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

 

请按照下面的步骤添加名称为NewEvaluator的评估器：

 

1. 在proto中添加一个字段

2. 声明一个从Evaluator类继承的类NewEvaluator

3. 实现类NewEvaluator

4. 更新预测配置

5. 更新评估器管理

 

下面让我们用上面的方法来添加新的评估器。

 

一、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

 

二、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

 

三、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;
}

 

四、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
}

 

五、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;
}