结果 如下图所示，对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样，参数都是符合随机特性，但采样得到的值不相同。 对于同样的采样点数，拉丁超立方采样的结果会更加分散，并且边界值会更多。 图4 蒙特卡洛采样结果 图5 拉丁超立方采样结果 对于离散型参数，联合概率分布采样会根据给定的取值列表进行随机采样。 图6 离散型参数-联合概率分布采样结果 对于连续型参数，联合概率分布采样会根据参数分布和相关系数进行采样。 图7 连续型参数-联合概率分布采样结果 对于重要性采样，联合概率分布采样会在边界附近进行采样。 图8 重要性采样结果

如何一键恢复在线仿真功能？ 现象：使用在线仿真功能时，场景损坏导致加载失败，或在线仿真软件所在机器系统发生故障导致数据丢失或其他不可预知问题。 解决办法： 重启在线仿真软件并重新加载场景。 关闭在线仿真软件并重新启动，先单击 √图标，再单击在线仿真软件播放按钮。 图1 在线仿真软件播放按钮 恢复系统镜像至所需版本。 在线仿真所在机器，提供了系统镜像的备份、恢复、删除功能，建议用户在环境配置稳定后，就备份一个初始版本。并根据实际业务需要，定期备份系统镜像，以保障业务稳定和数据安全。 父主题： 仿真服务常见问题

提示“上传的AK/SK不可用”，如何解决？ 问题分析 AK与SK是用户访问OBS时需要使用的密钥对，AK与SK是一一对应，且一个AK唯一对应一个用户。如提示不可用，可能是由于账号欠费或AK与SK不正确等原因。 解决方案 使用当前账号登录OBS管理控制台，确认当前账号是否能访问OBS。 是，请执行步骤2。 否，请执行步骤3。 如能访问OBS，单击右上方登录的用户，在下拉列表中选择“我的凭证”，确认当前AK/SK是否是当前账号创建的AK/SK，可参考如何获取访问密钥AK/SK？。 是，请联系提交工单处理。 否，请更换为当前账号的AK/SK。 请确认当前账号是否欠费。 是，请给账号充值。。 否，且提示资源已过保留期，需要提交工单给OBS开通资源。 父主题： 其他常见问题

关闭图形 用户可通过关闭图形或退出程序两种方式来关闭已打开的图形文件。 通过以下途径关闭图形文件。 单击文档选项卡右端按钮，或通过文档选项卡右键菜单选项关闭指定图形文件。 双击文档选项卡关闭指定图形文件。 单击绘图区域右上角“关闭”按钮关闭当前图形文件。 执行 CLOSE 或 CLOSEALL 命令关闭当前或所有图形文件。 退出程序：通过以下途径退出中望CAD 来关闭图形文件，退出中望CAD 意味着打开的所有图形文件都将被关闭。 单击程序界面右上角“关闭”按钮退出中望CAD。 Windows 任务栏中右键单击中望CAD 图标，选择“关闭窗口”退出中望CAD。 执行 QUIT 命令退出中望CAD。 相关命令 CLOSE：关闭当前图形文件 CLOSEALL：关闭所有打开的图形文件 QUIT：退出中望CAD 相关系统变量 CLICKAPPBTN：控制应用程序图标的单击或双击行为 将本地图纸、文件夹同步至云端，或将云端图纸、文件夹同步到本地。用户在使用其他机器进行工作时，不用反复复制或传递图纸，可直接从云端下载图纸进行编辑，修改完毕后也将直接上传到云端。

