华为云用户手册

响应示例 状态码： 200 日志上报成功。 { "errorCode": "SV CS TG.ALS.200.200", "errorMessage": "Report success.", "result": null } 状态码： 401 在客户端提供认证信息后，返回该状态码，表明服务端指出客户端所提供的认证信息不正确或非法。 { "errorCode" : "SVCSTG.ALS.403.105", "errorMessage" : "Project id is invalid.", "result": null }

请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 从 IAM 获取的用户Token，获取方式请参见：获取用户Token。 缺省值：None 最小长度：1000 最大长度：2000 Content-Type 是 String 该字段填为：application/json;charset=UTF-8。 缺省值：None 最小长度：30 最大长度：30 表3 请求Body参数 参数 是否必选 参数类型 描述 log_time_ns 是 Long 日志数据采集时间，UTC时间（纳秒）。 说明： 上报日志的时间为2天以内，否则日志会被丢弃。 contents 是 Array of String 日志内容。 labels 是 Object 用户自定义label。 说明： 请不要将字段名称设置为内置保留字段，否则可能会造成字段名称重复、查询不精确等问题。 tenant_project_id 否 String 租户ID。

URI POST /v2/{project_id}/lts/groups/{log_group_id}/streams/{log_stream_id}/tenant/contents 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID，获取方式请参见：获取账号ID、项目ID、日志组ID、日志流ID。 缺省值：None 最小长度：32 最大长度：32 log_group_id 是 String 日志组ID，获取方式请参见：获取账号ID、项目ID、日志组ID、日志流ID。 缺省值：None 最小长度：36 最大长度：36 log_stream_id 是 String 日志流ID，获取方式请参见：获取账号ID、项目ID、日志组ID、日志流ID。 缺省值：None 最小长度：36 最大长度：36 注：每个logstream写入速率最大不能超过100MB/S，超过此规格可能会导致日志丢失。

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: 2021-08-27T11:43:07~2021-08-27T11:43:47 data_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

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”。请根据“如何管理访问密钥”操作指导，确认当前AK/SK是否是当前账号创建的AK/SK。 是，请联系提交工单处理。 否，请根据“如何管理访问密钥”操作指导更换为当前账号的AK/SK。 请确认当前账号是否欠费。 是，请给账号充值。操作指导请参见华为云账户充值。 否，且提示资源已过保留期，需要提工单给OBS开通资源。 父主题： 其他常见问题

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。 }

Tag_record 对于标签记录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5 tag_record消息格式规范 格式名称 说明 ScenarioSegments 场景片段 /*********************************** content: Octopus 输入数据格式 version: 1.0 ************************************/ syntax = "proto3"。 package Octopusdata。 message ScenarioSegment { uint32 scenario_id = 1。 #必选。场景id string source = 2。 #必选。片段的来源 uint64 start = 3。 #必选。片段的开始时间（时间戳） uint64 end = 4。 #必选。片段的结束时间（时间戳） } message ScenarioSegments { repeated ScenarioSegment segments = 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id string 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：rad float 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。 }

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。 }

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：rad float velocity_linear=12。 #必选。速度，单位：m/s float velocity_angular=13。 #必选。角速度，单位：rad/s float acceleration_linear=14。 #必选。加速度，单位：m^2/s float acceleration_angular=15。 #必选。角加速度，单位：rad^2/s } message LocalizationInfo { repeated LocalizationInfoFrame localization_info = 1。 }

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/s float interior_temperature = 8。 #Unit: Celsius float outside_temperature = 9。 #Unit: Celsius float 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。 }

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

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”，见下图。 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

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

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

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

Routing_path timestamp: 1630057162125 stamp_secs: 1630057162 stamp_nsecs: 125769156 routing_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 }......}

Predicted_objects stamp_secs: 1617336640 stamp_nsecs: 971891550 timestamp: 1617336640971 obstacle_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 stamp_secs: 1617336640 stamp_nsecs: 809739351 timestamp: 1617336640809 trajectory_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 tracked_object { timestamp: 1604996332862 stamp_secs: 1604996332 stamp_nsecs: 862911489 objects { 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 timestamp: 1630057508000 stamp_secs: 1630057508 lights { 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 }

Octopus开发基本流程？ Octopus是一站式自动驾驶开发平台，从数据收集上云，到自动化处理数据，自动或手动标注数据，创建并增量更新数据集，并将数据集用于模型训练，以及基于特定场景的在线仿真，用户都可以在Octopus平台上完成。 图1 Octopus开发流程 采集数据 指的是数据采集车辆各传感器的原始数据，是使用Octopus平台前的准备工作。当前支持使用Rosbag数据格式收集采集数据。 上传数据 原始数据采集完毕后，在平台上创建数据收集任务，通过多种方式上传数据文件至Octopus平台。 数据处理 通过用户自定义算子对Rosbag数据包进行处理，最终将原始数据结构化，解析出各种不同传感器详细数据，如摄像头录制的图像数据、雷达的点云数据、车辆行驶轨迹等。生成的图片可以直接用于标注。 标注数据 对于图片和点云数据，可以通过自动或人工的方式，标注图像中特定物体。标注后的图片和点云图片可用于模型训练，高质量的标注数据有利于模型精准度提升，并持续迭代。 增量数据集 将标注后的数据根据数据类型、标注、标签等，建立不同种类的数据集，同时支持数据集增量更新，可针对性用于不同算法和模型的训练。 模型训练 基于平台上创建好的数据集，可对自定义算法或内置算法进行训练，并对生成的模型进行评估，也可进一步用于预标注。 模型评估 在建模过程中，由于偏差过大导致的模型欠拟合以及方差过大导致的过拟合的存在，因此需要一套评价体系，来评估模型的泛化能力。 在线仿真 仿真即通过软件模拟车辆行驶的路况和场景，不需要真实的环境和硬件，极大节省训练和测试的成本和时间。Octopus仿真服务预置了智能驾驶、主动安全、危险场景等六大场景实例，覆盖大部分驾驶路况，用户可直接在线使用，持续迭代提升自动驾驶安全性。 父主题： 关于Octopus

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。

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。 图1 控制台入口 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。 图2 我的凭证 查找用户。 图3 查找用户 单击用户名进入用户详情，查看用户所属用户组。 图4 查找用户所属用户组 单击用户组，查看用户组授权记录。 图5 查看用户组授权 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6 查看权限策略内容 父主题： 其他常见问题

“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

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 - - √ -