【百度Apollo】探索自动驾驶:Apollo 新版本 Beta 全新的Dreamview+,便捷灵活更丰富


在这里插入图片描述

🎬 鸽芷咕:个人主页

 🔥 个人专栏: 《linux深造日志》《粉丝福利》

⛺️生活的理想,就是为了理想的生活!

文章目录

  • 引入
  • 一、Dreamview+介绍
  • 二、Dreamview+ 新特性
    • 2.1、基于模式的多场景——流程更简洁
      • 地图视角调节:
      • 调试流程简化
      • 优化路由绘制:
      • 测距与复制坐标:
    • 2.2、基于面板的布局——可视化更灵活
    • 2.3、集成云端资源中心——取用更方便
  • 三、关于快速入门方面

引入

随着技术的不断演进和用户需求的持续增长,我们很高兴地宣布 Apollo 平台的最新 Beta 版本中推出了全新的 Dreamview+,这是一项重要的更新,旨在为用户提供更强大、更智能的自动驾驶仿真和可视化工具。本文将深入介绍 Dreamview+ 的新特性以及它带来的益处。

一、Dreamview+介绍

Dreamview 是 Apollo 平台中的核心组件之一,它为用户提供了可视化的自动驾驶仿真环境,帮助开发者更直观地理解和调试自动驾驶系统的行为。然而,在实际应用中,用户对于仿真环境的要求越来越高,他们希望能够更精细地控制仿真场景、模拟各种复杂的交通情况,并且希望能够与其他开发者实时共享仿真结果和数据。

为了满足这些需求,我们团队对 Dreamview 进行了全面升级,推出了全新的 Dreamview+,旨在为用户提供更灵活、更智能的仿真和可视化工具,助力他们更好地开发和测试自动驾驶系统。

二、Dreamview+ 新特性

2.1、基于模式的多场景——流程更简洁

全新Dreamview+从感知、PnC等不同业务研发场景出发,根据不同场景的操作方式与开发流程,设计了默认模式、感知模式、PnC模式三种场景模式,开发者可以在三种模式之间随意切换,选择适应自身需求的模式进行自动驾驶开发,增强了场景针对性,同时极大提升了开发效率

地图视角调节:

支持多视角调整地图,便捷移动视角远近。

  1. PnC模式

在PnC业务研发场景中,开发者的主要目标是查看规控输出是否能符合预期结果,例如观测规划路线是否发生碰撞、速度调节是否合理等,从而迭代优化算法

调试流程简化

相对于旧版DV,全新Dreamview+在同一页面即可顺序完成PnC调试配置,减少配置步骤。

  • 车辆数据监测: 支持图表类型筛选,支持曲线上数据点的查看,以便于更好地观测算法表现 。

优化路由绘制:

区分起点和途径点,支持保存常用路由,可快捷地在地图上绘制一系列点,方便地将数据发送到规划算法。

测距与复制坐标:

支持测量两点之间的距离,或多个点组成的折线长度总和,可以用于确定一段路程的长度,同时支持将这段路中的地图坐标点信息复制到剪贴板中,便捷地传递到算法。

2.2、基于面板的布局——可视化更灵活

全新Dreamview+中,开发者可以自由地定义内容和布局,以适应不同的使用习惯和需求。开发者既可以通过拖拽的方式添加面板、一键复制和删除面板,也可以自由设置面板的数量及位置,以及修改面板布局。这些功能使得可视化区域更加灵活和可定制化,数据可视化和数据分析 更加高效

2.3、集成云端资源中心——取用更方便

在8.0版本基础上,全新Dreamview+整合了本地和云端资源,带来了全新的资源中心。资源中心的资源类型包括地图、场景、车辆等各类资源,通过资源中心,开发者可以更好地管理和调试资源,从而提高开发效率和系统性能

在全新Dreamview+中,开发者可以使用资源中心的同步功能,将Apollo Studio云端工作台中的数据同步到本地,包括地图、场景、车辆配置、数据包等资源,避免了手动上传和下载资源的麻烦。同时,Dreamview+资源中心还可以实时同步各类资源的更新状态,以便开发人员快速地进行算法的迭代测试和调试

三、关于快速入门方面

根据各模式开发需求可视化提供使用引导,协助新开发者快速学习操作流程及步骤,降低学习和探索成本。

全量功能支持中文与英文版本切换,降低专有名词理解难度,响应国内外开发者使用诉求。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/584364.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

JavaEE技术之MySql高级(索引、索引优化、sql实战、View视图、Mysql日志和锁、多版本并发控制)

文章目录 1. MySQL简介2. MySQL安装2.1 MySQL8新特性2.2 安装MySQL2.2.1 在docker中创建并启动MySQL容器:2.2.2 修改mysql密码2.2.3 重启mysql容器2.2.4 常见问题解决 2.3 字符集问题2.4 远程访问MySQL(用户与权限管理)2.4.0 远程连接问题1、防火墙2、账号不支持远程…

Python中的类(Class)详解——新手指南

在Python编程中,类(Class)是一个非常重要的概念,它允许程序员创建自己的对象类型。这些对象类型可以包含数据(称为属性)和函数(称为方法),它们定义了这些对象的行为。本文…

Spring-Mybatis-Xml管理(动态sql语句,sql语句复用)

目录 前置条件 动态SQL语句 动态删除数据 1.集合类型:数组 2.集合类型: List 型 SQL语句重用 说明 🧨前置条件 已经创建了实体类(这边举个例子) 实体类User表 表中的字段名User实体类的属性值id (bigint auto increment) 长整型 自动增长private Long iduser…

场景文本检测识别学习 day06(Vi-Transformer论文精读)

