Back to Apollo

车辆控制评测分析云服务的应用

docs/应用实践/车辆集成教程/循迹搭建/车辆控制评测分析云服务的应用.md

11.0.023.6 KB
Original Source

车辆控制评测云服务主要是根据解析自动驾驶的路测数据,对车辆的控制效果进行评价评分,了解车辆的控制效果,通过多维度的评分结果,能够展现出一个全面、客观的车辆控制评价结果。

前提条件

车辆控制评测是根据车辆自动驾驶的数据来进行控制评分评测,因此,车辆需要完成车辆闭环自动驾驶,可以是循迹自动驾驶,也可以是带感知的自动驾驶。车辆控制评测前,请完成以下步骤:

  1. 循迹搭建--车辆集成

  2. 循迹搭建--定位模块配置

  3. 循迹搭建--Apollo系统安装

  4. 循迹搭建--车辆循迹演示

  5. 开通云服务账号

步骤一、数据采集

1. 数据记录

完成一次或多次自动驾驶(循迹/感知闭环),并记录数据包。

2. 数据检查

注意:在上传需要控制评测的数据前,一定要检查数据包内是否包含评测所需的 channel,否则会造成数据缺少相关通道的信息而造成评测结果失败。

控制评测需要检查的数据至少包含以下 channel 信息,才能正确的进行评测:

模块channel 名称检查项目
Canbus/apollo/canbus/chassis确保能正常输出底盘数据
Control/apollo/control确保能正常输出控制信息数据,该数据需要启动自动驾驶后才能获得
Planning/apollo/planning确保能正常输出规划信息
Localization/apollo/localization/pose确保能正常输出位置数据
GPSapollo/sensor/gnss/best_pose确保 sol_typeNARROW_INT

使用 cyber_recorder 命令来检查采集数据内是否存在上述 channel 的数据:

 cyber_recorder info xxxxxx.record.xxxxx

如下图所示,可以看到上述表格内对应 channelmessages 数据不为 0,说明数据有效。

步骤二、控制评测云服务任务提交

1. 上传预处理后的数据至 BOS

在上传数据之前,请注意以下几点:

  1. 文件夹结构要求,请将数据按照如下文件夹结构进行放置:

  1. Origin Folder 一般是BOS 的根目录,本例中 task001 目录是在 BOS 根目录下创建的(根目录:登录 BOS 存储服务器后首先看到的目录即为根目录,一般是 Bucket name 目录);

  2. task001、task002... 代表一次评测任务的文件夹,即每提交一次评测任务时,只能输入一个 task 目录的路径地址,云端会对该文件内的数据进行分析评分,一个 task 文件内可以包含多个车辆文件夹,在一次任务提交文件夹内可以包含多个车辆;task001 如果在 BOS 根目录,则提交任务时,只需要填写输入目录路径为 task001 ;如果在其它目录下,则需要填写输入目录路径为从根目录开始的绝对路径,如 xxx/task001

  3. Vehicle1、Vehicle2... 代表评测的车辆文件夹,可以根据实际情况,按照车辆名称 + 编号的形式命名,如 vehicle01vehicle02 等。每一个 Vehicle 文件夹 下包含评测自动驾驶数据文件夹和该车辆的配置文件。

注意:自动驾驶数据文件夹下需要有 2 层子文件夹,record 数据文件放在第二层的文件夹内,如上图文件夹结构图所示,可以根据自动驾驶的场景不同,分成 straight (直行)、 left (左转)、 right (右转)……,每一个场景下也可以根据速度等维度区分,如 1m/s2m/s3m/s ……,速度维度的文件夹内即是该场景速度条件下的自动驾驶数据。

  1. Configuration File 即为 vehicle_param.pb.txt (车辆配置文件),该文件在 apollo/modules/calition/data/车型 文件夹内,将该文件夹下的 vehicle_param.pb.txt 拷贝至 BOS 对应的车辆控制评测文件夹下。例如,上图 Vehicle2 文件夹内。

  2. 总结上述文件夹结构:

    BOS 根目录 -> 任务文件夹 -> 车型文件夹 -> 具体的自动驾驶数据包 + vehicle_param.pb.txt

2. 提交控制评测任务

  1. 进入 Apollo云服务任务页面,选择使用百度账号登录。

  2. 在左侧框中选择 Apollo Fuel-->任务

  1. 点击 新建任务

  2. 在下拉框内选择 控制评测

  1. 输入相应要评测的数据路径,在输入数据路径中填写到根目录,在本示例中填写为task001

3. 获取评测结果

评测任务完成后,会在注册的邮箱(与商务联系确定)中收到 2 封结果邮件,分别是控制评分结果 (Grading results) 和数据图表展示邮件(Visualization results)。