启用 云存储 功能 用户执行 OPENONLINEOPTIONS 命令访问“选项”对话框“在线”选项卡，可以启用云存储功能，并设置功能特性。 勾选“启用云存储”，勾选后“在线”选项卡中的其他选项将取消灰显。 指定云存储服务供应商，可从下拉列表中选择百度云或华为云。单击“获取授权”按钮，登录百度账号或华为账号以获取授权，授权登录成功后，对话框将显示当前登录的账号名称。 设置文件自动同步方式，选择的同步方式如果是“在我同步时自动保存”，则用户每次保存图纸后，本地同步目录中将生成图纸副本并上传至云端；如果选择“仅同步我选择的文档”，用户可以通过 SAVETOCLOUD 或 UPLOADMULTIPLE 命令将图纸副本保存至本地同步目录，并上传至云端。 指定本地同步目录，默认文件夹为“ZWCAD Syble”，也可以自行指定，直接输入本地文件夹路径，或单击“…”按钮浏览并选择。启用云存储功能后，保存到本地同步目录下的图纸都将自动同步至云端。 只有当勾选“启用云存储”并登录云服务供应商账号时，云存储功能才能启用。如果仅勾选“启用云存储”后单击“确定”，程序将弹窗提示须登录云服务供应商账号以获取授权。 Syble 服务面板：启用云存储功能后，系统托盘中将出现 Syble 服务图标。 双击图标展开/收起“同步详情”面板，“正在同步”选项卡显示当前同步的文件名、同步时间及状态，“同步记录”选项卡显示文件同步历史记录，用户可以单击面板底部按钮来启动/停止 ZWCAD Syble 服务。 右键图标访问快捷菜单，依次为开始/停止同步、打开/关闭“同步详情”面板、打开本地同步文件夹、显示 ZWCAD Syble 版本信息、退出 ZWCAD Syble 服务。 图6 Syble 服务面板 云端及本地同步目录：云存储功能当前只支持在本地和云端间同步目录结构及图形文件，其他非图形文件无法进行同步。 云端将自动创建一个文件夹来保存同步的图纸、文件夹。以百度云盘为例，云端文件夹为“./apps/ZWCAD”，云端文件夹中将以完整的目录结构保存本地文件夹内容。 本地同步目录由用户指定。如果用户指定了新的本地同步目录，程序会基于本地和云端的文件差异，自动从云端下载或从本地上传，直至云端和本地文件夹内容一致。 启用云存储后，图纸从本地或云端任一处删除，删除操作也将被同步。为避免可能由此造成的图纸丢失问题，在同步文件夹中建议以图纸副本进行编辑。 相关命令 OPENONLINEOPTIONS：打开“选项”对话框的“在线”选项卡 OPTIONS：显示“选项”对话框，以指定程序所有使用的预设设置 SAVETOCLOUD：将当前图纸副本保存到本地同步目录，并上传至云端 UPLOADMULTIPLE：将选定的多个图形文件保存到本地同步目录，并上传至云端

传递图纸 用户如果需要分发图纸，可以将图形文件、支持文件以及相关文件打包后保存或传递，图形等文件可打包到文件夹或压缩包中。 创建传递：执行 ETRANSMIT 命令，开启“创建传递”对话框，从当前图形创建传递。以下关联文件（如包含）将自动添加到压缩包的文件列表中。 表1 文件类型 文件类型 说明 DWG 当前图形文件和外部参照源文件 JPG、PNG、GIF、BMP、…… 当前图形中附着的光栅图像 PDF、DWF、DWFx、DGN 当前图形中附着的参考底图 FMP 字体映射文件 CTB 颜色相关打印样式文件 STB 命名打印样式文件 PC3 绘图仪配置文件 对于未能自动添加到传递包中的文件，用户可手动选择将其添加到文件列表中，与图形文件一同传递。 传递包类型：传递包可创建为三种不同的类型，ZIP 压缩包、文件夹、EXE 可执行文件，区别在于其查看方式的差异。 ZIP 文件需要使用 WinRar 程序解压后进行查看。 文件夹可直接打开浏览。 EXE 可执行文件双击可自行解压进行查看。 对于保密图纸，为了防止文件信息泄露，保障图纸传递的安全性，用户可在“修改传递设置”对话框中勾选“提示输入密码”，保存时可以为传递包设置密码。加密后，必须输入密码才能访问传递包中的文件。 相关命令：ETRANSMIT：显示“选项”对话框，以指定程序所有使用的预设设置