概觀
AWS 上的 Rosbag 場景智慧專為協助簡化進階駕駛輔助系統 (ADAS) 和自動駕駛汽車 (AV) 的開發流程而設計。該解決方案包含感應器擷取模組和物件偵測模組，協助機器學習工程師和資料科學家加快模型訓練的場景搜尋。
您可以使用該解決方案暫存 Rosbag 樣本檔案、擷取 Rosbag 感應器資料 (例如中繼資料和影像)、將物件偵測和車道偵測模型套用於擷取的影像，以及套用和儲存場景偵測業務邏輯。
優勢
可擴展的靈活資料管道，用於可靠地擷取、轉換以及標記數十億英里道路的真實或模擬資料，並將這些資料編入目錄。
讓全球團隊能夠更方便地搜尋、識別和分析汽車資料。
利用開放原始碼組態選項減少相依性和先決條件的數量。
技術詳細資訊
您可以使用實作指南和隨附的 AWS CloudFormation 範本自動部署此架構。
步驟 1
AV 將 Rosbag 檔案上傳到 Amazon Simple Storage Service (Amazon S3)。最終使用者調用工作流程，開始透過 Amazon Managed Workflows for Apache Airflow (Amazon MWAA) 和有向無環圖 (DAG) 進行處理。
步驟 2
AWS Batch 從 Amazon S3 拉取 Rosbag 檔案，解析並擷取感應器和影像資料，然後將這些資料寫入到另一個 S3 儲存貯體。
步驟 3
Amazon SageMaker 將物件偵測和車道偵測模型套用到已擷取資料。然後，SageMaker 將資料和標籤寫入到另一個 S3 儲存貯體。
步驟 4
Amazon EMR Serverless (透過 Apache Spark 任務) 對 Amazon S3 中的資料和標籤套用業務邏輯。這將會產生與物件偵測和車道偵測相關的中繼資料。接下來，Amazon EMR Serverless 將中繼資料寫入到 Amazon DynamoDB 和另一個 S3 儲存貯體。
步驟 5
由一個 AWS Lambda 函數將新傳入的 DynamoDB 資料 (中繼資料) 發佈到 Amazon OpenSearch Service 叢集。 最終使用者透過 Amazon Elastic Compute Cloud (Amazon EC2) 上的代理存取 OpenSearch Service 叢集，以便提交對中繼資料的查詢。
步驟 1
AV 將 Rosbag 檔案上傳到 Amazon Simple Storage Service (Amazon S3)。最終使用者調用工作流程，開始透過 Amazon Managed Workflows for Apache Airflow (Amazon MWAA) 和有向無環圖 (DAG) 進行處理。
步驟 2
AWS Batch 從 Amazon S3 拉取 Rosbag 檔案，解析並擷取感應器和影像資料，然後將這些資料寫入到另一個 S3 儲存貯體。
步驟 3
Amazon SageMaker 將物件偵測和車道偵測模型套用到已擷取資料。 然後，SageMaker 將資料和標籤寫入到另一個 S3 儲存貯體。
步驟 4
Amazon EMR Serverless (透過 Apache Spark 任務) 對 Amazon S3 中的資料和標籤套用業務邏輯。這將會產生與物件偵測和車道偵測相關的中繼資料。接下來，Amazon EMR Serverless 將中繼資料寫入到 Amazon DynamoDB 和另一個 S3 儲存貯體。
步驟 5
由一個 AWS Lambda 函數將新傳入的 DynamoDB 資料 (中繼資料) 發佈到 Amazon OpenSearch Service 叢集。 最終使用者透過 Amazon Elastic Compute Cloud (Amazon EC2) 上的代理存取 OpenSearch Service 叢集，以便提交對中繼資料的查詢。