探索全新Dreamview+:提升自动驾驶系统开发效率的多场景升级

简介: 探索全新Dreamview+:提升自动驾驶系统开发效率的多场景升级


Apollo开发者社区致力于为全球自动驾驶开发者和合作伙伴提供的一个学习、交流的平台,助力开发者快速了解并使用自动驾驶技术。

Dreamview 是一个用于可视化和监控自动驾驶系统的用户界面。它通常提供了实时的车辆状态、感知信息、规划路径以及其他重要的驾驶数据,以帮助开发人员和工程师对自动驾驶系统的运行状态进行实时监控。

一、 多场景摸索全新升级

全新Dreamview+从感知、PnC等不同业务研发场景出发,根据不同场景的操作方式与开发流程,设计了默认模式、感知模式、PnC模式三种场景模式,开发者可以在三种模式之间随意切换,选择适应自身需求的模式进行自动驾驶开发,增强了场景针对性,同时极大提升了开发效率。

1.1 感知模块

在感知业务研发场景中,开发者的主要目标是查看各种传感器数据,观测感知输出的障碍物等结果是否符合预期,从而迭代优化算法。

原始数据查看

完成从单传感器窗口到多传感器窗口的升级,可同步播放多个摄像头数据和激光雷达数据,支持多种传感器感知方案。

地图视角调节

支持多视角调整地图,便捷移动视角远近。

调试流程大大简化

相对于旧版DV,全新Dreamview+在同一页面即可顺序完成PnC调试配置,减少配置步骤。

车辆数据监测

支持图表类型筛选,支持曲线上数据点的查看,以便于更好地观测算法表现 。

二、面板的布局新升级全新自定义

全新Dreamview+中,开发者可以自由地定义内容和布局,以适应不同的使用习惯和需求。开发者既可以通过拖拽的方式添加面板、一键复制和删除面板,也可以自由设置面板的数量及位置,以及修改面板布局。这些功能使得可视化区域更加灵活和可定制化,数据可视化和数据分析更加高效。

三、新人体验新升级

3.1支持中英文切换

降低专有名词理解难度,响应国内外开发者使用诉求,让上手更加简单

3.2 新增新人引导

四、Dreamview+对比总结

相关文章
|
1月前
|
测试技术 持续交付
探索软件测试中的自动化框架:优势与挑战
【10月更文挑战第28天】 随着软件开发的快速进步,自动化测试已成为确保软件质量的关键步骤。本文将探讨自动化测试框架的优势和面临的挑战,以及如何有效地克服这些挑战。
34 0
|
5月前
|
vr&ar Android开发 数据安全/隐私保护
移动应用与系统的发展与未来展望
移动应用与系统在当今科技发展中占据了重要位置。本文探讨了移动应用开发的关键技术,分析了不同移动操作系统的特点及其影响。同时,展望了未来移动应用与系统的发展方向,包括人工智能与移动端的融合、新兴技术的应用以及安全与隐私保护的挑战。 【7月更文挑战第15天】
47 1
|
6月前
|
人工智能 监控 供应链
|
6月前
|
机器学习/深度学习 人工智能 数据处理
AI技术来支持开发过程中的自动化和智能化
AI技术来支持开发过程中的自动化和智能化
223 2
|
6月前
|
机器学习/深度学习 人工智能 Devops
探索软件测试自动化的未来:技术挑战与机遇
随着软件开发周期的不断缩短和复杂性的增加,软件测试自动化在确保质量和效率方面扮演着越来越重要的角色。本文将深入探讨软件测试自动化的发展现状、面临的技术挑战以及未来的机遇。
171 2
|
5月前
|
监控 算法 数据挖掘
可持续发展的背景下,系统工程可以帮助我们构建、分析和实施那些旨在平衡经济、社会和环境目标的系统。
可持续发展的背景下,系统工程可以帮助我们构建、分析和实施那些旨在平衡经济、社会和环境目标的系统。
|
7月前
|
人工智能 自然语言处理 安全
构建未来:AI驱动的自适应网络安全防御系统提升软件测试效率:自动化与持续集成的实践之路
【5月更文挑战第30天】 在数字化时代,网络安全已成为维护信息完整性、保障用户隐私和企业持续运营的关键。传统的安全防御手段,如防火墙和入侵检测系统,面对日益复杂的网络攻击已显得力不从心。本文提出了一种基于人工智能(AI)技术的自适应网络安全防御系统,该系统能够实时分析网络流量,自动识别潜在威胁,并动态调整防御策略以应对未知攻击。通过深度学习算法和自然语言处理技术的结合,系统不仅能够提高检测速度和准确性,还能自主学习和适应新型攻击模式,从而显著提升网络安全防御的效率和智能化水平。 【5月更文挑战第30天】 在快速迭代的软件开发周期中,传统的手动测试方法已不再适应现代高效交付的要求。本文探讨了如
|
7月前
|
机器学习/深度学习 敏捷开发 测试技术
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
|
7月前
|
传感器 机器学习/深度学习 自动驾驶
探索Apollo自动驾驶系统的革命性技术
探索Apollo自动驾驶系统的革命性技术
|
7月前
|
机器学习/深度学习 设计模式 人工智能
探索软件自动化测试的未来趋势与挑战
【2月更文挑战第30天】 随着软件开发周期的不断缩短和发布频率的增加,传统的手动测试方法已无法满足快速变化的市场需求。本文旨在探讨自动化测试在持续集成、持续部署(CI/CD)环境中的作用,以及未来技术发展如何塑造自动化测试工具和方法。文中不仅概述了当前自动化测试面临的主要挑战,还提出了应对这些挑战的策略,并预测了自动化测试的未来发展趋势。