如何在预测模块中添加新评估器¶
简介¶
评估器通过应用预训练的深度学习模型生成特征(来自障碍物和当前车辆的原始信息)以获得模型输出。
添加评估器的步骤¶
按照下面的步骤添加名称为NewEvaluator
的评估器。
在proto中添加一个字段
声明一个从
Evaluator
类继承的类NewEvaluator
实现类
NewEvaluator
更新预测配置
更新评估器管理
声明一个从Evaluator
类继承的类NewEvaluator
¶
modules/prediction/evaluator/vehicle
目录下新建文件new_evaluator.h
。声明如下:
#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
实现类 NewEvaluator
¶
在new_evaluator.h
所在目录下新建文件new_evaluator.cc
。实现如下:
#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proto中添加新评估器¶
在prediction_conf.proto
中添加新评估器类型:
enum EvaluatorType {
MLP_EVALUATOR = 0;
NEW_EVALUATOR = 1;
}
更新prediction_conf文件¶
在 modules/prediction/conf/prediction_conf.pb.txt
中,按照如下方式更新字段evaluator_type
:
obstacle_conf {
obstacle_type: VEHICLE
obstacle_status: ON_LANE
evaluator_type: NEW_EVALUATOR
predictor_type: NEW_PREDICTOR
}
更新评估器管理¶
按照如下方式更新CreateEvluator( ... )
:
case ObstacleConf::NEW_EVALUATOR: {
evaluator_ptr.reset(new NewEvaluator());
break;
}
按照如下方式更新RegisterEvaluators()
:
RegisterEvaluator(ObstacleConf::NEW_EVALUATOR);
完成上述步骤后,新评估器便创建成功了。
添加新特性¶
如果你想添加新特性,请按照如下的步骤进行操作:
在proto中添加一个字段¶
假设新的评估结果名称是new_output
且类型是int32
。如果输出直接与障碍物相关,可以将它添加到modules/prediction/proto/feature.proto
中,如下所示:
message Feature {
// Other existing features
optional int32 new_output = 1000;
}
如果输出与车道相关,请将其添加到modules/prediction/proto/lane_graph.proto
中,如下所示:
message LaneSequence {
// Other existing features
optional int32 new_output = 1000;
}