您好,登录后才能下订单哦!
这篇文章将为大家详细讲解有关apollo怎么在预测模块中添加新的评估器,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
评估器使用预训练的深度学习模型生成特征(来自障碍物和自车的原始信息)以获得模型输出。
请参照以下步骤新增一个名为NewEvaluator的评估器:
在proto中新增一个文件
以继承Evaluator类的方式定义一个新类NewEvaluator
实现NewEvaluator类
更新预测配置文件
更新评估管理器
在modules/prediction/evaluator/vehicle文件夹下创建文件new_evaluator.h
文件内容如下:
#include "modules/prediction/evaluator/evaluator.h" namespace apollo { namespace prediction { class NewEvaluator : public Evaluator { public: NewEvaluator(); virtual ~NewEvaluator(); void Evaluate(Obstacle* obstacle_ptr) override; // Other useful functions and fields. }; } // namespace prediction } // namespace apollo
在相同文件夹下创建一个名为new_evaluator.cc的文件,实现新定义的类。新类的实现方法如下所示:
#include "modules/prediction/evaluator/vehicle/new_evaluator.h" namespace apollo { namespace prediction { NewEvaluator::NewEvaluator() { // Implement } NewEvaluator::~NewEvaluator() { // Implement } NewEvaluator::Evaluate(Obstacle* obstacle_ptr)() { // Extract features // Compute new_output by applying pre-trained model } // Other functions } // namespace prediction } // namespace apollo
在文件prediction_conf.proto中增加一个类型来表示新增的评估器,如下所示:
enum EvaluatorType { MLP_EVALUATOR = 0; NEW_EVALUATOR = 1; }
在配置文件modules/prediction/conf/prediction_conf.pb.txt中,更新evaluator_typ域,具体如下所示:
obstacle_conf { obstacle_type: VEHICLE obstacle_status: ON_LANE evaluator_type: NEW_EVALUATOR predictor_type: NEW_PREDICTOR }
按照下面的代码示例更新函数CreateEvluator( ... ):
case ObstacleConf::NEW_EVALUATOR: { evaluator_ptr.reset(new NewEvaluator()); break; }
按照下面的代码示例更新函数RegisterEvaluators():
RegisterEvaluator(ObstacleConf::NEW_EVALUATOR);
完成上述步骤之后,即表示创建了新的评估器。
如果您想增加新的属性,请参照以下说明:
假设新的评估输出结果为new_output并且其类型为int32。
如果输出直接与障碍物相关,请参考以下代码在modules/prediction/proto/feature.proto文件中增加新的域:
message Feature { // Other existing features optional int32 new_output = 1000; }
如果输出与车道序列相关,请参考以下代码在modules/prediction/proto/lane_graph.proto文件中增加新的域:
message LaneSequence { // Other existing features optional int32 new_output = 1000; }
关于“apollo怎么在预测模块中添加新的评估器”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。