该库旨在为自动驾驶车辆提供责任敏感安全(RSS)模型的C++实现。
RSS在以下论文中有详细描述。建议该C++库的潜在用户阅读这些论文,以熟悉库提供的概念和功能。
该库中的RSS模块接收(经处理的)传感器信息作为输入,并提供执行器命令限制作为输出。RSS模块的输入是一个对象列表,包含了自车周围环境中所有对象(道路代理)的信息。对于每个对象,RSS模块创建一个描述对象-自车对及其属性的"情境"。对每种情境,执行相关的RSS安全检查并计算适当的响应。最后,通过结合为每个对象-自车情境计算的响应,得出一个总体响应。最终的执行命令限制以纵向和横向加速度限制的形式作为输出提供。
ad_rss库包含RSS模块的独立C++实现。
该RSS C++库的范围、设计和架构在随发布包含的以下文档中有更详细的描述。该文档包括有关RSS库使用及其集成到自动驾驶系统中的指导。强烈建议该库的用户在集成库之前阅读此文档。
当RSS要集成到更大的系统中时,通常由用户实现根据系统中可用的环境信息提供RSS所需的输入。ad_rss_map_integration库提供了一个将RSS与自动驾驶地图集成的C++实现示例。
如果您在任何出版物中使用ad-rss-lib,请引用IV'2019论文:
@INPROCEEDINGS{
title={Towards Standardization of AV Safety: C++ Library for Responsibility Sensitive Safety}
author={Gassmann, Bernd and Oboril, Fabian and Buerkle, Cornelius and Liu, Shuang and Yan, Shoumeng and Elli, Maria Soledad and Alvarez, Ignacio and Aerrabotu, Naveen and Jaber, Suhel and van Beek, Peter and Iyer, Darshan and Weast, Jack}
booktitle={2019 IEEE Intelligent Vehicles Symposium (IV)}
year={2019}
}
从v1.6版本开始,也可以在Python中使用ad-rss-lib库。 更多信息请参见ad_rss的Python绑定文档或ad_rss_map_integration_python。
该库可以与开源驾驶模拟器CARLA一起使用,以研究RSS的行为。以下视频序列展示了第一个版本:
此外,该库已集成并在百度的Apollo开放平台中使用:
该软件库根据LGPL-2.1开源许可证提供:https://opensource.org/licenses/LGPL-2.1。
此外,以下条款也适用: 发布说明和免责声明。
访问项目的GitHub页面以获取该库完整文档的在线版本。其中包括:
如果你还有其他未解答的问题,可以在常见问题中找到更多信息。
一般发布说明和变更可以在更新日志中找到。
这些版本在3.x版本的基础上扩展了非结构化道路和行人的处理。
这些版本改进了2.x版本在场景创建方面的能力。
这些版本通过地图集成扩展了1.x版本,提高了可用性。
RSS的C++软件库的初始版本实现了已发布RSS论文中指定的部分规则和计算。这意味着该版本处理了以下所述的一部分自动驾驶场景。其他场景无法处理。
此版本实现了对应以下场景的RSS计算和规则:
以下RSS部分在此版本的库软件中未实现:
注意:此库中的RSS模块不会主动进行避让机动。同时,只要符合所需的RSS适当响应,它不会妨碍AV驾驶策略和规划模块执行的避让机动。
目前,重点支持的操作系统是Ubuntu 20.04和Ubuntu 22.04。不过,该库应该也能在其他Linux操作系统上以类似方式工作。 要在Ubuntu 20.04/22.04上安装基本依赖项,请执行以下命令:
user$> sudo apt-get install git build-essential cmake libboost-dev libpugixml-dev libgtest-dev libpython-dev libproj-dev
如果你想使用doxygen生成API文档,请也安装:
user$> sudo apt-get install doxygen graphviz
要下载该库,你可以运行:
user$> git clone https://github.com/intel/ad-rss-lib.git user$> cd ad-rss-lib
开发系统为Ubuntu 20.04和Ubuntu 22.04 以下编译器和Python组合持续进行测试:
Ubuntu 20.04 | Ubuntu 22.04 | |
---|---|---|
GCC 9 | x | |
Clang 10 | x | |
GCC 11 | x | |
Clang 14 | x | |
Python 3.8 | x | |
Python 3.10 | x | x |
重要提示:cmake版本 至少需要3.5!
请参阅详细的构建说明。
非常欢迎贡献!
在提交拉取请求之前,请确保你的代码能够成功编译,并且测试能够成功运行。 如果添加了新功能,请也注意添加适当的单元测试。报告的代码覆盖率不应低于80%。
请同时检查你的代码格式是否符合提供的clang样式。为此,你可以运行:
ad-rss-lib$> sudo apt-get install clang-format-14 ad-rss-lib$> find -iname *.cpp -o -iname *.hpp | xargs clang-format-14 -style=file -i
这个命令将自动更新代码格式以符合我们的样式。
此外,如果可能的话,请执行静态代码分析。
ad-rss-lib$> sudo apt-get install clang-tidy ad-rss-lib$> cmake -DBUILD_STATIC_ANALYSIS=ON ad-rss-lib$> make clang-tidy
这可能会提供一系列可能的改进建议,你可以考虑在拉取请求中采纳这些建议。
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需 拍摄剪辑,就能快速生成多语言、高质量的专业视频。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业 生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号