技术文档丨开放式感知雷达模型训练服务

开放式感知雷达模型训练服务是一项基于云的服务，可使用数据中的pointpillars算法训练感知雷达模型，以更好地检测环境中的障碍。

  ENJOY THE FOLLOWING  

• Apollo 6.0或更高版本。

• 根据文件注册的百度云BOS服务。

• Apollo Dreamland上的Fuel服务帐户。

• 数据采集

• 作业提交

• 模型训练结果

在尽可能覆盖自动驾驶环境的不同场景中，从激光雷达和相机收集传感器数据，请确保场景中有不同类型的障碍物，例如行人和车辆。然后使用kitti数据格式标记传感器数据。

• 我们使用Kitti数据格式作为训练数据格式：

INPUT_DATA_PATH:
    training:
        calib
        image_2
        label_2
        velodyne
    testing:
        calib
        image_2
        velodyne
    train.txt
val.txt
    trainval.txt
    test.txt 

<左右滑动以查看完整代码>

• 支持的障碍物类别检测：

bus, Car, construction_vehicle, Truck, barrier, Cyclist, motorcycle, Pedestrian, traffic_cone

<左右滑动以查看完整代码>

When labeling your data, `type` must be one of the above categories (please note the uppercase).

<左右滑动以查看完整代码>

提交工作的文件夹结构要求：

1. 输入数据路径：将数据上传到INPUT_DATA_PATH目录。

2. 输出数据路径：如果模型训练成功，则onnx文件将保存到OUTPUT_DATA_PATH目录。

在Apollo Dreamland，用百度账号登陆，选择Apollo Fuel-->Jobs，New Job，Perception Lidar Model Training，并在上传数据到BOS部分输入正确的BOS路径。

• 作业完成后，您应该期望每份工作收到一封电子邮件，其中包含结果和Model Path。

以上是开放式感知雷达模型训练服务"的全部内容，更多话题讨论、技术交流可以扫描下方二维码添加『Apollo小哥哥』为好友，进开发者交流群。