前言
??
Apollo (阿波羅)是一個開放的、完整的、安全的平臺,將幫助汽車行業及自動駕駛領域的合作伙伴結合車輛和硬件系統,快速搭建一套屬于自己的自動駕駛系統
。
開放能力、共享資源、加速創新、持續共贏是 Apollo 開放平臺的口號。百度把自己所擁有的強大、成熟、安全的自動駕駛技術和數據開放給業界,旨在建立一個以合作為中心的生態體系,發揮百度在人工智能領域的技術優勢,為合作伙伴賦能,共同促進自動駕駛產業的發展和創新。
??Apollo 自動駕駛開放平臺為開發者提供了豐富的車輛、硬件選擇,強大的環境感知、高精定位、路徑規劃、車輛控制等自動駕駛軟件能力以及高精地圖、仿真、數據流水線等自動駕駛云服務,幫助開發者從 0 到 1 快速搭建一套自動駕駛系統。
📕作者簡介:熱愛跑步的恒川,致力于C/C++、Java、Python等多編程語言,熱愛跑步,喜愛音樂的一位博主。
📗本文收錄于Apollo的學習錄系列,大家有興趣的可以看一看
📘相關專欄C語言初階、C語言進階系列等,大家有興趣的可以看一看
📙Python零基礎入門系列,Java入門篇系列、docker技術篇系列正在發展中,喜歡Python、Java、docker的朋友們可以關注一下哦!
阿波羅自動駕駛系統的影響
- 1. 清晰的任務流水線,多樣的算法插件
- 2. 全新的模型訓練,易用的深度學習模型
- 3. 高效的模型管理,便捷的模型驗證
??為了幫助開發者更好的提升感知模塊的開發效率,在Apollo 8.0版本中,我們提供了一套完整的端到端自動駕駛感知開發流程,在數據、模型、框架和驗證4個主要環節都做了提升,同時迭代優化斕任務流程和工具,幫助開發者快速實現自動駕駛感知的開發、部署和驗證,提高感知開發效率
。
1. 清晰的任務流水線,多樣的算法插件
??在8.0感知框架中,開發者可以根據不同的感知任務類型來創建對應的流水線,并通過配置文件來定義流水線任務
。相比以前,每個任務的運行流程更加清晰,同時還方便進行擴展。此外,開發者還可以根據需要選擇不同的算法插件,比如Apollo感知模塊提供4種檢測器,開發者可以根據配置文件,選擇不同的檢測器,來驗證檢測效果,通過算法插件,算法工程師更加專注于算法本身,而不需要過多關注框架的實現。
2. 全新的模型訓練,易用的深度學習模型
??此次Apollo 8.0中,Apollo聯合Paddle3D提供了端到端的自動駕駛模型開發解決方案,覆蓋了從自動駕駛數據集到模型訓練、模型評估和模型導出的算法開發全流程
。
??對自動駕駛駕駛中,開發者比較關心的3D目標檢測任務和分割任務,Apollo提供了最新SOTA的算法模型實現,包括單目相機檢測,激光雷達點云目標檢測和多模態的目標檢測模型,開發者開箱即用,不需要再苦于自己復現模型。同時,我們還提供模型的Benchmark,包括速度、精度等指標以及預訓練好的模型。開發者可以實時跟蹤最新的3D目標檢測和分割模型實現,保持自動駕駛感知算法上的先進性。
Apollo 8.0感知模型中,已引入了3個深度學習模型:
- PETR:目前自動駕駛方向中視覺BEV領域中的代表性模型,模型創新性地將3D坐標信息與圖像特征相融合,
借助Transfomer的結構進行端到端的3D目標檢測,實現了基于視覺的360°障礙物感知,模型整體架構設計簡潔
,在速度和精度之間取得了很好的tradeoff,在nuScenes上精度達到了43.52 NDS, 38.35mAP。 - CenterPoint:點云檢測方向的前沿模型,該模型是Anchor-Free的三維物體檢測器,基于關鍵點檢測的方式回歸物體的尺寸、方向和速度。相比于Anchor-Based的三維物體檢測器,CenterPoint不需要人為設定Anchor尺寸,面向物體尺寸多樣不一的場景時其精度表現更高。
模型的結構設計簡單而高效,在nuScenes上精度達到了61.30 NDS,50.97mAP
。 - CaDDN:基于單目3D檢測的前沿模型,針對于單張圖像預測3D物體的病態問題,CaDDN創新性地提出了使用每個像素的預測分類深度分布,將豐富的上下文特征信息投射到3D空間中適當深度區間的解決方案,并使用計算效率高的鳥瞰投影和單級檢測器來生成最終的輸出包圍框,將單目3D的模型指標提到了一個新的高度,在KITTI數據中達到了較高的精度指標(Car類別3D AP 21.45 14.36 12.57)。
3. 高效的模型管理,便捷的模型驗證
??為了更方便快捷的將訓練好的模型部署到Apollo系統中,在此次Apollo 8.0中我們引入了模型Meta和模型管理。其中模型Meta中包含了模型的基本信息,如名稱、任務類型、傳感器類型、框架和訓練所需的數據集,同時還包含了模型的標準輸入、輸入、前后處理、模型文件存放的路徑等。同時,Apollo還提供模型管理工具,開發者可以通過該工具下載安裝模型倉庫中的模型,展示系統中已經安裝的模型和模型的詳細信息。通過對模型進行標準化和模型管理工具,開發者可以非常方便的安裝部署訓練好的模型,并且管理這些模型,實現模型部署效率提升。
??此外,在感知模型驗證中,我們提供了基于數據集的數據包(record文件),方便開發者直接基于數據集的數據來在線驗證模型的檢測效果
,保證訓練和部署是同一套基線,快速測試模型性能。除了提供測試數據包之外,Apollo 8.0還提供了可視化工具鏈,通過可視化的圖形界面,展示傳感器的原始數據和目標檢測結果,方便開發者查看模型檢測效果,調試感知模型。
更全面的Apollo社區官網文檔
??Apollo社區官網文檔,主要為新手開發者提供Apollo相關介紹、以及上機場景和上車場景的實踐說明,讓新手開發者能快速了解Apollo并上手實操。在8.0中,我們優化了社區官網文檔的結構,從開發者使用場景出發,針對不同場景提供應用實踐案例指導以及擴展開發指導。
??社區官網文檔:https://apollo.baidu.com/community/Apollo-Homepage-Document/Apollo_Doc_CN_8_0。
??另外還有活動任務《星火培訓》:星火培訓。
??Apollo 8.0從“新架構”、“新能力”兩個重要層面進行了全面升級,從開發者的實際需求出發進行改良,幫助開發者更好、更快地熟悉和使用Apollo開放平臺。此次Apollo開放平臺8.0的推出,再次讓Apollo開放平臺在工程易用性上向前邁進一大步,降低操作難度、操作成本的門檻,讓更多開發者可以簡單方便地上手Apollo開放平臺、投身自動駕駛技術領域。
如果這份博客對大家有幫助,希望各位給恒川一個免費的點贊👍作為鼓勵,并評論收藏一下?,謝謝大家!!!
制作不易,如果大家有什么疑問或給恒川的意見,歡迎評論區留言。