Кооперативное восприятие

Запустите модель OpenCOOD для данных от CAV и RSU. Сначала выполните Первая симуляция и оставьте CARLA запущенной.

Подготовка образа и модели

В следующем примере PointPillar используется opencda-coperception. Выполните из корня CAVISE в Linux/WSL:

./run.sh build opencda-coperception
./run.sh up opencda-coperception
docker exec -it opencda bash

В OpenCDA задайте CARLA_HOST, как описано в Подключение из OpenCDA. Выполните ограниченный базовый запуск:

python opencda.py -t 2cars_2rsu_coperception \
  --carla-host "$CARLA_HOST" --with-coperception \
  --model-id pointpillar-late-opv2v-30 --ticks 200 --save-vis

OpenCDA разрешает запрошенный чекпойнт до запуска симуляции. Отсутствующие пакеты загружаются в соседний каталог models. Идентификаторы моделей, пользовательские каталоги, проверка метаданных и автономное использование описаны в Модели и ресурсы времени выполнения. Если пакет отсутствует в кеше, для первого запуска требуется доступ к сети.

Выбор подходящей цели

opencda-coperception включает OpenCOOD без его пользовательских расширений CUDA. Для моделей, которым нужны эти расширения, например FPV-RCNN, используйте opencda-cuda. Если также включается Artery, используйте полную цель opencda. Во всех этих образах используется среда выполнения CUDA. Образ с меньшим набором компонентов не является образом только для CPU. Полная таблица целей приведена в Команды и цели времени выполнения.

Проверка результатов

Параметр --save-vis сохраняет визуализированные прогнозы. --save-npy сохраняет массивы прогнозов. --show-video-vis открывает визуализацию в реальном времени и требует дисплей. Расположение и интерпретация результатов описаны в Запись и результаты.

Когда базовый запуск заработает, перейдите к AdvCP, чтобы сравнить запуски с атакой на восприятие и без неё.