  • 评分结果邮件

评分邮件结果会根据 task->vehicle 这一级目录下的第一级文件目录来分别生成对应的评分结果,即根据前述文件结构中 straight(直行)、left(左转)来分类生成的结果,下载评分结果附件后,可以看到具体的评测附件内容,如下图所示:

其中,各组目录(1_Dev_Kit_left_gradings2_Dev_Kit_straight_gradings)下的 1mps_Dev_Kit_Lon_Lat_Controller_control_performance_grading.txt2mps_Dev_Kit_Lon_Lat_Controller_control_performance_grading.txt 是评分结果文件,1mps_Dev_Kit_Lon_Lat_Controller_control_profiling_conf.pb.txt2mps_Dev_Kit_Lon_Lat_Controller_control_profiling_conf.pb.txt 是评分对应的配置文件,这个文件目前是默认设定的,不可修改,主要是定义了各个评分指标的评价基准。

打开其中一个评分结果文件,如: 1_Dev_Kit_left_gradings/1mps_Dev_Kit_Lon_Lat_Controller_control_performance_grading.txt,可以看到相应的评价情况,评价分数主要以均方根的结果展示,按百分数显示,如下图所示:

  • 数据图表展示邮件

    数据图表展示的附件与评分附件相同,主要根据上述各评分结果对应的数据包进行相应的数据展示,图表附件如下图所示:

    图表附件是 pdf 文件,文件内描述了上述评价指标的对应真实数据变化过程(自动驾驶过程中),从而方便直观的查看各指标的变化情况,还会针对一些数据变化较大的指标,进行 90% 的数据描绘,横轴代表数据的数值,纵轴代表数据的数量;如果是 100%data 描绘,则会展示该指标随采样时间轴的变化情况,即描述了自动驾驶过程中的真实变化情况。

    以上只是 2 张图表的示例图,图表结果内展示约 50 张图表,数据展示量非常丰富,方便开发者对控制过程的数据变化进行查看。

步骤三、评测结果说明

控制测评参数主要说明如下:

