Apollo 3.0开发者技术沙龙干货要点.doc

Apollo 3.0开发者技术沙龙干货要点.doc

ID:27460747

大小:1.13 MB

页数:23页

时间:2018-12-04

Apollo 3.0开发者技术沙龙干货要点.doc_第1页
Apollo 3.0开发者技术沙龙干货要点.doc_第2页
Apollo 3.0开发者技术沙龙干货要点.doc_第3页
Apollo 3.0开发者技术沙龙干货要点.doc_第4页
Apollo 3.0开发者技术沙龙干货要点.doc_第5页
资源描述:

《Apollo 3.0开发者技术沙龙干货要点.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、Apollo3.0开发者技术沙龙干货要点  上周六,我们在北京举办了Apollo3.0开发者技术沙龙活动。纵然当天气温已达40℃,也挡不住开发者对Apollo的热情,沙龙吸引了来自车企、科技公司、高校的近400名开发者参加。本次沙龙我们邀请了Apollo团队的中美自动驾驶技术专家,从车辆开放平台、硬件开发平台、功能安全及量产解决方案四个方面着手,为开发者全面解读Apollo3.0从研发到量产的技术原理。    1  Apollo3.0自动驾驶开放平台介绍    Apollo技术布道师胡旷做了开场演讲。他首先介绍了百度Apollo的发展历程。在今年7月Apollo3.

2、0推出前,Apollo已经在一年里迭代了4个版本,最新的版本不仅更新了激光雷达、摄像头、毫米波雷达、组合导航系统以及超声波雷达等硬件设施,还在自动驾驶的感知、定位、规划、决策以及控制等技术上进行了升级。    在本次沙龙中,胡旷对百度Apollo3.0的新特性进行了详细介绍,包括Apollo3.0的架构升级以及新推出的核心能力。    如图所示,在云服务平台以及软件平台方面,Apollo3.0针对量产低速园区场景全面升级七大能力:低速园区感知算法、低速园区规划算法、低速园区控制方案、赋能量产安全监控、赋能量产HMI调试工具、赋能量产开发者接口、开发者贡献相对地图。 

3、 在硬件开发方面,Apollo3.0从参考硬件升级为硬件开发平台,新增了15种硬件选型,发布了Apollo传感器单元,并添加底层软件抽象层,旨在为用户提供更多接口的同时还可以做时间戳同步及空间数据的融合。  在车辆平台方面,Apollo3.0从车辆参考平台升级为车辆认证平台,链接车企与开发者需求,加速无人驾驶的部署和量产。  2  Apollo3.0PnC更新以及车辆认证平台介绍    Apollo控制、车辆交互技术负责人罗琦在此次分享中介绍了Apollo3.0软件平台更新以及车辆认证平台。  Apollo软件平台更新    在演讲中,罗琦首先对Apollo3.0M

4、onitor状态监控模块的升级和Guardian新模块的加入进行了介绍。    Monitor模块和Guardian模块是对于Functionalsafety和Faulthandling的初步尝试。其主要的工作方式为:Monitor系统实时监测硬件及软件各个模块的健康状态,以及是否收到一些最重要的信号。一旦发现障碍物,Monitor就会通知Guardian模块,同时在Dreamview上通过声音和图像的方式提示接管。紧接着,Guardian模块会根据Monitor发来的信息,进行一系列的动作。当超声波传感器正常工作并且前方没有检测到障碍物的前提下,尝试在10s内缓缓

5、停车;当超声波传感器不正常工作或者监测到有障碍物,会为了防止碰撞紧急刹车。  相对地图    相对地图最初是在Apollo2.5中发布。目的是在一些相对简单的路况上,降低对于高精地图的依赖。在Apollo2.0以及之前的开放中,高精地图主要用于3D雷达的监测,2D相机红绿灯监测,以及定位模块的多传感器融合。在Apollo2.5中,百度主要依赖相机进行障碍物和车道线的监测,同时定位模块主要依赖相对车道线或者GPS定位。    相对地图总共有三种工作模式:  第一种是直接由实时的感知模块监测到的道路边界,以10hz的频率生成。好处是完全脱离对高精地图和高精定位的依赖,且

6、部署成本较低;坏处是这种工况对于车道线本身的车道线标注是否清晰依赖度较高,同时在这种工况下只能进行简单的ACC和lanekeeping。  第二种是指引线加上相对地图。这样的方式对于定位有较强依赖,而对车道线本身标注的清晰程度依赖较低。同时,可以不基于高精地图,仍然保持较为灵活的部署方式。  第三种是基于指引线+高精地图模式,也就是说和原本2.0的方案兼容。这样的好处就是得到最全面和精确的地图定位信息,但部署成本较高。  Apollo2.5发布的是只支持单车道的方案,在Apollo3.0以及3.0以后中,为了支持合作伙伴在这种相对地图模式下的超车、换道等需求,Apo

7、llo加入了多车道的相对地图支持。  这部分内容,Apollo资深软件工程师Yifei在上周社群分享中为大家做了详细讲解,具体内容可参考《Apollo相对地图:基于人工驾驶路径的实时地图生成》。  LatticePlanner      LatticePlanner是一种SampleBasedPlanning的算法,具体的算法过程为:  1.横向和纵向分别撒点,根据实时的决策目标,比如跟车或者停止,在车辆的状态空间内取不同的终点。用高阶曲线链接起点和不同状态的终点。  2.根据体感,是否达到终点状态等,对于横向和纵向的曲线assign不同的cost。  3.将横

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。