技术文档丨如何在预测模块中添加新的评估器
预测模块是不可或缺的一个板块,其作用很大程度上决定了试验能否成功。预测模块综合各个模块的数据信息和评价结果,具备信息融合功能,可以评估各个子系统及系统整体未来的状态,开发者可根据预测模块的评估结果进行调整。而加入新的Evaluator,更是能自定义评估方向,增加评估结果准确度。
以下,ENJOY
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:
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:
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;
}
更多话题讨论、技术交流
可以添加『Apollo小哥哥』为好友
进开发者交流群