百度 Apollo 1.5 解析：如何實現單車道自動駕駛？

今年7月5日，百度正式發布Apollo項目。在接下來的一段時間里，這個自動駕駛生態項目在國內外引起了極大的討論和解讀，成為許多汽車和自動駕駛從業者必須談論的話題。“你覺得阿波羅計劃怎么樣？它可靠嗎？如果有一個搜索引擎可以覆蓋我們的日常對話和文本交流，這個問題的搜索結果一定是巨大的。根據百度給出的數據，在過去的兩個月里，阿波羅計劃增加6.5萬行開源代碼，他們今天也帶來了這個計劃的最新變化：阿波羅1.5正式發布釋放。為什么選擇阿波羅1.5號？持續關注這個項目的同學應該記得，在7月5日的發布會上，百度展示了Apollo的技術全景，但當時他們實際上打開了Apollo1.0版本，可以實現封閉場館的跟蹤和自動駕駛能力。根據他們當時給出的時間表，2017年9月，開放固定車道的自動駕駛能力，到2017年12月，開放簡單城市路況的自動駕駛功能，這就是Apollo 2.0。

他們這次開發的阿波羅1.5實際上打開了固定車道自動駕駛的能力。換句話說，除了人們經常提到的1.0和2.0版本外，今天發布的1.5版本實際上在百度的計劃中，它不是一個“臨時想法”。在技術層面具體開放了什么？此時，有必要跳出經典的阿波羅技術架構圖。讓我們回顧一下1.0和2.0版本的路線圖：1.0，藍色方框是打開的能力：

2.0，與1.0相比，增加了紫色盒子的內容：

阿波羅1.5號的路線圖是這樣的，黃色部分是這次開放的：

可以看出，在開源軟件平臺層面，此次開放了Map Engine、Perception、Planning和端到端深度學習四大功能。在云服務平臺層面，此次開放了高清地圖和模擬平臺兩部分。在硬件方面，Apollo已經開放了對激光雷達的支持。將這些功能添加到1.0版本中開發的功能中，Apollo 1.5可以實現的功能是“固定車道晝夜自動駕駛”，也就是說，如果你想做基于Apollo開源代碼的自動駕駛，你可以在1.5版本中使用這套東西，讓你的車在單車道上實現自動駕駛和跟車功能。請允許我跳下話題：百度，阿波羅1.5號會議，技術性很強。如果不是對自動駕駛技術有深入研究的記者，可能會感到非常眩暈。當然，出席新聞發布會的不僅是媒體，合作伙伴和潛在合作伙伴也可能“喜歡”聽到這句話。但這里仍然有必要對技術方面的內容進行分解。讓我們看看1.5版本的五大功能：障礙感知、決策規劃、云模擬、高精度地圖服務和端到端深度學習。在Apollo平臺研發負責人王京奧看來，前四項能力“如期開放”，在Apollo1.5開啟端到端深度學習能力有點“出乎意料”。在我看來，開放能力的選擇是由每個階段的目標決定的。從1.0的封閉場自動跟蹤到1.5的固定車道自動駕駛，必須開放障礙感知、決策規劃、模擬測試和高精度地圖的能力，否則很難實現1.5的目標。讓我們先談談障礙感知。根據百度的說法，這種能力是建立在深度學習的基礎上的。具體原理是通過Velodyne的64線激光雷達采集周圍環境的點云數據，然后使用NVIDIA的GPU通過CUDA、CuDNN和Caffe技術準確識別障礙物。一方面，它可以預測障礙物的行為。另一方面，Apollo將提供不同的算法來適應不同的障礙。

這也解釋了為什么百度應該在Apollo中開放對激光雷達的支持……

5.作為百度投資的公司，Velodyne今天也在現場發布消息：他們在中國正式上市了32線激光雷達產品VLP-32C（請記住，它是32C）。此外，對于Apollo生態會員，Velodyne還將提供“特殊服務”：如果這些公司需要在自己的自動駕駛測試車上安裝激光雷達，Velodyn將提供更短的交付周期、特殊的技術支持，當然還有“生態會員專享價”。

