docs/user_guidelines/modules/perception/development/development_params_cn.md
首先介绍各个组件的配置目录，以激光雷达检测模块为例：
├── lidar_detection
├── conf // 组件配置文件
├── dag // 组件dag文件
├── data // 功能配置文件
├── detector
│ ├── center_point_detection
│ ├── cnn_segmentation
│ ├── mask_pillars_detection
│ └── point_pillars_detection
├── interface
├── proto
├── lidar_detection_component.cc
├── lidar_detection_component.h
├── cyberfile.xml // 包配置文件
├── README.md
└── BUILD
公共配置目录，多个组件的公共配置放到modules/perception/data路径下。
modules/perception/data
├── BUILD
├── conf // 感知公共配置，例如一些单例
├── cyberfile.xml
├── flag // 感知模块所有的gflags命令行传入，用于dag
├── models // 模型存放路径
└── params // 传感器内外参
全局配置在 gflag 文件中定义，包括modules/perception/common/perception_gflags.h。
| 参数名 | 默认值 | 含义 |
|---|---|---|
| obs_sensor_intrinsic_path | /apollo/modules/perception/data/params | 传感器内参路径 |
| obs_sensor_meta_file | sensor_meta.pb.txt | 传感器meta文件名 |
| enable_base_object_pool | enable_base_object_pool | 开启对象池 |
| config_manager_path | ./ | 配置管理器路径 |
| work_root | /apollo/modules/perception | 工作目录 |
| onnx_obstacle_detector_model | /apollo/modules/perception/camera/lib/obstacle/detector/yolov4/model/yolov4_1_3_416_416.onnx | 目标检测模型 |
| onnx_test_input_path | /apollo/modules/perception/inference/onnx/testdata/dog.jpg | 目标检测测试路径 |
| onnx_test_input_name_file | /apollo/modules/perception/inference/onnx/testdata/coco.names | 目标检测测试文件 |
| onnx_prediction_image_path | /apollo/modules/perception/inference/onnx/testdata/prediction.jpg | 目标检测预测图像路径 |
| num_classes | 80 | 目标类型数量 |
| torch_detector_model | /apollo/modules/perception/camera/lib/obstacle/detector/yolov4/model/yolov4.pt | torch检测模型路径 |
| lidar_sensor_name | velodyne128 | lidar传感器名称 |
| use_trt | false | 是否使用tensorrt |
| trt_precision | 1 | tensorrt的精度，0: 32float，1: kInt8 |
| trt_use_static | true | 是否从磁盘路径加载tensorrt图优化 |
| use_calibration | true | 是否使用校正表 |
| use_dynamicshape | true | 是否使用动态形状 |
| collect_shape_info | true | 是否采集动态形状信息 |
| dynamic_shape_file | /apollo/modules/perception/lidar_detection/data/center_point_paddle/pillar_20_0625/collect_shape_info_3lidar_20.pbtxt | 动态文件路径 |
| object_template_file | object_template.pb.txt | 对象模版配置文件 |
| hdmap_sample_step | 5 | 高精度地图采样率 |
| scene_manager_file | scene_manager.conf | 场景管理器配置文件 |
| roi_service_file | roi_service.conf | ROI服务配置文件 |
| ground_service_file | ground_service.conf | 地面检测服务配置文件 |
modules/perception/common/onboard/common_flags/common_flags.h
| 参数名 | 默认值 | 含义 |
|---|---|---|
| obs_enable_hdmap_input | true | 为 roi 过滤器启用 hdmap 输入 |
| obs_enable_visualization | false | 是否发送可视化消息 |
| obs_screen_output_dir | ./ | 输出目录，用于保存可视化屏幕截图 |
| obs_benchmark_mode | false | 是否开启 benchmark 模式，默认 false |
| obs_save_fusion_supplement | false | 是否保存融合补充数据，默认false |
| start_visualizer | false |
