DTPP项目使用与配置指南

DTPP项目使用与配置指南

DTPP [ICRA 2024] Differentiable Joint Conditional Prediction and Cost Evaluation for Tree Policy Planning 项目地址: https://gitcode.com/gh_mirrors/dt/DTPP

1. 项目目录结构及介绍

DTPP项目的目录结构如下：

DTPP/
├── bezier_path.py
├── common_utils.py
├── data_process.py
├── data_utils.py
├── obs_adapter.py
├── path_planner.py
├── planner.py
├── planner_utils.py
├── prediction_modules.py
├── scenario_tree_prediction.py
├── spline_planner.py
├── test.py
├── test_scenario.yaml
├── train.py
├── train_utils.py
├── trajectory_tree_planner.py
├── README.md
└── LICENSE

• bezier_path.py: 贝塞尔曲线路径相关算法。
• common_utils.py: 通用工具函数。
• data_process.py: 数据处理脚本，用于处理nuPlan数据集。
• data_utils.py: 数据处理工具函数。
• obs_adapter.py: 观察者适配器，用于适配不同环境。
• path_planner.py: 路径规划模块。
• planner.py: 主规划模块。
• planner_utils.py: 规划工具函数。
• prediction_modules.py: 预测模块。
• scenario_tree_prediction.py: 场景树预测模块。
• spline_planner.py: 样条曲线规划模块。
• test.py: 测试脚本。
• test_scenario.yaml: 测试场景配置文件。
• train.py: 训练脚本。
• train_utils.py: 训练工具函数。
• trajectory_tree_planner.py: 轨迹树规划模块。
• README.md: 项目说明文档。
• LICENSE: 项目许可证文件。

2. 项目的启动文件介绍

项目的主要启动文件是train.py和test.py。

• train.py: 用于启动模型训练过程。通过指定训练和验证数据集路径，以及其他训练参数，如训练轮数、批量大小和学习率等，开始训练。
• test.py: 用于启动模型测试过程。通过指定测试类型、数据路径、地图路径和模型路径等参数，进行模型性能的测试。

3. 项目的配置文件介绍

项目的配置主要通过命令行参数进行，但在测试场景中有使用test_scenario.yaml配置文件。

• test_scenario.yaml: 定义了测试场景的配置，包括场景类型、数据路径、地图路径等。在测试时，此文件被读取以设置测试环境。

项目的命令行参数配置通常包括：

• --data_path: 指定数据集的路径。
• --map_path: 指定地图数据的路径。
• --save_path: 指定处理后的数据保存路径。
• --train_set: 指定训练数据集路径。
• --valid_set: 指定验证数据集路径。
• --model_path: 指定模型保存路径。

通过合理配置这些参数，可以有效地进行模型的训练和测试。

DTPP [ICRA 2024] Differentiable Joint Conditional Prediction and Cost Evaluation for Tree Policy Planning 项目地址: https://gitcode.com/gh_mirrors/dt/DTPP