決策規劃：系統可以對無人車收集的數據進行過濾和聚合，并在決策規劃模塊中重構這些數據。基于此，使用不同的優化器來繪制無人車最安全、最平滑的行駛路徑。仔細看圖片，理解的學生自然會理解：

端到端深度學習：采用卷積神經網絡和基于深度學習的創新神經網絡。

高精度地圖：這是實現自動駕駛的基礎之一。此前，我們也用一篇文章介紹了百度高精地圖的具體采集和制作過程。百度認為，他們的高精度地圖有三個核心優勢：高精度、高生產效率和廣覆蓋。百度的目標是，到2020年，Apollo高精度地圖將覆蓋全國所有高等級道路和城市重點道路。目前，全國高速公路和特定城市道路的高精度地圖已經開放，精度達到15-20厘米。云模擬：百度稱其為自動駕駛的“加速器”。其意義在于，“虛擬路測”可以在模擬平臺上進行，而無需在自動駕駛儀上進行實際路測，從而達到快速訓練算法和積累數據的目的，節約成本，提高效率，快速迭代。

阿波羅模擬平臺的優勢在于內置高精度地圖、海量場景、云計算能力和專業的測量系統（測量系統也稱為“裁判”，用于評估測試的算法水平）。根據百度給出的信息，阿波羅模擬平臺的虛擬計算能力可以達到“每天一百萬公里”。好吧，這就是這些新的開放能力的引入。說實話，百度在發布會上提供的信息比我寫的多得多，他們對每一項能力都做了非常詳細的解釋。如果你是自動駕駛技術的開發者，你可以訪問Apollo的官方網站了解更多信息。如果你是一個吃瓜群眾，對這一部分有一個基本的了解就足夠了。當然，還有另一種可能性：作為一個吃瓜群眾，也許你看完這些東西后，想去DIY一輛自動駕駛汽車？在談到技術之后，讓我們談談阿波羅更宏觀的東西。“開發者”一詞被百度反復提及。作為一個開放的自動駕駛程序，開發人員的重要性不言而喻。如果你不太理解，你可以參考Android的例子。用百度的話來說，開發者的成功就是阿波羅項目的成功。在發布會上，三位“開發者”分別從不同角度講述了他們的經歷，分別是金龍客車、Momenta和智行哲科技。金龍修改了一輛6米長的公交車的硬件，并注入了阿波羅1.0的代碼，使車輛能夠在一周內在封閉的地方進行跟蹤。這也標志著阿波羅應用從乘用車擴展到商用車。Momenta和智智提供了Apollo 1.5的兩個應用案例。Momenta首席執行官曹旭東表示，他們基于Apollo1.5的自動駕駛測試車可以準確識別前方車輛突然并線、行人和自行車在白天和晚上過馬路等交通場景。當道路上出現垃圾桶、大型犬和紙箱等非典型交通場景時，車輛也可以做出準確的判斷，并提供安全穩定的駕駛決策。Momenta和Apollo的合作主要是驗證障礙物識別和激光雷達傳感的能力。至于明智的步行者，他們與阿波羅的合作主要基于高精度地圖和云模擬。目前，一輛“無人掃路車”已經投入北京的一個公園，智能旅行者為它提供了……

h一種無人化解決方案，利用Apollo的高精度地圖和定位服務，實現自動避障、自主跟蹤、定點啟停、自主清掃等功能。此外，智能出行者還利用云模擬平臺進行了自動駕駛模擬測試。據百度介紹，經過兩個多月的發展，Apollo Eco的合作伙伴數量已增至約70家。至于整個Apollo開發者生態的構成，可以通過百度副總裁吳學斌在現場展示的一張圖片來說明：

