进阶课程⑯丨Apollo感知之旅——感知概貌.pdf

Apollo感知之旅——感知概貌 本文档概括了自动驾驶领域中的感知技术，主要涵盖了机器人学科的问题，机器人如何像人类学习，但不是完全模仿，而是扬长避短，发挥出机器本身的特性。机器感知系统通过各种传感器获取汽车周围的驾驶环境，包括Lidar，Camera，Radar，超声波雷达以及拾音器等。 知识点1：机器感知系统的特点 机器感知系统是全覆盖的，并且感知精度更高，能够达到厘米级别。相比人类驾驶员，机器感知在语义感知方面相差太大。 知识点2：高精地图的重要性 高精地图是机器感知系统的基础，汽车需要根据高精地图的参考线进行行驶。高精地图和导航地图的最大差别是有参考线，汽车需要根据参考线进行行驶。 知识点3：机器感知的信息输出 机器感知的信息输出主要是各个传感器的数据，固定目标更多的是依赖高精地图，减少在线识别。道路信息通常以高精地图作为参考。障碍物信息通常使用障碍物检测技术获取，包括检测障碍物的位置（3D位置）、类别、形状以及障碍物跟踪。 知识点4：感知模块的维度划分 感知模块可以从小感知和大感知两个维度进行划分。小感知主要是完成感知任务需要具备的功能模块，包括检测、分割、识别、跟踪、融合等技术。大感知是指感知要真正的为无人车系统服务，需要考虑上下游，例如标定、定位、障碍物行为预测等。 知识点5：感知模块的六个维度 感知模块的维度可以根据划分目标而不同，包括传感器维度、输出维度、问题空间维度、机器视觉维度、机器学习维度和系统维度。每个维度都对应着不同的技术和算法，例如Lidar、Camera、Radar、Ultrasonic、高精地图等。 知识点6：感知技术的发展趋势 当前无人车感知主要通过摄像头来获取交通信号灯的颜色，灯的语义信息可以由地图提前标注好，长远的目标是通过V2X实现交通信号灯的感知。无人车感知的缺点是强烈依赖高精地图，但这也将是未来无人车技术的发展方向。