單元1-1智能網(wǎng)聯(lián)汽車的技術架構(gòu)認知CATALOGUE目錄1.1.1無人駕駛汽車的技術架構(gòu)1.1.2百度Apollo的技術架構(gòu)智能網(wǎng)聯(lián)汽車概述智能網(wǎng)聯(lián)汽車搭載先進傳感器、控制器、執(zhí)行器等裝置，融合現(xiàn)代通信與網(wǎng)絡技術，實現(xiàn)車與X智能信息交換、共享。智能網(wǎng)聯(lián)汽車功能智能網(wǎng)聯(lián)汽車自動化分級智能網(wǎng)聯(lián)汽車定義具備復雜環(huán)境感知、智能決策、協(xié)同控制等功能，可實現(xiàn)車輛“安全、高效、舒適、節(jié)能”行駛，替代人來操作的新一代汽車。分為0級（應急輔助）、1級（部分駕駛輔助）、2級（組合駕駛輔助）、3級（有條件自動駕駛）、4級（高度自動駕駛）和5級（完全自動駕駛）。011.1.1無人駕駛汽車的技術架構(gòu)1.無人駕駛感知環(huán)境感知強調(diào)對周圍環(huán)境的場景理解能力，包括障礙物位置、道路車道線、行人及車輛檢測等數(shù)據(jù)的語義分類。環(huán)境感知獲取周圍環(huán)境的大量信息，如障礙物位置、速度及行為、可行駛區(qū)域、交通規(guī)則，通過多傳感器融合實現(xiàn)精準感知。定位誤差增大，規(guī)劃和執(zhí)行層仍按精準前提規(guī)劃，可能導致錯誤決策和事故，因此需嚴格控制定位誤差。障礙物感知定位是確定相對環(huán)境位置的關鍵，對無人駕駛至關重要，需要高精度定位以避免誤差，確保規(guī)劃和執(zhí)行的準確性。定位能力01020403定位誤差風險規(guī)劃決策過程任務規(guī)劃是負責相對頂層的路徑規(guī)劃，需要考慮如何從起點到終點選擇最佳路徑，確保行駛效率和順暢。任務規(guī)劃行為規(guī)劃規(guī)劃是為了某一目標而做出一些有目的性的決策的過程，對于無人駕駛汽車而言，這個目標通常是指從出發(fā)地到達目的地。動作規(guī)劃是指通過規(guī)劃一系列的動作以達到某種目的（如規(guī)避障礙物）的處理過程，確保車輛行駛過程中能夠靈活應對各種情況。根據(jù)任務規(guī)劃目標和局部情況（如其他車輛、行人位置及行為、交通規(guī)則），做出下一步應該執(zhí)行的決策。2.無人駕駛規(guī)劃動作規(guī)劃路徑跟蹤路徑跟蹤是指跟蹤空間某特定曲線，只考慮到每一個離散點的偏差，不考慮時間，確保車輛行駛不偏離路徑。控制層職責控制層作為無人駕駛汽車的最底層，其任務是將規(guī)劃好的動作實現(xiàn)，所以控制模塊的評價指標即為控制的精準度。軌跡跟蹤軌跡跟蹤是指跟蹤某條與時間相關的曲線，即某時刻必須在某點，相當于跟蹤一個前邊同驅(qū)動結(jié)構(gòu)的車?？刂颇芰刂剖菬o人駕駛汽車精準地執(zhí)行規(guī)劃好的動作的能力，包括路徑跟蹤和軌跡跟蹤，確保車輛能夠按照規(guī)劃層制定的路線行駛。3.無人駕駛控制021.1.2百度Apollo的技術架構(gòu)1.百度Apollo的版本百度Apollo1.5增加了巡航功能，適用于固定車道巡航，通過添加激光雷達，車輛可以更好地感知周圍環(huán)境，并且可以更好地繪制其當前位置并規(guī)劃其軌跡，從而在車道上進行更安全的操縱。百度Apollo2.0增加了城市避障換道信號燈停車功能，支持在簡單的城市道路上自動駕駛車輛，確保安全行駛，避免碰撞，在交通信號燈處停車以及在需要時改變車道以到達目的地。百度Apollo1.0主要實現(xiàn)循跡功能，也稱為自動GPS航點跟蹤，可在封閉的場地（例如測試跑道或停車場）中工作。030201百度Apollo2.5主要增加了高速車輛保持，允許車輛通過攝像頭在障礙物高速公路上自主行駛，以進行障礙物檢測，能夠保持車道控制、行駛并避免與前方車輛發(fā)生碰撞。1.百度Apollo的版本百度Apollo3.0主要增加了封閉園區(qū)低速控制，重點是為開發(fā)人員提供一個在封閉場所低速環(huán)境中進行構(gòu)建的平臺，車輛能夠保持車道控制、行駛并避免與前方車輛發(fā)生碰撞。百度Apollo3.5主要增加了市區(qū)360o環(huán)視，能夠?qū)Ш綇碗s的駕駛場景，例如住宅區(qū)和市區(qū)，具有360o可視性，并具有升級的感知算法，可以應對不斷變化的城市道路狀況，從而使汽車更安全。百度Apollo5.0主要增加了全面感知深度學習模型，旨在支持地理圍欄自動駕駛的批量生產(chǎn)，具有360o可視性，并具有升級的感知深度學習模型，可以處理復雜路況的變化情況，從而使汽車更加安全和感知。百度Apollo5.5主要增加了點到點城市自動駕駛，通過引入路邊對道路的駕駛支持，增強了復雜的城市道路自動駕駛能力，具有完整的360o可視性，以及升級的感知深度學習模型和全新的預測模型。百度Apollo6.0引入三個新的基于深度學習的模型，引入了基于PointPillars的激光點云障礙物識別模型，在預測上引入了基于語義地圖的低速行人預測模型，在規(guī)劃上引入了基于語義地圖的模仿學習。1.百度Apollo的版本1.百度Apollo的版本百度Apollo7.0實現(xiàn)了共創(chuàng)汽車機器人連接，支撐多元汽車機器人落地，進化至工具化平臺，提供自動駕駛?cè)珬９ぞ哝?，涵蓋Studio、仿真、高效模型等，助力開發(fā)者更易用、更領先地運用平臺能力。百度Apollo8.0是“為開發(fā)者而生”，其技術架構(gòu)如圖1-3所示，ApolloCyberRT是專為自動駕駛定制的一個開源、高性能的運行框架，為自動駕駛場景而設計，并針對自動駕駛的高并發(fā)、低延遲、高吞吐量進行了大幅優(yōu)化。ApolloCyberRT優(yōu)勢加速開發(fā)；簡化部署；為自動駕駛賦能；實時操作系統(tǒng)強調(diào)優(yōu)先級分配CPU時間，確保重要任務優(yōu)先執(zhí)行，如無人車及時分析障礙物并響應減速或制動動作。2.百度Apollo8.0的特點清晰流水線多樣插件清晰的任務流水線與多樣的算法插件，讓開發(fā)者輕松創(chuàng)建并擴展流水線任務，同時專注于算法本身，無需擔憂框架實現(xiàn)細節(jié)。端到端自動駕駛模型百度Apollo8.0提供端到端自動駕駛模型開發(fā)解決方案，涵蓋全流程；同時提供最新SOTA算法模型及基準指標，支持3D目標檢測和分割任務。感知模型引入新深度學習百度Apollo8.0感知模型中引入了PETR、CenterPoint和CaDDN三個深度學習模型，分別實現(xiàn)了視覺BEV的360°障礙物感知、點云檢測