Apollo 6.0 Mid2Mid Planner论文阅读

Myth丶恋晨 2022-09-09 09:53 75阅读 0赞

【Apollo 论文】Exploring Imitation Learning for Autonomous Driving with Feedback Synthesizer and Differentiable Rasterization  
一、总览  
核心关键点：Mid-to-mid approach for planning，feed back synthesizer for data augmentation，spatial attention mechanism  
拟解决的问题：Imitation Learning 中 distributional shift，variation in input state distribution  
解决思路：设计feed back synthesizer用于增强数据以及spatial attention机制  
最终效果：70个测试场景通过率70%，对超越动态车辆、红灯路口场景非常有效（针对目前的规划框架而言）  
二、具体方法：  
（1）总体流程  
TODO：绘制一下pipeline的流程图  
（2）模型设计  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16]  
输入端：多通道BEV Image(鸟瞰图)，WxH大小， ρ \\rho ρm/pixel，以Ego为中心的对整个世界的感知、预测的建模。如下图所示，每一层BEV图像对不同的数据单独处理，包含自车的bounding box，自车历史姿态数据，障碍物预测数据，障碍物历史数据，删格化的HD map，Routing的Passage，限速信息以及Traffic light  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 1]

模型结构：  
TODO：使用deep learning工具对开源的模型进行可视化  
CNN+Spatial Attention模块：  
\- CNN backbone使用MobileNetV2：精度和推理速度能够平衡  
\- MLP多层感知机：将CNN输出的特征 F h F\_h Fh转化为平坦特征 h 0 h\_0 h0，作为后续LSTM的初始隐藏状态  
\- CNN中间输出特征 F i F\_i Fi输入至Spatial Attention分支，输出注意力特征 F A F\_A FA，该特征再通过 f ( e n c o d i n g ) f(encoding) f(encoding)编码模块输出向量 A i A\_i Ai、  
LSTM模块：  
\- 输入： c 0 c\_0 c0为初始化的状态，使用Glorot初始化后的输出；上层MLP提取的平坦特征 h 0 h\_0 h0，以及空间注意力机制分支通过 f ( e n c o d i n g ) f(encoding) f(encoding)编码的输出 A i A\_i Ai，以及上次迭代处理后的 S t S\_t St  
\- 输出：输出结果再通过一个MLP多次感知机提取出未来的序列化方向盘转角和加速度控制量 ( δ i , a i ) (\\delta\_i, a\_i) (δi,ai)，利用运动学模型（差分模型）转化为 ( x i , y i , ϕ i , v i ) (x\_i, y\_i, \\phi\_i, v\_i) (xi,yi,ϕi,vi)序列，转化方法：  
![在这里插入图片描述][452b05ad60c241d4aff3de570b289231.png]

差分栅格化：  
这一步主要是了解决如何表示车辆的问题，在栅格图中难以用一个bounding box的属性来描述车辆，因此需要合理设计对车辆的描述。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 2]

使用三个2D Gaussian Kernel描述一个车辆，并且这些Kernel并不会受bounding box的强约束，通过合理设计Kernel可以使得训练过程中，让机器学习像人一样在开车过程中保持与其他障碍物的一定距离。

损失函数：  
1.与真实轨迹数据的损失偏差：  
![在这里插入图片描述][a590e99bc77d43c8b6871c75a150389b.png]

2.发生碰撞、偏离Routing、偏离道路、错误响应信号灯的偏差：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_15_color_FFFFFF_t_70_g_se_x_16]

3.合成最终偏差：  
![在这里插入图片描述][58d8dcb033a6450cbcf2997b4af6cc2c.png]

（3）数据增强  
这一部分主要是解决Learning-based存在的关键问题，即如何保证数据的有效性，从而避免训练模型失真。  
1.随机合成器  
通过控制轨迹的起点和终点，随机的给原始轨迹给定偏差，通过曲率阈值量筛选出有效的轨迹，从而增强部分数据集。  
2.反馈合成器  
由于随机合成器存在随机的性质，本质上很难保证数据增强的“方向性”，因此需要设计一个满足一定规则的合成器来使得数据增强更有效。  
核心算法：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 3]