以下表格与上述表格内容一致,方便复制

序号参数名称说明
平均控制性能相关参数<div style="width: 200pt">控制器平均效果(即统计平均误差)统计参数</div><div style="width: 100pt">重点反映控制误差在全程中的(统计意义上的)平均效果</div>
1station_err_std<div style="width: 200pt">纵向位置误差率</div>描述规划控制过程中,纵向位置误差均方根
2station_err_std_harsh纵向位置误差率
(大加速度)描述轨迹规划纵向加速度大于1m/s<sup>2</sup>时,纵向位置误差率
3speed_err_std纵向速度误差率描述规划控制过程中,纵向速度误差平方根
4speed_err_std_harsh纵向速度误差率
(大加速度)描述轨迹规划纵向加速度大于1m/s<sup>2</sup>时,速度误差均方根
5lateral_err_std横向位置误差率转向过程中,车辆横向位置误差的均方根
6lateral_err_std_harsh横向位置误差率
(大轨迹曲率)描述转向过程中,规划轨迹曲率大于0.05 (1/m),横向误差的均方根
7lateral_err_rate_std横向线速度误差率
(大轨迹曲率)描述转向过程中,横向线速度误差的均方根
8lateral_err_rate_std_harsh横向线速度误差率描述转向过程中,规划轨迹曲率大于0.05 (1/m),横向线速度误差的均方根
9heading_err_std航向误差率航向误差均方根
10heading_err_std_harsh航向误差率
(大轨迹曲率)规划轨迹曲率大于0.05 (1/m),航向误差均方根
11heading_err_rate_std航向角速度误差率航向角速度误差均方根
12heading_err_rate_std_harsh航向角速度误差率
(大轨迹曲率)规划轨迹曲率大于0.05 (1/m),航向误差均方根
峰值控制性能相关参数控制器峰值效果
(即最大误差)
统计参数重点反映控制误差在全程中的峰值
(与预设阈值比较)
13station_err_peak最大纵向位置误差率最大纵向位置误差占阈值1m的比例
14speed_err_peak最大速度误差率最大纵向速度误差占阈值0.5m/s的比例
15lateral_err_peak最大横向位置误差率最大横向位置误差占阈值0.5m的比例
16lateral_err_rate_peak最大横向线速度误差率最大横向线速度误差占阈值0.5m/s的比例
17heading_err_peak最大航向角误差率最大航向角误差占阈值0.523rad(即30°)的比例
18heading_err_rate_peak最大航向角速度误差率最大航向角速度误差占阈值0.523rad/s(即30°/s)的比例
19ending_station_err_trajectory_0终点纵向位置误差当规划线路达到终点时,最终纵向位置误差占阈值1m的比例(注意,对于停车入库/道边停车等开放空间场景会基于动作分解后的各段trajectory_0, trajectory_1, trajectory_2, …, 分别生成参数)
20ending_lateral_err_trajectory_0终点横向位置误差当规划线路达到终点时,最终横向位置误差占阈值0.5m的比例(开放空间场景下结果如上解释)
21ending_heading_err_trajectory_0终点航向角误差当规划线路达到终点时,最终航向角误差占阈值**0.523rad/s(即30°/s)的比例(开放空间场景下结果如上解释)
体感评估相关参数体感较差的加速度占比重点反映与体感紧密相关的指标超标(与预设合适体感区间比较)次数占比
22acc_bad_sensation终点航向角误差纵向加速度大于4m/s<sup>2</sup>的次数在全程统计数据中的占比
23jerk_bad_sensation终点航向角误差纵向加加速度大于2m/s<sup>3</sup>的次数在全程统计数据中的占比
24lateral_acc_bad_sensation体感较差的横向加速度占比横向加速度大于4m/s<sup>2</sup>的次数在全程统计数据中的占比
25heading_acc_bad_sensation体感较差的航向角角加速度占比航向角的角加速度大于π rad/s<sup>2</sup>的次数在全程统计数据中的占比
26heading_jerk_bad_sensation体感较差的航向角占比航向角的角加加速度大于π/2 rad/s<sup>3</sup>的次数在全程统计数据中的占比
控制使用度相关参数各项控制操作使用量统计参数重点反映控制模块发出命令、使用时间等指标的使用度
27throttle_control_usage油门控制使用率油门控制指令均方根
28throttle_control_usage_harsh油门控制使用率
(大加速度)加速度大于1m/s2的油门控制指令均方根
29brake_control_usage刹车控制使用率刹车控制指令均方根
30brake_control_usage_harsh刹车控制使用率
(大加速度)加速度大于1m/s<sup>2</sup>的刹车控制指令均方根
31steering_control_usage转向控制使用率转角控制指令均方根
32steering_control_usage_harsh转向控制使用率
(大加速度)加速度大于1m/s<sup>2</sup>的转角控制指令均方根
33total_time_usage控制模块计算时间平均比例控制模块实际消耗计算时间占每个控制时间周期的比例(平均值)
34total_time_peak控制模块计算时间峰值比例控制模块实际消耗计算时间占每个控制时间周期的比例(最大值)
35total_time_exceeded_count控制模块计算时间超限次数占比控制模块实际消耗计算时间超过控制时间周期的次数在在全程统计数据中的占比
车辆检测校准参数利用数据测算校准车辆特征的相关参数重点反映对于车辆底盘、定位模块特征值的测算或校准
36throttle_deadzone_mean油门无效区间油门踏板平均响应范围(油门命令高于此区间,油门机械系统才开始响应)
37brake_deadzone_mean刹车无效区间刹车踏板平均响应范围(刹车命令高于此区间,刹车机械系统才开始响应)
38pose_heading_offset_std航行角校准误差率利用位置变化趋势计算航向角,并与定位模块提供的航向角做差,所得角误差(除以π所得比例)的均方根
39pose_heading_offset_peak最大航行角校准误差率利用位置变化趋势计算航向角,并与定位模块提供的航向角做差,所得角误差(除以π所得比例)的最大值
控制事件统计参数特殊控制事件的相关参数重点反映全程出现的特殊控制事件如重新规划、控制错误等的统计,以及综合性能评估
40replan_trajectory_count重新规划次数占比因误差过大造车的路线重新规划的次数,在全程统计数据中的占比
41control_error_code_count控制错误次数占比出现控制错误(error code)的次数, 在全程统计数据中的占比
42weighted_score综合性能评分(仅供参考)综合抽取控制效果、体感用度、特殊控制时间等重要参数,并加权后的权值得分