全局配置修改在/apollo/modules/perception/data/flag/perception_common.flag中，例如我们要修改 obs_enable_hdmap_input 的值为 false，可以在文件中添加：
--obs_enable_hdmap_input=false
各个组件的配置在对应组件的 conf 和 data 目录，直接修改对应文件的值即可，以 3D 目标检测模块（lidar_detection）为例。
lidar_detection 模块配置文件路径：
ModelInfo 配置，文件路径：modules/perception/common/proto/model_info.proto：
| 参数类型 | 参数名 | 默认值 | 含义 |
|---|---|---|---|
| string | name | / | 模型名称，同models/下文件夹名 |
| string | framework | / | 模型推理框架 |
| string | ModelFile.proto_file | / | 模型网络结构 |
| string | ModelFile.weight_file | / | 模型权重文件 |
| string | ModelFile.anchors_file | / | anchor size |
| string | ModelBlob.inputs | / | 模型输入数据名称及维度 |
| int32 | ModelBlob.outputs | / | 模型输出数据名称及维度 |
PointCloudPreProcess：
| 参数类型 | 参数名 | 默认值 | 含义 |
|---|---|---|---|
| int32 | gpu_id | 0 | GPU的id |
| double | normalizing_factor | 255 | 强度归一化的缩放因子 |
| int32 | num_point_feature | 4 | 每个点的特征数量 |
| bool | enable_ground_removal | false | 是否过滤掉地面点 |
| double | ground_removal_height | -1.5 | 过滤掉z值小于阈值的点 |
| bool | enable_downsample_beams | false | 是否根据beam id对点云进行过滤 |
| int32 | downsample_beams_factor | 4 | 保留beam id为downsample_beams_factor的倍数的点云 |
| bool | enable_downsample_pointcloud | false | 是否根据voxel过滤点云 |
| double | downsample_voxel_size_x | 0.01 | 过滤时voxel的x方向长度 |
| double | downsample_voxel_size_y | 0.01 | 过滤时voxel的y方向长度 |
| double | downsample_voxel_size_z | 0.01 | 过滤时voxel的z方向长度 |
| bool | enable_fuse_frames | false | 是否融合多帧点云 |
| int32 | num_fuse_frames | 5 | 融合点云的帧数 |
| double | fuse_time_interval | 0.5 | 融合点云的时间间隔 |
| bool | enable_shuffle_points | false | 是否打乱点云索引 |
| int32 | max_num_points | 2147483647 | 允许的最大点云数量 |
| bool | reproduce_result_mode | false | 是否开启复现结果模式 |
| bool | enable_roi_outside_removal | false | 是否在输入模型之前将roi外的点云进行过滤 |
PointCloudPostProcess
| 参数类型 | 参数名 | 默认值 | 含义 |
|---|---|---|---|
| float | score_threshold | 0.5 | 置信度阈值 |
| float | nms_overlap_threshold | 0.5 | NMS的iou阈值 |
| int32 | num_output_box_feature | 7 | 输出障碍物的属性个数 |
| float | bottom_enlarge_height | 0.25 | 获取目标真实点云时向上扩充的范围 |
| float | top_enlarge_height | 0.25 | 获取目标真实点云时向下扩充的范围 |
| float | width_enlarge_value | 0 | 获取目标真实点云时宽度扩充的范围 |
| float | length_enlarge_value | 0 | 获取目标真实点云时长度扩充的范围 |
cnnseg 配置
modules/perception/lidar_detection/detector/cnn_segmentation/proto/model_param.proto
<table> <thead> <tr> <th colspan="2">参数类型</th> <th>参数名</th> <th>默认值</th> <th>含义</th> </tr> </thead> <tbody> <tr> <td colspan="2">ModelInfo</td> <td>info</td> <td>/</td> <td>模型基本配置</td> </tr> <tr> <td rowspan="7">FeatureParam</td> <td>float</td> <td>point_cloud_range</td> <td>90</td> <td>点云范围</td> </tr> <tr> <td>uint32</td> <td>width</td> <td>864</td> <td>BEV宽度</td> </tr> <tr> <td>uint32</td> <td>height</td> <td>864</td> <td>BEV高度</td> </tr> <tr> <td>float</td> <td>min_height</td> <td>-5.0</td> <td>点云z值最小值</td> </tr> <tr> <td>float</td> <td>max_height</td> <td>5.0</td> <td>点云z值最大值</td> </tr> <tr> <td>bool</td> <td>use_intensity_feature</td> <td>true</td> <td>是否使用强度特征</td> </tr> <tr> <td>bool</td> <td>use_constant_feature</td> <td>false</td> <td>是否使用常数特征</td> </tr> <tr> <td