利用空余时间成为“业余”的自动驾驶的开发者

我不是女神ヾ 2023-09-28 23:52 4阅读 0赞

作为一名开发者，我时常会阅读一些相关的技术杂志和周刊，了解一些近期比较热门的技术和事件，要说现在技术领域最有发展前景的方向之一，很多人会想到自动驾驶。但现在国内做自动驾驶平台的并不多，其中百度做得是相对比较完善的，他家有一个Apollo开放平台，有很多开发者去尝试过，今天我也想来聊聊关于这个Apollo开放平台的事，如果大家有感兴趣的朋友，可以一起探讨一下。

现在百度Apollo开放平台的公开资料显示，这个平台上已经有10万多开发者了。然后百度为了汇聚更多开发者进来，还在不断地提升他平台的易用性，这次正好刚刚推出了全新的版本——Apollo开放平台8.0。

出于好奇我也去了解了一下，这次的升级主要是从平台的架构和能力两方面入手的，整体相较之前确实会用起来更方便一些。下面我们一起来展开看下吧。

Apollo开放平台8.0的升级，首先最关键的在于，它采用了全新的架构，之前是使用面向技术分层的架构，现在升级为结合技术与生态分层的新架构。

如何看出新架构的优势呢？我们可以从硬件、软件核心、软件应用、云服务四个层次进行分析 。这其实是非常好的，因为我们开发者最怕接手到一些耦合性非常强的业务，解耦性好的框架才能更加受到我们开发者的追捧和喜爱，Apollo开放平台8.0我觉得是有这个潜力的。

![93faf0118f114ad0aa5f14166ead2c18.png][]

最底下首先是硬件设备，此次升级将以往的硬件开发平台和车辆认证直接结合在了一起形成了Apollo开放平台8.0的硬件设备层，这可以更加吸引生态合作伙伴为开发者们提供更加丰富的自动驾驶设备选择。接着往上一层是软件核心，它是由之前的软件层一拆为二分成了软件核心层和软件应用层，此次升级相比于之前重构加入了感知开发全流程，提供了HML Dreamview和Pnc仿真调试能力，可能你没听过这些东西，但后面我们来着重聊聊它们，正是它们提现出了Apollo开放平台8.0的易拓展性。再往上就是我们的软件应用层，它的作用主要在于为开发者们提供了全新自动驾驶模块拓展能力与推展方式，支持开发者们主动贡献出各类生态场景，让Apollo开放平台8.0有了更多的可能性与创造性。最上层的话就是我们的云服务层，它以往的板块只有仿真和高精地图，但在Apollo开放平台8.0新集成了实训、集成工具以及模型训练，而且还升级了仿真能力，转换成为了一个云端服务层。作为一个开发者来说，我觉得Apollo开放平台8.0切身处地的站在了开发者与用户的角度去思考，无论是设计的整体框架和新添加的技术，都是为了给我们这些开发者带了更好的体验，可能我们并没有接触过自动驾驶这个领域，但Apollo开放平台8.0为我们创造了更低门槛使得我们有机会去接触和学习它，这一点我觉得难得可贵。大家要是对自动驾驶方面有感兴趣的朋友，也一定不要错过这次机会。

介绍这Apollo开放平台8.0的四个层次，为的就是体现出它升级之后带来的三点新能力——易安装和易拓展、感知模型与感知全流程 、全新PnC工具链。

![e9119efd4c604bdcab65754b54c2eece.png][]

首先易安装和易拓展这个优点，我们从它的新架构就可以看出来，将以前复杂的结构进行了解耦，并且软件和硬件都可以支持开发者主动进行拓展创新，而且你有好的idea还可以共享给你的好友，想要进行二次拓展开发也是非常容易的，这就体现了易拓展的好处。而易安装也是本次升级的一个重点，毕竟我们无论在使用任何软件都不想下载等待的时间过长或者安装部署的门槛太高，这十分影响使用者的体验感。所以在Apollo开放平台8.0中在工程框架中引入了软件包管理，这可以让使用者直接使用软件包的方式来安装，非常的方便，而且完全不需要编译，环境部署下来不超过30分钟，可以说真正的做到了开箱即用这一点。

![e7666712622c4b3f97b3b388b3c288fd.png][]

