數(shù)據(jù)可能才是當天真正的主角。

2018年4月18日，百度舉行了Apollo 2.5 開放技術發(fā)布會，這時距離Apollo首次亮相，剛好過去1整年。

在一周年慶生會上，我們獲得了幾個新消息：百度正式開源Apollo 2.5（限定區(qū)域內(nèi)基于視覺的高速自動駕駛），推出了低成本高性能的方案，硬件參考設計可以減少到1個單目廣角攝像頭和1個毫米波雷達。比亞迪成為Apollo平臺第100家合作伙伴。Apollo與金龍合作的阿波龍已經(jīng)進入了最后的量產(chǎn)階段。百度牽頭成立了Apollo汽車信息安全實驗室，共同研究智能駕駛信息安全方面相關課題。

但是，如果你還記得Apollo開源技術背后的驅動力，就一定會在發(fā)布會上關注到“數(shù)據(jù)”有關的信息。自動駕駛對數(shù)據(jù)的要求是沒有上限的——高精度地圖更新需要實時數(shù)據(jù)，訓練自動駕駛決策規(guī)劃算法需要數(shù)據(jù)。Apollo2.5 發(fā)布會上的種種細節(jié)告訴我們，數(shù)據(jù)才是當天真正的主角。

高精度地圖眾包采集

高精度地圖是Apollo非常必要的組成部分，可以確保無人車在惡劣和復雜的情況下，規(guī)劃出一條行車軌跡。高精度地圖也是一項百度掌握優(yōu)勢資源的業(yè)務，但是現(xiàn)階段行業(yè)面臨的痛點之一是高精度地圖覆蓋率不足，對于需要借助高精度地圖來驗證功能的開發(fā)者來說，是一個缺憾。

對于這個情況，百度提出了“實時相對地圖”的概念，主要適用于高速公路、限定區(qū)域這樣的簡單場景。

絕對高精度地圖與實時相對地圖

先介紹一下實時相對地圖。實時相對地圖采用的是車身坐標系，車身是整個坐標系的原點，通過車上的傳感器實時采集地理信息。Apollo平臺資深架構師繆景灝介紹，和高精度地圖相比，實時相對地圖只適用于非常有限的場景，比如高速公路和限定區(qū)域，精度也更低一些，但是可以低成本短時間讓開發(fā)者用上類似的功能。繪制實時相對地圖的傳感器，只要一個單目廣角攝像頭，在成本上不會增加開發(fā)者的負擔。

相對地圖里的重要組成部分是車道線，對于自動駕駛汽車的決策和規(guī)劃模塊來說，這是一個是非常重要的信息。繆景灝告訴我們，如果能充分利用車道線的中心線和車道線邊界線信息，就可以計算出非常安全、平滑、可行的行車的軌跡。

長沙智能駕駛研究院的產(chǎn)品研發(fā)總監(jiān)黃英君和他的團隊基于Apollo 2.5研發(fā)了東風乘龍系列重卡，可以在高速公路實現(xiàn)ACC、AEB等功能。黃英君指出，2.5版源代碼中增加了導航模式（Navigation Mode），基于完全免費百度地圖的路徑規(guī)劃，結合攝像頭輸出的車道線等信息，“只要自己開車順著車道跑一下，就可以獲得實時相對地圖，在規(guī)劃模塊里面使用車道信息進行規(guī)劃”。

關于實時相對地圖有一個信息需要劃重點——實時相對地圖和高精度地圖采用了相同的地圖格式，這就意味著系統(tǒng)用一個API就可以同時接入實時相對地圖和高精度地圖，為下游的決策規(guī)劃模塊提供信息。

聽到這里，我們很容易就聯(lián)想到基于高精度地圖眾包采集，自動駕駛汽車行駛過程中實時感知的數(shù)據(jù)，有一部分也會用來幫助高精度地圖更新，雖然Apollo 2.5中的導航模式看起來并不足以支撐眾包采集的所有功能，但百度似乎正在對外釋放這部分能力。

