0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Apollo 2.5解锁了限定区域视觉高速自动驾驶

YB7m_Apollo_Dev 来源:未知 作者:李倩 2018-05-30 10:54 次阅读

上周,Apollo美研在桑尼维尔举行了关于Apollo 2.5的Meetup。会上,Apollo美研团队的技术大牛与来自硅谷众多的在校学生、车企等自动驾驶爱好者共同分享交流了Apollo 2.5相关的深度技术。没能到达现场的国内开发者可以通过以下视频资料回顾相关技术干货

Apollo 2.5 Platform Overview

Jingao Wang

首先,Apollo平台负责人王京傲为大家做了关于Apollo 2.5平台的Overview,让国外开发者进一步了解Apollo 2.5。

Apollo 2.5 解锁了限定区域视觉高速自动驾驶,为开发者提供了更多场景、更低成本、更高性能的能力支持,开放了视觉感知、实时相对地图、高速规划与控制三大能力以及更高效的开发工具。

目前在GitHub上有9000+开发者推荐Apollo,超过2000家合作伙伴使用Apollo,开发者在Apollo上已经贡献了20w+行代码,越来越多的开发者通过Apollo搭建了属于自己的自动驾驶系统。

此外,在场景应用方面,Apollo 还可支持包括乘用车、卡车、巴士、物流车、扫路车等多种车型和应用场景。

Vision-Based Perception forAutonomous Driving

Tae Eun

在Apollo 2.5中,基于摄像头的感知,简化了传感器方案,增强了感知能力。在此次Meetup中,来自Apollo美研团队的高级架构师Tae Eun分享了关于摄像头的低成本视觉感知方案。

Apollo2.5 提供了多个集成式广角摄像头配合激光雷达,毫米波雷达的方案。其中以单目广角摄像头和毫米波雷达的低成本方案,相比之前2.0中64线激光雷达+广角摄像头+毫米波雷达的硬件配置方案,成本降低了90%。这种大幅度的成本节省,加上高效率的感知算法,将大大有助于测试有限区域的高速公路驾驶。

此外,传感器的减少并不会降低感知的性能。在Apollo 2.5中我们使用了基于Yolo的多任务深度学习神经网络来进行障碍物和车道线的检测及分类。

感知输入是从摄像头捕捉的视频帧,我们可以将其视为一系列的静态2D图像,所以如何从这些视图中计算出障碍物的3D属性便是关键问题。在我们的方法中,我们首先使用深度学习神经网络来识别2D图像中的障碍物,通过获得的边界框和障碍物的观察角度。然后,我们可以使用line-segment算法,用摄像头射线和摄像头的校准来重建3D障碍物。整个过程可以在小于0.1毫秒内完成。

最后,我们来看看处理后的车道线逻辑。首先,用深度学习神经网络扫描2D图像的每个像素以确定它是否属于行车道,以便生成像素化的车道线。然后,使用连接分析,我们可以将相邻的车道线像素连接起来完成整个车道线段的连接,通过多项式拟合确保车道线的平滑性。根据当前车辆的位置,我们可以推导出车道线的语义含义:无论是左,右或相邻的车道线。然后将车道线转换到车辆坐标系中,发送给其他需要的模块。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4538

    浏览量

    98426
  • 自动驾驶
    +关注

    关注

    773

    文章

    12894

    浏览量

    162925
  • Apollo
    +关注

    关注

    5

    文章

    323

    浏览量

    18285

原文标题:Apollo Meetup | Apollo 2.5平台解析与自动驾驶视觉感知分享

文章出处:【微信号:Apollo_Developers,微信公众号:Apollo开发者社区】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    【话题】特斯拉首起自动驾驶致命车祸,自动驾驶的冬天来了?

    `特斯拉首起自动驾驶致命车祸,自动驾驶的冬天来了?“一个致命的事故一定是由多个小的错误组成的。”  7月初,特斯拉发表博客叙述NHTSA(美国国家公路交通安全管理局)正在着手调查第一起Tesla
    发表于 07-05 11:14

    自动驾驶真的会来吗?

