Übersicht

Scene Intelligence mit Rosbag in AWS wurde speziell entwickelt, um den Entwicklungsprozess für fortschrittliche Fahrerassistenzsysteme (ADAS) und autonome Fahrzeuge (AV) zu optimieren. Die Lösung umfasst Module für die Sensorextraktion und Objekterkennung, die Ingenieuren und Datenwissenschaftlern für Machine Learning helfen, die Szenensuche für das Modelltraining zu beschleunigen.
Mit dieser Lösung können Sie Rosbag-Beispieldateien bereitstellen, Rosbag-Sensordaten wie Metadaten und Bilder extrahieren, Objekt- und Spurerkennungsmodelle auf die extrahierten Bilder anwenden sowie Geschäftslogik zur Szenenerkennung anwenden und speichern.
Vorteile

Skalierbare, flexible Datenpipelines, die Milliarden von Meilen an echten oder simulierten Daten zuverlässig aufnehmen, transformieren, kennzeichnen und katalogisieren.
Bessere Zugänglichkeit für globale Teams bei der Suche, Identifizierung und Analyse von Automobildaten.
Reduzieren Sie die Anzahl der Abhängigkeiten und Voraussetzungen mit Open-Source-Konfigurationsoptionen.
Technische Details

Sie können diese Architektur mit dem Implementierungsleitfaden und der dazugehörigen Vorlage für AWS CloudFormation automatisch bereitstellen.
Schritt 1
Das AV lädt die Rosbag-Datei auf Amazon Simple Storage Service (Amazon S3) hoch. Der Endbenutzer ruft den Workflow auf, um die Verarbeitung über Amazon Managed Workflows für Apache Airflow (Amazon MWAA) und einen gerichteten azyklischen Graphen (DAG) zu starten.
Ähnliche Inhalte

Dieser Leitfaden zeigt, wie Kunden äußerst präzise, szenariobasierte Daten mit dem Datenframework für autonomes Fahren (ADDF) verarbeiten und durchsuchen können.
Total results: 1
- Datum der Veröffentlichung
-
- Version: 1.0.2
- Veröffentlicht: 5/2024
- Autor: AWS
- Geschätzte Bereitstellungszeit: 100–120
Minuten - Geschätzte Kosten: Details anzeigen