后續(xù)的開發(fā)者工具環(huán)節(jié)很快印證了我們的想法。

高精度數(shù)據(jù)采集器

百度為開發(fā)者提供了一個采集高精度地圖的工具——高精度數(shù)據(jù)采集器。繆景灝提到了一個看上去并不復雜的使用流程——通過Dreamview采集高精度地圖所需的原始數(shù)據(jù)，再用相應的工具把這些數(shù)據(jù)上傳到云端，開發(fā)者就可以從網(wǎng)頁上下載制作好的高精度地圖。整個過程需要本地和云端相互配合。

但是受限于法律法規(guī)，這些功能只有國外開發(fā)者可以使用，國內(nèi)開發(fā)者如果有需要，可以百度高精度地圖的團隊合作來采集地圖測試功能。

為自動駕駛研究提供“實用的”數(shù)據(jù)資源

完善更新自動駕駛系統(tǒng)離不開數(shù)據(jù)。用數(shù)據(jù)搭建仿真場景，驗證訓練系統(tǒng)是一種比較經(jīng)濟的方式。今年3月份，百度發(fā)布了自動駕駛數(shù)據(jù)集和工具集ApolloScape，目的是為自動駕駛技術研發(fā)提供更“實用的數(shù)據(jù)資源”，特點是基于真實場景、基于真實駕駛行為。

ApolloScape場景解析數(shù)據(jù)集

據(jù)ApolloScape項目負責人楊睿剛介紹，ApolloScape項目是半年前開始的，百度通過高精度的采集車來獲得三維和二維的街景數(shù)據(jù)。同時開發(fā)了很多工具，可以半自動地對每一個像素進行標定，給出語義標簽。半年內(nèi)時間里，Apollo已經(jīng)生產(chǎn)出了帶有像素級標簽的自動駕駛數(shù)據(jù)集。

業(yè)內(nèi)人士都知道，開發(fā)者需要的是標注好的數(shù)據(jù)，數(shù)據(jù)量不是越多越好，而是要保證質(zhì)量以及多樣性。楊睿剛在介紹ApolloScape數(shù)據(jù)集的特點時提到，他們基于視頻已經(jīng)可以提供了20萬幀開放數(shù)據(jù)集，包含三維信息，均做了實例級目標物標注，提取了25類不同語義項，28類不同樣式車道線。不過對于具體分類維度，現(xiàn)場沒有展開。

ApolloScape路線圖

ApolloScape是一個不斷發(fā)展的項目，它會按照一個時間表在近兩年里不斷采集標注和公開大量的仿真數(shù)據(jù)，提高仿真能力。

2018年7月增加傳感器紅外攝像頭、立體攝像頭等，從它們的數(shù)據(jù)里提取更多語義信息，比如用紅外攝像頭識別夜晚的行人。

2018年12月，采集立體視覺數(shù)據(jù)集，主要是針對一些復雜的情況，獲得基于真實場景、真實駕駛行為的下一代仿真能力，比如獲得目標軌跡信息，根據(jù)人和車的軌跡，對駕駛人和行人進行行為建模。

2019年項目將主要增加數(shù)據(jù)集的規(guī)模和覆蓋，提高仿真能力，目標是把感知和導航有機地集合在一起 。

車云小結

無論是高精度地圖還是自動駕駛數(shù)據(jù)場景集，都還是探索階段的技術。百度的軟件算法能力會在整個過程中起到很關鍵的作用，比如雨天等復雜場景的車道線數(shù)據(jù)采集，以及提高數(shù)據(jù)處理標記的自動化率，都需要更加強壯的算法。

數(shù)據(jù)方面，百度更多是在展示自己的技術能力、工具以及未來規(guī)劃。Apollo的初衷是所有參與者共同經(jīng)營平臺上的數(shù)據(jù)，由Apollo平臺由百度提供初始數(shù)據(jù)，每位合作伙伴遵循“貢獻越多收獲越大”公平數(shù)據(jù)原則，自愿與平臺共享。車云菌接觸過一些Apollo的合作伙伴，他們都表示與百度的合作還沒有涉及數(shù)據(jù)共享的內(nèi)容。對于潛力巨大的數(shù)據(jù)資源來說，“共享”還是一個任重道遠的目標。