    自动驾驶和背后技术有更广泛地讨论、更深刻地认知;另一方面则是让不少风投看到了机会,认为传感器芯片为代表的硬件研发,以及计算机视觉为支撑的软件技术,将会迎来更大的关注度。特斯拉的autopilot
    发表于 07-21 09:00

    细说关于自动驾驶那些事儿

    越来越便宜和普及,让自动驾驶车终能成形。拆解自动驾驶技术Toyota研究机构负责人Gill Pratt列出几点和无人车相关的技术。首先是智能手机,其相关技术、低电压计算机处理器、计算机视觉芯片和摄影
    发表于 05-15 17:49

    自动驾驶的到来

      传统汽车厂商更趋向于通过技术的不断积累,场景的不断丰富,逐步从辅助驾驶过渡到半自动驾驶,进而在将来最终实现无人驾驶;某些高科技公司则希望通过各种外部传感器实时采集海量数据,处理器经过数据分析然后
    发表于 06-08 15:25

    3天造出自动驾驶汽车的百度Apollo,背后竟有50多个后台

    2017)上,向外界描绘Apollo(阿波罗)生态的宏大愿景。他还强调合作是加速自动驾驶普及和商业化落地的重要途径。  在主题为“星罗云布 共享Apollo”的智能
    发表于 07-07 18:28

    UWB主动定位系统在自动驾驶中的应用实践

    道路车辆的完全智能化。车辆实现自动驾驶就需要知道车辆在道路的精准位置信息,目前依靠GPS+RTK、惯导、激光雷达、毫米波雷达、超声波雷达、视频视觉、UWB等,甚至需要更多道路信息,实现V-2X协同
    发表于 12-14 17:30

    自动驾驶系统要完成哪些计算机视觉任务?

    Geiger 的研究主要集中在用于自动驾驶系统的三维视觉理解、分割、重建、材质与动作估计等方面。他主导自动驾驶领域著名数据集 KITTI 及多项
    发表于 07-30 06:49

    百度Apollo自动驾驶分析报告

    百度自动驾驶行业报告,值得一看
    发表于 09-02 18:10

    视觉系统对自动驾驶的重要性

    为什么视觉系统对自动驾驶至关重要?
    发表于 01-25 07:51

    基于视觉的slam自动驾驶

    基于视觉的slam自动驾驶,这是我们测试的视频《基于slam算法的智能机器人》调研分析报告项目背景分析机器人曾经是科幻电影中的形象,可目前已经渐渐走入我们的生活。机器人技术以包含机械、电子、自动
    发表于 08-09 09:37

    自动驾驶系统设计及应用的相关资料分享

    作者:余贵珍、周彬、王阳、周亦威、白宇目录第一章 自动驾驶系统概述1.1 自动驾驶系统架构1.1.1 自动驾驶系统的三个层级1.1.2 自动驾驶系统的基本技术架构1.2
    发表于 08-30 08:36

    自动驾驶技术的实现

    的带宽有更高的要求。从而使用以太网技术及中央域控制(Domain)和区域控制(Zonal)架构是下一代车载网络的发展方向。然而对于自动驾驶技术的实现,涉及到感知、规划、执行三个层面。由于车辆行...
    发表于 09-03 08:31

    LabVIEW开发自动驾驶的双目测距系统

    达到950以上,而在其他较弱纹理区域也能维持在900左右。误差率低至5%以下,甚至在特征点明显的标志物上可达到2%左右。 基于LabVIEW的双目测距系统在自动驾驶中具有广泛的应用前景,它可以为车辆提供
    发表于 12-19 18:02

    浅析Apollo 2.5限定场景低成本技术方案

    本文来自Apollo团队的资深架构师-朱帆老师对Apollo 2.5自动驾驶规划控制系统进行了详细介绍。
    的头像 发表于 07-19 09:56 3273次阅读

    Apollo自动驾驶重卡如何上高速

    从物流小车到货运重卡、从乘用小巴到农机用车......Apollo为开发者提供更全面、更强大的开放能力,许许多多的开发者在Apollo的帮助下,将梦想中自动驾驶的图纸变为现实!
    的头像 发表于 08-01 17:12 2932次阅读