欢迎来到天天文库
浏览记录
ID:28112099
大小:2.27 MB
页数:10页
时间:2018-12-08
《百度Apollo 1.5 计划单车道无人驾驶再度升级.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、百度Apollo1.5计划单车道无人驾驶再度升级 自从百度发布Apollo1.5计划后,自动驾驶生态项目快速引起了国内外的巨大反应,大量的数据表明Apollo计划新增了6.5万行开源代码,说明百度对此举是经过了研讨和审核,并不是临时之举。 为什么叫Apollo1.5?对这个项目有持续关注的同学应该记得,在7月5号的发布会上,百度虽然展示了Apollo的技术全景,但是当时他们开放的其实是Apollo1.0的版本,可以实现封闭场地的循迹自动驾驶能力。而按照他们当时给出的时间表,在2017年9月会开放固定车道自动驾驶的能力,到2017年12月,开放简单城市路况自动驾
2、驶能力,也就是Apollo2.0。 这次他们开发的Apollo1.5,实际上就是开放了固定车道自动驾驶能力。也就是说,在大家经常提及的1.0及2.0版本之外,今天发布的1.5版本,其实原本就在百度的计划之中,并不是一场「临时起意」。 具体在技术层面开放了什么呢?这时候又要搬出那张经典的Apollo技术架构图了。 我们再来复习一下1.0和2.0版本的路线图: 1.0,蓝色框为开放的能力: 2.0,相比1.0新增了紫色框的内容: 而Apollo1.5的路线图是这样的,其中黄色部分的内容是这次所开放的内容: 可以看到,在开源软
3、件平台层面,这次开放了地图引擎(MapEngine)、感知(PercepTIon)、规划(Planning)、端到端深度学习(End-to-End)四个能力。而在云端服务平台层面,这次开放了高精度地图(HDMap)、仿真模拟平台(SimulaTIon)两部分。硬件方面,Apollo开放了对于激光雷达的支持。 把这些能力和1.0版本所开发的能力相加,Apollo1.5所能实现的功能如前所说,就是「定车道昼夜自动驾驶」,也就是说,如果你想基于Apollo开源代码做自动驾驶,用了1.5版本的这套东西,可以让你的车子实现单车道内的自主驾驶和跟车功能。 允许我跳脱一下说
4、句题外话:百度这个Apollo1.5发布会,做的相当技术范儿,如果不是对于自动驾驶技术有较深研究的记者,可能会听的很晕。当然,发布会到场的不止媒体,合作伙伴和潜在合作伙伴听了这些,可能会很「享受」。 但是在这里还是有必要去分解一下技术层面的东西。 来看看这次1.5版本开放的五大能力:障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习。 其中按照Apollo平台研发负责人王京傲的说法,前四个能力是「如期开放」的,而在Apollo1.5这个时间节点上开放端到端的深度学习能力有点儿「意料之外」。 在我看来,选择开放什么能力,是由每个阶段的目标所决定的
5、。从1.0的封闭场地自动循迹发展到1.5的定车道自动驾驶,障碍物感知、决策规划、仿真测试、高精地图这几项能力,其实是必须要开放出来的,否则很难实现1.5的目标。 先说障碍物感知。按照百度的说法,这个能力是基于深度学习实现的。具体原理是,通过「参考硬件」Velodyne的64线激光雷达采集周围环境的点云数据,然后使用英伟达的GPU,通过CUDA、CuDNN、Caffe技术实现对于障碍物的精准识别。一方面,可以实现对障碍物的行为预测,另一方面,为了适配不同的障碍物,Apollo也会提供不同的算法。 这也解释了为什么百度要在Apollo1.5里开放对于激光雷达的
6、支持。 而作为百度投资的公司,Velodyne今天也在现场发布了一个消息:他们正式在国内上市32线激光雷达产品VLP-32C(请记住,是32C)。另外,对于Apollo生态成员,Velodyne还会提供「特殊服务」:如果这些公司需要激光雷达装在自己的自动驾驶测试车上,Velodyne会提供更短的交货周期、专项技术支持,当然还有「生态成员专属价格」。 决策规划:系统可以对无人车收集的数据进行筛选聚合,在决策规划这个模块对这些数据进行重构,基于此,运用不同的优化器,为无人车画出最安全、最光滑的行车路径。具体看图吧,懂的同学自然懂: 端到端的深度学习:既采
7、用了卷积神经网络,也采用了创新性的基于深度学习的神经网络。 高精度地图:这是实现自动驾驶的基础之一,此前我们也专门用一篇文章介绍过百度高精度地图的具体采集、制作过程。百度认为他们的高精度地图具备精细化程度高、生产效率高、覆盖面广这三个核心优势。 百度的目标是到2020年,Apollo高精度地图将覆盖全国所有高等级道路及重点城市道路,目前开放的是全国范围内高速公路与特定城市道路的高精度地图,精度在15-20cm的级别。 云端仿真:百度称之为自动驾驶的「加速器」。它的意义在于,不需要实际用自动驾驶测试车上路实测,在仿真平台上就可以进行「虚拟路试」,达到快速锻
8、炼算法以及
此文档下载收益归作者所有