Vi-Transformer论文精读 在NLP领域,基于注意力的Transformer模型使用的非常广泛,但是在计算机视觉领域,注意力更多是和CNN一起使用,或者是单纯将CNN的卷积替换成注意力,但是整体的CNN 架构没有发生改变VIT说明&#x…

C++入门第二节

点赞关注不迷路!,本节涉及c入门关键字、命名空间、输入输出... 1. C关键字 C总计63个关键字,C语言32个关键字 asmdoifreturntrycontinueautodoubleinlineshorttypedefforbooldynamic_castintsignedtypeidpublicbreakelselongsizeoftypenam…

LeetCode-hot100题解—Day5

原题链接:力扣热题-HOT100 我把刷题的顺序调整了一下,所以可以根据题号进行参考,题号和力扣上时对应的,那么接下来就开始刷题之旅吧~ 1-8题见LeetCode-hot100题解—Day1 9-16题见LeetCode-hot100题解—Day2 17-24题见LeetCode-hot…

V23 中的新增功能:LEADTOOLS React Medical Web 查看器

LEADTOOLS (Lead Technology)由Moe Daher and Rich Little创建于1990年,其总部设在北卡罗来纳州夏洛特。LEAD的建立是为了使Daher先生在数码图象与压缩技术领域的发明面向市场。在过去超过30年的发展历程中,LEAD以其在全世界主要国家中占有的市场领导地位…

21.Nacos集群搭建

模拟Nacos三个节点,同一个ip,启动三个不同的端口: 节点 nacos1, 端口:8845 节点 nacos2, 端口:8846 节点 nacos3, 端口:8847 1.搭建数据库,初始化数据库表结构 这里我们以单点的数据库为例 首先新建一…

2024年 Java 面试八股文——Redis篇

目录 1、介绍下Redis Redis有哪些数据类型 难度系数:⭐ 2、Redis提供了哪几种持久化方式 难度系数:⭐ 3、Redis为什么快 难度系数:⭐ 4、Redis为什么是单线程的 难度系数:⭐ 5、Redis服务器的的内存是多大…

基于飞腾D2000全国产化高速公路一体化收费站解决方案:站数据服务器、站AI服务器、收费系统、监控系统

高速公路一体化收费站解决方案 行业 交通工程及沿路设施作为公路的一个重要组成部分,对城市互联和城市发展具有重要意义,因此围绕高速公路的专用收费 站设计和建设,将有效促进枢纽集散系统与高速公路连通,显著提升城市高速集散能…

ES的脑裂现象

目录 0 集群结点的职责1 什么是脑裂现象2 造成脑裂现象的原因2.1 网络问题(最常见)2.2 主节点负载过大,资源耗尽,别的结点ping不到主节点2.3 主节点JVM内存回收时间过长导致 3 脑裂现象的解决方案3.1 局域网部署3.2 角色分离&…

C语言从入门到精通-C静态库的生成及使用

静态库 什么是静态库 C静态库(Static Library)是C语言编程中常用的一种库文件形式。与动态库(Dynamic Library)相比,静态库在程序编译时会被完全嵌入到最终的可执行文件中,因此生成的可执行文件不依赖于外…

BiLSTM-KDE的双向长短期记忆神经网络结合核密度估计多变量回归区间预测(Matlab)

BiLSTM-KDE的双向长短期记忆神经网络结合核密度估计多变量回归区间预测(Matlab) 目录 BiLSTM-KDE的双向长短期记忆神经网络结合核密度估计多变量回归区间预测(Matlab)效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.BiLS…

后台架构总结

前言 疫情三年,全国各地的健康码成为了每个人的重要生活组成部分。虽然过去一年,但是回想起来任然历历在目。 今天我就通过当时基于小程序的健康码架构,来给大家讲一下如何基于java,springboot等技术来快速搭建一个后台业务系统…

人工智能分割分类model:nnUnet-paddle

文章目录 神经网络nnUnet和paddle都需要在Ubuntu下进行安装PaddleProject 神经网络 开源来自https://github.com/MIC-DKFZ/nnUNet 自建了仓库,但还不会用 来自 mmsegmentation有空去了解 . MICCAI 2020 也是用到这个网络 paddle上的是不是不能用… nnUnet和pad…

Linux基础IO(下)

目录 1. 缓冲区 1.1 定义 1.2 理解缓冲区 1.2.1 为什么要有缓冲区 1.2.2 缓冲区的工作原理 缓冲区什么时候写入,什么时候刷新? 2. 文件系统 2.1 什么是文件系统? 2.2 为什么要有文件系统? 2.3 认识文件的管理结构 2.…

绩效评估与持续反馈

高绩效团队认识到评论和反馈的商业价值,这是两种关键的绩效管理工具。绩效管理是 2023 年受访者最优先考虑的五项人力资源举措之一,学习和发展是另一项举措,绩效评估和持续反馈最近可能会受到人力资源团队的更多关注。 在这里,我…

每天五分钟玩转深度学习PyTorch:创建pytorch中的零维标量tensor

标量是什么? tensor张量是一个多维数组,零维就是一个点(就是本章的标量),一维就是向量,二维就是一般的矩阵,多维就相当于一个多维的数组,这和 numpy理解是一样的,不同的是Tensor不仅可以在CPU上跑,在GPU上也可以跑。 标量(scalar),只具有数值大小,而没有方向,…

python数据可视化:雷达图

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 python数据可视化: 雷达图 选择题 关于以下代码输出的雷达图中,以下说法正确的是? import numpy as np import matplotlib.pyplot as plt from pylab impor…

深入浅出一文图解Vision Mamba(ViM)

文章目录 引言:Mamba第一章:环境安装1.1安装教程1.2问题总结1.3安装总结 第二章:即插即用模块2.1模块一:Mamba Vision代码:models_mamba.py运行结果 2.2模块二:MambaIR代码:MambaIR运行结果 第三…