百度Apoll

  之前一直对百度Apoll保持很大的好奇心，趁着这次有时间简单的了解了一下。只是表面功夫，没有使用过写不出太多有价值的东西。

  阿波罗github：ApolloAuto/apollo: An open autonomous driving platform (github.com)

  阿波罗7.0架构图(阿波罗最新架构是7.0版本，但是发布的实际是6.0)：

  阿波罗实车分布图：

  2019年，百度Apoll和北大联合推出一个暑假课程，放在B站上可以看，课程链接
  以下是过程中做的一些笔记，发出来方便自己随时观看，有兴趣的朋友也可以看看，如果有问题也请帮我指出（其实时间有点儿久了，很多东西都可能更新了~）

无人驾驶的优势：处理的信息量更大，人类有反应时间，无人车效率高
公司：特斯拉, uber
自动驾驶等级：
L0 完全没有任何智能
L1 以人为主体，简单的汽车辅助功能
L2 以人为主体，汽车辅助(特斯拉)
L3 在部分道路情况下，车可以主体
L4 大部分情况下车为主体(Apoll的目标)
L5 车完全独立

导航地图、高精地图(车道线级别)
高精地图：给无人车预判时间、减少无人车计算量

定位：GPS、IMU、RTK(GPS基站减少偏差)

无人驾驶汽车要是用电脑控制车轮胎移动

百度有一个后台云端仿真空间，数据都会上传

无人车安全：黑客安全
安全标准：ISO26262

Apoll也用到了ros的消息转发
目前最新版本是Apollo7.0
阿波罗平台架构有四层

开发研制流程：软件在环(仿真器)、硬件在环(硬件设施)、场地在环(特定场地)、司机在环(实际道路)

硬件系统：感知、决策、控制

核心传感器：摄像头、激光雷达、毫米波雷达(发射毫米波)、组合导航

对于传感器需求：传统车企怕误检、AI怕漏检

激光雷达和摄像头都是光学传感器，存在融合可能，一体化后直接输出RGB/yuv图像

线控系统：车的移动是由命令去控制，而不是机械控制

阿波罗硬件开发平台，提供部分硬件平台型号

定位：四个融合(GNSS,IMU,LIDAR,CAMERA)

常用定位技术：GNSS定位技术(GPS+IMU)，激光点云(2D+3D)，视觉定位技术(摄像头)
定位中涉及各类传感器如何实现定位，并提高定位精度。包括IMU，各类坐标系下的转换
百度：组合导航系统(两种非相似以上)

L3以下不需要高精地图，L3,L4是标配
高精地图：不是指精度更高，指描述的更加全面，实时性更高。为机器设计

激光雷达的精度更高，但穿透力不强。在一些雾霾环境，搜索范围有限。但毫米波雷达穿透力很强
高精地图提前标注好一些静态数据，可以弥补传感器在复杂场景下的效果发挥不出来的缺点
高精度图可以提供一个离线标准，在线情况下可能遭受攻击导致精度不准(激光雷达收到磁场干扰)
最复杂的场景：雪天场景，会盖住车道线影响视觉，激光雷达受雪花影响误报障碍物

GPS实现原理：通过卫星确定空间点坐标，空间点坐标是三维坐标XYZ，通过三个方程求解，原理上三个方程由三个卫星可得，但因为实际存在测量误差，一般需要4个及以上卫星才能实现精确测量

高精地图的产生通过多传感器的融合生成(基于激光雷达、基于camera)

百度高精地图格式规范——百度OpenDrive

研究方向：用深度学习去做点云处理(点云SLAM，点云分割，点云特征提取)

地图公司：HERE，MobileEye（camera方案提供商）、Google Wego

百度Apoll方案：

Apoll提供一站式开发平台，一整套完整系统

Apoll提供高精度图数据元素：

先规划，再控制
规划就是规划路径,预测轨迹 planning
自动驾驶操控过程：

决策规划问题：决策出的路径要进行平滑处理才能真正符合实际需求
可以通过动态规划来简化计算，但在动态场景下先验知识未必有效
对车处理时要把车当成刚体，而不能是质点去处理

无人车监测碰撞问题，无人车刚体是否有相交

阿波罗ROS改进的地方：
ROS存在的问题：数据传输有瓶颈、有roscore负责功能太多存在单点风险

通信性能优化：
1.共享内存解决数据拷贝问题(ROS中同一个数据，多个节点订阅，通过拷贝实现传送)




阿波罗平台的快速使用：
能够运行阿波罗的车有条件，有一点儿限制，符合阿波罗适配的硬件要求
阿波罗平台会帮助生成高精地图
阿波罗有专有的适配硬件
阿波罗针对于ROS做了工具集功能扩展
Apoll提供仿真平台：Azure 仿真平台不是在本地部署 可以得到仿真平台的报告
Apoll提供了一些开源数据集

个人感悟：之前只是听说过百度阿波罗，经过这次比较系统的了解，首先是让我对自动驾驶有了重新的认识。了解了自动驾驶中各个模块的所属功能，对如何学习各模块有了一个模糊的思路。再说回到阿波罗，我觉得百度干了一件了不起的事情，阿波罗的开源让开发者真正能够体会到自动驾驶的整个流程，而且有代码可以参照。阿波罗框架的一体化开发平台也降低了开发者的开发难度。乐观点儿说阿波罗想成为自动驾驶领域的安卓也可能会实现，让开发者成为自动驾驶的全栈工程师也可能实现。从各方面的消息看，百度已经卓有成效，与谷歌至少在同一水平battle，虽然自动驾驶的路还很长，但这些努力仍然可以帮助我们看到希望。