效果示意图：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 4]

对状态采样并通过运动学约束，形成了更多的轨迹数据，并且对轨迹的评价和筛选可以自动化完成（设计好规则和cost，可以自动排除）

（4）后处理规划方法  
核心步骤：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_10_color_FFFFFF_t_70_g_se_x_16]

Mid-to-Mid的方法核心还是需要后续的优化处理，优化的boundaries仍然按照规则去生成，只是优化的参考量变成了Learning-based的输出轨迹。

三、实验结果  
（1）实验细节：  
鸟瞰图参数：大小W=200，H=200, 0.2m/pixel  
数据来源：Apollo感知预测模块给出的目标检测结果、跟踪结果以及预测结果  
轨迹时间长度：记录2s的历史轨迹信息和2s的预测轨迹信息  
输出轨迹时长：N=10s，每dt=0.2s一个点  
训练细节：Adam Optimizer进行训练，初始Learning rate为0.003  
（2）数据集及增强数据集  
400小时人开的数据->生成250K帧的训练集  
生成400K帧随机合成增强数据，反馈步长为5的465K帧反馈合成增强数据  
（3）场景评估  
Crusing、Junction、Static Interaction、Dynamic Interaction  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 5]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 6]

结合原有的框架，场景数据集通过率94.29%，但是没有说不加Learning-based通过率是多少  
（4）评估指标  
![在这里插入图片描述][36dc490f3c404eeca9e783940b58d537.png]

对于舒适分数的评价通过查看Learning-based输出的Jerk以及角速度落在真实数据的比例，这里假设的人开的数据是舒适的。  
（5）运行情况  
设备：Nvidia Titan-V GPU， i7-9700K CPU，16GB内存  
时间消耗：每一帧10ms render，22ms model inference，15ms 后续规划

【Apollo Imitation 开源代码】  
一、框架大纲：  
特征Feature设计：  
Overlap：id、距离  
Chassis：时间戳、速度、节流阀、刹车、转向、档位  
Localization：时间戳、位置、朝向、速度、加速度、角速度  
Trajectory：时间戳、轨迹点（x, y, theta, s, lane\_id, v, a, relative\_time, guassian\_info）  
PerceptionObstacle：时间戳、位置、theta、速度、加速度、包围盒  
PredictionObstacle：时间戳、预测时间、意图、优先级、是否静态、预测轨迹  
Obstacle：id、长宽高、类型、轨迹、预测轨迹  
Routing：routing\_response，local\_routing\_lane\_id，local\_routing  
TrafficLight：时间戳、颜色、id、置信度、跟踪时间、是否闪烁、剩余时间  
ADCTrajectory：时间戳、标签、轨迹点  
PlanningTag：lane\_turn、clear\_area、crosswalk、pnc\_junction、signal、stop\_sign、yield\_sign

开源的Learning-based模式：  
1.E2E：端到端的训练和输出轨迹  
2.RL：强化学习方法  
3.Hybrid：将E2E的结果作为初始解，随后再利用原有基于优化的方法继续求解

调用方法：  
在scenario中新增了两个场景，通过配置文件将给定场景读入即可：  
1.Lane\_follow\_hybrid：Hybrid模式  
2.Learning\_model\_sample：E2E模式

Learning-based方法整体pipeline：  
训练：接收数据->数据处理->按规则提取特定的特征->离线训练（具体处理细节暂时未找到）  
推理：接收数据->数据处理->按规则提取特定的特征->在线处理时间戳并转化为Img->输入网络推理

二、框架细节：  
数据处理类MessageProcess：  
功能：在线提取当前帧接收到的消息，转化为特征；离线读取数据转化为特征  
条件：离线学习+在线learning模式时需要启用  
输出：在线运行输出injector->learning\_based\_data()；离线输入到文件