colspan="2">bool</td> <td>do_classification</td> <td>true</td> <td>是否预测分类信息</td> </tr> <tr> <td colspan="2">bool</td> <td>do_heading</td> <td>true</td> <td>是否预测朝向角信息</td> </tr> <tr> <td colspan="2">PointCloudPreProcess</td> <td>preprocess</td> <td>/</td> <td>预处理信息</td> </tr> <tr> <td>SppEngineConfig</td> <td>float</td> <td>height_gap</td> <td>0.5</td> <td>高度差距</td> </tr> <tr> <td colspan="2">bool</td> <td>remove_ground_points</td> <td>true</td> <td>是否过滤掉障碍物中的地面点</td> </tr> <tr> <td colspan="2">float</td> <td>objectness_thresh</td> <td>0.5</td> <td>objectness的阈值</td> </tr> <tr> <td colspan="2">float</td> <td>confidence_thresh</td> <td>0.1</td> <td>confidence的阈值</td> </tr> <tr> <td colspan="2">float</td> <td>height_thresh</td> <td>0.5</td> <td>高度阈值</td> </tr> <tr> <td colspan="2">uint32</td> <td>min_pts_num</td> <td>3</td> <td>目标最少点数</td> </tr> <tr> <td colspan="2">float</td> <td>confidence_range</td> <td>85</td> <td>置信度范围</td> </tr> <tr> <td colspan="2">bool</td> <td>fill_recall_with_segmentor</td> <td>true</td> <td>是否使用背景分割</td> </tr> </tbody> </table>centerpoint 配置在 modules/perception/lidar_detection/data/center_point_param.pb.txt 中，通过修改其中的值来选择不同配置。
| 参数类型 | 参数名 | 默认值 | 含义 |
|---|---|---|---|
| ModelInfo | info | / | 模型通用配置 |
| PointCloudPreProcess | preprocess | / | 预处理 |
| PointCloudPostProcess | postprocess | / | 后处理 |
| int32 | point2box_max_num | 5 | 每个点最多可以属于多少个box |
| float | quantize | 0.2 |
# 进入容器
aem enter
# 下载安装依赖包： 会拉取安装 core 目录下的 cyberfile.xml 里面所有的依赖包
buildtool build --gpu
aem bootstrap start --plus
注意：plus 参数指的是启动 dreamview+，如需启动老版本 dreamview，去掉 --plus 参数即可。
通过调整模型输出置信度，学习如何调整模型的检测结果输出。模型的置信度越高，检测的结果越准确，但召回率会变低，模型的置信度变低，召回率变高，准确率变低，因此要平衡准确率和召回率，来达到一个比较好的效果。
首先检查/apollo/modules/perception/lidar_detection/conf/lidar_detection_config.pb.txt中的配置是否为 CenterPointDetection。
plugin_param {
name: "CenterPointDetection"
config_path: "perception/lidar_detection/data"
config_file: "center_point_param.pb.txt"
}
然后在/apollo/modules/perception/lidar_detection/data/center_point_param.pb.txt修改 score_threshold:
postprocess {
score_threshold: 0.25 // 检测结果置信度
num_output_box_feature: 7
bottom_enlarge_height: 0.1 // 0.25 -> 0.1
top_enlarge_height: 0.25
width_enlarge_value: 0
length_enlarge_value: 0
}
修改 ROI 参数可以通过规则过滤不需要关注的障碍物，避免对自动驾驶汽车的干扰。
找到/apollo/modules/perception/lidar_detection_filter/data/roi_boundary_filter.pb.txt文件，修改参数：
distance_to_boundary_threshold: 0.0
confidence_threshold: 0.0
cross_roi_threshold: 0.6
inside_threshold: -1.0
选择相应车型配置：
启动transform 模块：
启动 lidar 感知模块：
下载并播放感知包，在 Dreamview+ 左下角点击 Resource Manager，下载 sensor_rgb 数据包，下载完成后选择 sensor_rgb 数据包点击播放。
dreamview+ 查看 lidar 检测结果：