Scene Intelligence with Rosbag on AWS

ステップ 3
Amazon SageMaker は、抽出されたデータにオブジェクト検出モデルと車線検出モデルを適用します。 SageMaker がデータとラベルを別の S3 バケットに書き込みます。

ステップ 4
Amazon EMR Serverless が (Apache Spark ジョブを使用して) ビジネスロジックを Amazon S3 内のデータとラベルに適用します。これによってオブジェクト検出と車線検出に関連するメタデータが生成されます。次に、Amazon EMR Serverlessがメタデータを Amazon DynamoDB と別の S3 バケットに書き込みます。

ステップ 5
AWS Lambda 関数が新しい受信 DynamoDB データ (メタデータ) を Amazon OpenSearch Service クラスターに公開します。 エンドユーザーは Amazon Elastic Compute Cloud (Amazon EC2)上のプロキシを介して OpenSearch Serviceクラスターにアクセスし、メタデータに対してクエリを送信します。

ステップ 1
AV が rosbag ファイルを Amazon Simple Storage Service (Amazon S3) にアップロードします。エンドユーザーがワークフローを呼び出して、Amazon Managed Workflows for Apache Airflow (Amazon MWAA) と有向非巡回グラフ (DAG) を介して処理を開始します。

ステップ 2
AWS Batch が Amazon S3 から rosbag ファイルを取得し、センサーデータと画像データの解析と抽出を行い、このデータを別の S3 バケットに書き込みます。

ステップ 3
Amazon SageMaker は、抽出されたデータにオブジェクト検出モデルと車線検出モデルを適用します。 SageMaker がデータとラベルを別の S3 バケットに書き込みます。