Octopus开发基本流程？

Octopus是一站式自动驾驶开发平台，从数据收集上云，到自动化处理数据，自动或手动标注数据，创建并增量更新数据集，并将数据集用于模型训练，以及基于特定场景的在线仿真，用户都可以在Octopus平台上完成。

图1 Octopus开发流程

• 采集数据

  指的是数据采集车辆各传感器的原始数据，是使用Octopus平台前的准备工作。当前支持使用Rosbag数据格式收集采集数据。

• 上传数据

  原始数据采集完毕后，在平台上创建数据收集任务，通过多种方式上传数据文件至Octopus平台。

• 数据处理

  通过用户自定义算子对Rosbag数据包进行处理，最终将原始数据结构化，解析出各种不同传感器详细数据，如摄像头录制的图像数据、雷达的点云数据、车辆行驶轨迹等。生成的图片可以直接用于标注。

• 标注数据

  对于图片和点云数据，可以通过自动或人工的方式，标注图像中特定物体。标注后的图片和点云图片可用于模型训练，高质量的标注数据有利于模型精准度提升，并持续迭代。

• 增量数据集

  将标注后的数据根据数据类型、标注、标签等，建立不同种类的数据集，同时支持数据集增量更新，可针对性用于不同算法和模型的训练。

• 模型训练

  基于平台上创建好的数据集，可对自定义算法或内置算法进行训练，并对生成的模型进行评估，也可进一步用于预标注。

• 模型评估

  在建模过程中，由于偏差过大导致的模型欠拟合以及方差过大导致的过拟合的存在，因此需要一套评价体系，来评估模型的泛化能力。

• 在线仿真

  仿真即通过软件模拟车辆行驶的路况和场景，不需要真实的环境和硬件，极大节省训练和测试的成本和时间。Octopus仿真服务预置了智能驾驶、主动安全、危险场景等六大场景实例，覆盖大部分驾驶路况，用户可直接在线使用，持续迭代提升自动驾驶安全性。