事實上，從1.0到未來的1.5到2.0，可以看出百度非常重視Apollo的迭代能力，并做出了一個可能不合適的比喻，這有點像特斯拉的OTA遠程更新。作為Apollo Ecology的合作伙伴，不斷獲得自動駕駛能力的更新可能是一個“活力”的問題。當被問及Apollo是如何盈利的時，吳學斌的回答簡短但有意義：他沒有在現有的價值鏈中淘金，而是從云端提供服務。今年7月5日，百度正式發布Apollo項目。在接下來的一段時間里，這個自動駕駛生態項目在國內外引起了極大的討論和解讀，成為許多汽車和自動駕駛從業者必須談論的話題。“你覺得阿波羅計劃怎么樣？它可靠嗎？如果有一個搜索引擎可以覆蓋我們的日常對話和文本交流，這個問題的搜索結果一定是巨大的。根據百度給出的數據，在過去的兩個月里，阿波羅計劃增加6.5萬行開源代碼，他們今天也帶來了這個計劃的最新變化：阿波羅1.5正式發布釋放。為什么選擇阿波羅1.5號？持續關注這個項目的同學應該記得，在7月5日的發布會上，百度展示了Apollo的技術全景，但當時他們實際上打開了Apollo1.0版本，可以實現封閉場館的跟蹤和自動駕駛能力。根據他們當時給出的時間表，2017年9月，開放固定車道的自動駕駛能力，到2017年12月，開放簡單城市路況的自動駕駛功能，這就是Apollo 2.0。

他們這次開發的阿波羅1.5實際上打開了固定車道自動駕駛的能力。換句話說，除了人們經常提到的1.0和2.0版本外，今天發布的1.5版本實際上在百度的計劃中，它不是一個“臨時想法”。在技術層面具體開放了什么？此時，有必要跳出經典的阿波羅技術架構圖。讓我們回顧一下1.0和2.0版本的路線圖：1.0，藍色方框是打開的能力：

2.0，與1.0相比，增加了紫色盒子的內容：

阿波羅1.5號的路線圖是這樣的，黃色部分是這次開放的：

可以看出，在開源軟件平臺層面，此次開放了Map Engine、Perception、Planning和端到端深度學習四大功能。在云服務平臺層面，此次開放了高清地圖和模擬平臺兩部分。在硬件方面，Apollo已經開放了對激光雷達的支持。將這些功能添加到1.0版本中開發的功能中，Apollo 1.5可以實現的功能是“固定車道晝夜自動駕駛”，也就是說，如果你想做基于Apollo開源代碼的自動駕駛，你可以在1.5版本中使用這套東西，讓你的車在單車道上實現自動駕駛和跟車功能。請允許我跳下話題：百度，阿波羅1.5號會議，技術性很強。如果不是對自動駕駛技術有深入研究的記者，可能會感到非常眩暈。當然，出席新聞發布會的不僅是媒體，合作伙伴和潛在合作伙伴也可能“喜歡”聽到這句話。但這里仍然有必要對技術方面的內容進行分解。讓我們看看1.5版本的五大功能：障礙感知、決策規劃、云模擬、高精度地圖服務……

ce和端到端深度學習。在Apollo平臺研發負責人王京奧看來，前四項能力“如期開放”，在Apollo1.5開啟端到端深度學習能力有點“出乎意料”。在我看來，開放能力的選擇是由每個階段的目標決定的。從1.0的封閉場自動跟蹤到1.5的固定車道自動駕駛，必須開放障礙感知、決策規劃、模擬測試和高精度地圖的能力，否則很難實現1.5的目標。讓我們先談談障礙感知。根據百度的說法，這種能力是建立在深度學習的基礎上的。具體原理是通過Velodyne的64線激光雷達采集周圍環境的點云數據，然后使用NVIDIA的GPU通過CUDA、CuDNN和Caffe技術準確識別障礙物。一方面，它可以預測障礙物的行為。另一方面，Apollo將提供不同的算法來適應不同的障礙。

這也解釋了為什么百度應該在Apollo 1.5中開放對激光雷達的支持。作為百度投資的公司，Velodyne今天也在現場發布消息：他們在中國正式上市了32線激光雷達產品VLP-32C（請記住，它是32C）。此外，對于Apollo生態會員，Velodyne還將提供“特殊服務”：如果這些公司需要在自己的自動駕駛測試車上安裝激光雷達，Velodyn將提供更短的交付周期、特殊的技術支持，當然還有“生態會員專享價”。