Scenario-Lane\_follow\_hybrid：  
相比于Lane\_follow\_scenario多了两个task：  
1.learning\_model\_inference\_task：主要为在线模型推理的接口task，完成数据feature转化为img feature的过程  
主要由以下关键步骤组成：  
①TrajectoryEvaluator  
1.Evaluate adc trajectory：先前自车定位的结果记录为轨迹，再把记录的轨迹点转化为特征，并且按dt对齐  
2.Evaluate obstacle trajectory：将历史障碍物的位置记录为障碍物的轨迹，同样将轨迹点转化为特征，并按dt对齐  
3.Evaluate obstacle prediction trajectory：把预测结果转化为特征，并按dt对齐  
②Trajectory imitation：用的是libtorch，网络用CNN或者CNN LSTM  
1.载入模型，调用的是libtorch库  
2.BirdviewImgFeatureRender：将EgoPastPoint、ObsPastBox、ObsFutureBox、LocalRoadMap、Routing、SpeedlimitMap、TrafficLight转化为cv::Mat形式，然后合并到一个cv::Mat里  
3.调用模型  
4.处理output：输出轨迹点的dx, dy, dtheta, v, x, y, heading  
③Evaluator：  
1.Evaluate输出的轨迹转化成的feature，对齐时间再转化为轨迹

2.path\_reference\_decider\_task：判断推理的轨迹结果是否合理，转化为后续优化求解的初始解

Scenario-Learning\_model\_sample：  
纯端到端的场景，输入输出一步到位  
1.learning\_model\_inference\_task：同上  
2.learning\_model\_inference\_trajectory\_task：将结果转化为可执行的规划轨迹

三、实现效果  
实际运行效果：  
无法上传视频

四、最终可行性分析  
需要做的工作：  
1.模型复现  
这部分咨询了相关深度学习同学，按照目前的框架来说难度不大，主要是其中一些多层感知机如何实现需要自己钻研，其次是一些编码器需要设计，这部分暂时没找到对应的开源成果，Tesla的ChauffeurNet可以作为参考，其已经开源了

2.数据采集  
采集的数据也比较明确，同时开源部分的数据处理也已有现成可以用的东西了，可能难度在于感知、预测的准确性以及自车规划轨迹的真值性，这部分没有用到仿真器的数据，不知道如何保证真值可靠

3.数据增强  
增强方法还是比较简单，生成一堆数据比较容易，难得是怎么挑选出合理的增强数据，以及怎么保证增强数据一些参数比如舒适度是否计算正确

4.训练和调参  
炼丹过程比较困难，特别是上文提到的损失函数，两个参数细节并没有太多工程上的调试描述

5.运行和部署  
总体运行和推理时间还是可以接受的，但是通过率这部分描述的比较含糊，如果已有的场景都不能100%通过，那其实没有任何意义，因为网络不具有可解释性，很难确保调参对结果的指导意义，有可能网络本身就不可能100%通过

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/16cf27f5119c4b008ba4cb1a41928735.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220829/1b16fd4d4552431aa7ee56605b4e67ed.png
[452b05ad60c241d4aff3de570b289231.png]: /images/20220829/4442458081b541f4a342c4009ef7ba95.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220829/cfccfc97c8414ec0b2267a9de564c837.png
[a590e99bc77d43c8b6871c75a150389b.png]: /images/20220829/419f778581c640248bbbc04fb4da45e4.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_15_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/cfd67295f4764d4fb5280131759258f4.png
[58d8dcb033a6450cbcf2997b4af6cc2c.png]: /images/20220829/1c3087c3b11e45dca56b0aee344bf815.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220829/afd5a420947745ff865067c7ef50089c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220829/284dfffd989544a59f07d1131fe6f1ac.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_10_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/f6072b42e4194eeca9742233d84730f9.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220829/e032bb4414c54da8aa95b0849d066a34.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAcXlzaGVuODE1_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220829/d6362d23f1134902825c780c80b12e25.png
[36dc490f3c404eeca9e783940b58d537.png]: /images/20220829/fc6a53ca05a5455d9b16a2a652c30783.png