然后我们来聊聊感知模型与感知全流程这一点，这一点有多重要呢，既然是自动驾驶，那我们的车辆在高速的行驶过程中精准识别红绿灯以及斑马线就显得尤为重要。而感知的精准度和速度就必须有保障，本次Apollo开放平台8.0在原来的基础上，更是进行了升级，添加了3个深度学习的模型。首先是CenterPoint激光点云障碍物识别模型，相比于之前的模型，它在物体尺寸更加复杂多样的场景下，能够有着更高的精度。还有CaDDN视觉障碍物识别模型和视觉BEV感知模型PETR，它们都是为了提高我们感知的精度和速度的，而且没有顾此失彼，提高精度的同时没有失去速度，而是做到了一个很好的平衡。当然不仅如此，更重要的是开发者也可以根据自己的需求拓展出更多的模型，Apollo开放平台8.0也支持各位开发者贡献自己的力量，支持用户自己去训练模型。在自动驾驶感知算法上，也保持着随时跟踪最新算法的能力，保证使用最新进的算法。在模型部署和验证环节都真正站在了用户的角度去思考，在模型部署时可以一键进行部署，在验证时还具有感知结果可视化工具，可以说把用户体验感拉到了极致。

![7bd95c3b746143be940cd94461f96457.png][]

接下来要讲的PnC仿真调试工具你可能没听过，但这个东西在自动驾驶领域是非常非常重要的。因为无论任何东西，肯定需要经过测试才能拿到市场上。如果直接使用实车去进行测试，成本肯定特别高，而且效率不会高，还容易产生安全事故。所以许多自动驾驶领域的企业和开发者都更加注重于仿真测试，因为它更加高效灵活，而且能够进行各种各样情况的模拟测试。而Apollo开放平台8.0提供的全新PnC工具链，在本地就可以进行仿真调试，可以模拟出车辆的任何行驶情况。而且开发者可以自动创建出各种障碍物来满足自己的仿真测试，通过插件可以将场景和动力学模型下载本地，通过这种方式，PNC调试效率有了大幅的提升。

![c2246f2f04d14050bdbc426a29441951.png][] 我个人聊聊对于这三点Apollo开放平台8.0新能力的见解，虽然我并不是自动驾驶领域的开发者，但我对这个领域一直有着浓厚的兴趣，Apollo开放平台8.0新能力的升级让我感觉我也能轻松转型成为一名自动驾驶领域的开发者，它给我创造出了更低的学习门槛和更好的学习条件，有空的时候我就学习一下，正所谓技多不压身嘛，大家也是如此，多一技之长多一条路。

其实总的来看，百度的Apollo开放平台都算是比较靠谱的，对于想学自动驾驶技术的朋友来说，去上面试一试、跑个测试、建个模，哪怕是初步上手，难度也不会有想象的那么大。

而且这次还上线了新的社区，Apollo Studio，在社区里面可以跟其他开发者开放地交流技术问题，说不定还能碰到技术大牛。不过最关键的还是这个社区对开发者开放的众多资源、课程等，还有不少参加赛事的机会，让我们可以检验一下自己的技术实战能力。话不多说，链接在这里，感兴趣的可以进去看看： [https://apollo.baidu.com/][https_apollo.baidu.com]

![daea922fa6094411b2bf6a7bc573fbd2.png][]

[93faf0118f114ad0aa5f14166ead2c18.png]: https://img-blog.csdnimg.cn/93faf0118f114ad0aa5f14166ead2c18.png
[e9119efd4c604bdcab65754b54c2eece.png]: https://img-blog.csdnimg.cn/e9119efd4c604bdcab65754b54c2eece.png
[e7666712622c4b3f97b3b388b3c288fd.png]: https://img-blog.csdnimg.cn/e7666712622c4b3f97b3b388b3c288fd.png
[7bd95c3b746143be940cd94461f96457.png]: https://img-blog.csdnimg.cn/7bd95c3b746143be940cd94461f96457.png
[c2246f2f04d14050bdbc426a29441951.png]: https://img-blog.csdnimg.cn/c2246f2f04d14050bdbc426a29441951.png
[https_apollo.baidu.com]: https://apollo.baidu.com/
[daea922fa6094411b2bf6a7bc573fbd2.png]: https://img-blog.csdnimg.cn/daea922fa6094411b2bf6a7bc573fbd2.png