決策規劃：系統可以對無人車收集的數據進行過濾和聚合，并在決策規劃模塊中重構這些數據。基于此，使用不同的優化器來繪制無人車最安全、最平滑的行駛路徑。仔細看圖片，理解的學生自然會理解：

端到端深度學習：采用卷積神經網絡和基于深度學習的創新神經網絡。

高精度地圖：這是實現自動駕駛的基礎之一。此前，我們也用一篇文章介紹了百度高精地圖的具體采集和制作過程。百度認為，他們的高精度地圖有三個核心優勢：高精度、高生產效率和廣覆蓋。百度的目標是，到2020年，Apollo高精度地圖將覆蓋全國所有高等級道路和城市重點道路。目前，全國高速公路和特定城市道路的高精度地圖已經開放，精度達到15-20厘米。云模擬：百度稱其為自動駕駛的“加速器”。其意義在于，“虛擬路測”可以在模擬平臺上進行，而無需在自動駕駛儀上進行實際路測，從而達到快速訓練算法和積累數據的目的，節約成本，提高效率，快速迭代。

阿波羅模擬平臺的優勢在于內置高精度地圖、海量場景、云計算能力和專業的測量系統（測量系統也稱為“裁判”，用于評估測試的算法水平）。根據百度給出的信息，阿波羅模擬平臺的虛擬計算能力可以達到“每天一百萬公里”。好吧，這就是這些新的開放能力的引入。說實話，百度在發布會上提供的信息比我寫的多得多，他們對每一項能力都做了非常詳細的解釋。如果你是自動駕駛技術的開發者，你可以訪問Apollo的官方網站了解更多信息。如果你是一個吃瓜群眾，對這一部分有一個基本的了解就足夠了。當然，還有另一種可能性：作為一個吃瓜群眾，也許你看完這些東西后，想去DIY一輛自動駕駛汽車？在談到技術之后，讓我們談談阿波羅更宏觀的東西。“開發者”一詞被百度反復提及。作為一個開放的自動駕駛程序，開發人員的重要性不言而喻。如果你不太理解，你可以參考Android的例子。用百度的話來說，開發者的成功就是阿波羅的成功……

項目。在發布會上，三位“開發者”分別從不同角度講述了他們的經歷，分別是金龍客車、Momenta和智行哲科技。金龍修改了一輛6米長的公交車的硬件，并注入了阿波羅1.0的代碼，使車輛能夠在一周內在封閉的地方進行跟蹤。這也標志著阿波羅應用從乘用車擴展到商用車。Momenta和智智提供了Apollo 1.5的兩個應用案例。Momenta首席執行官曹旭東表示，他們基于Apollo1.5的自動駕駛測試車可以準確識別前方車輛突然并線、行人和自行車在白天和晚上過馬路等交通場景。當道路上出現垃圾桶、大型犬和紙箱等非典型交通場景時，車輛也可以做出準確的判斷，并提供安全穩定的駕駛決策。Momenta和Apollo的合作主要是驗證障礙物識別和激光雷達傳感的能力。至于明智的步行者，他們與阿波羅的合作主要基于高精度地圖和云模擬。目前，一輛“無人掃路車”已在北京的一個公園投入使用，智能出行者為其提供了無人解決方案，其中利用Apollo的高精度地圖和定位服務，實現自動避障、自主跟蹤、定點啟停、自主掃路等功能。此外，智能出行者還利用云模擬平臺進行了自動駕駛模擬測試。據百度介紹，經過兩個多月的發展，Apollo Eco的合作伙伴數量已增至約70家。至于整個Apollo開發者生態的構成，可以通過百度副總裁吳學斌在現場展示的一張圖片來說明：

事實上，從1.0到未來的1.5到2.0，可以看出百度非常重視Apollo的迭代能力，并做出了一個可能不合適的比喻，這有點像特斯拉的OTA遠程更新。作為Apollo Ecology的合作伙伴，不斷獲得自動駕駛能力的更新可能是一個“活力”的問題。當被問及Apollo是如何盈利的時，吳學斌的回答簡短但有意義：他沒有在現有的價值鏈中淘金，而是從云端提供服務。

標簽：金龍北京特斯拉遠程

汽車資訊熱門資訊