无人驾驶教学文稿.pptx

《无人驾驶教学文稿.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、智慧交通-----Apollo无人驾驶小组成员：01020304无人驾驶感知平台仿真平台仿真结果CONTENTS目录01无人驾驶1,000,000年以前，人类依靠行走与奔跑约4,000年前，人类驾驶马、牛等动物约100年以前，人类发明了现代意义的汽车5-10年以前，出现了无人驾驶的概念交通的发展无人驾驶的发展1986CarnegieMellonUniversity创建了NavLab1995MercedesS500完成了EUREKA项目2005MercedesS500完成了EUREKA项目2009MercedesS500完成了EUREKA项目2017

2、MercedesS500完成了EUREKA项目level1level2level3level4level5驾驶员辅助部分自动化条件自动化无人交互型高度自动化驾驶员全权参与驾驶过程中的决策-自动巡航系统-自动车道保持驾驶员在必要条件下接管驾驶-无需驾驶员掌控-处于地理建模地图中无地理建模地图限制驾驶的级别Apollo平台结构车辆通过各类传感器（如激光雷达、摄像头和毫米波雷达等）获取周边的环境数据。利用多传感器融合技术，车端感知算法能够实时计算出环境中交通参与者的位置、类别和速度朝向等信息。支持这套自动驾驶感知系统的是多年积累的大数据和深度学习技术，海

3、量的真实路测数据和经过专业人员的标注变成机器能够理解的学习样本。大规模深度学习平台和GPU集群将离线学习大量数据所耗费的时间大幅缩短，训练好的最新模型通过在线更新的方式从云端更新到车载大脑。感知平台Apollo平台结构高精度地图与定位Apollo平台提供的高精度地图结合GPS，IMU以及感知平台可提供厘米级综合定位解决方案，旨在根据不同应用场景提供可定制的软、硬件一体化产品，同时确保成本可控，精度可调。Apollo基本组件及功能由于车辆装备了综合预测、决策与规划系统，Apollo无人驾驶汽车能够根据实时路况、道路限速等情况做出相应的轨迹预测和智能规

4、划，同时兼顾安全性和舒适性，提高行驶效率。决策规划Apollo平台结构Apollo数据开放平台将通过代码开源和数据开放，形成“车端+云端”的完整开放生态，为具有较强软件、算法研发能力，但缺乏数据积累或计算能力的开发者提供多种快速灵活的数据、计算和标注能力。数据开放平台Apollo为全球开发者提供了完整的硬件设备参考，包括车辆选择、核心硬件选型、及辅助硬件设备。还提供了详尽的硬件安装指南，确保开发者无障碍进行硬件组装。硬件开发平台02感知平台感知平台障碍物模块包括基于激光雷达点云数据的障碍物检测识别、基于毫米波雷达数据的障碍物检测识别以及基于两种传感

5、器的障碍物结果融合。基于激光雷达点云数据的障碍物检测识别，通过线下训练的卷积神经网络模型，学习点云特征并预测障碍物的相关属性（比如前景物体概率、相对于物体中心的偏移量、物体高度等），并根据这些属性进行障碍物分割。基于毫米波雷达数据的障碍物检测识别，主要用来对毫米波雷达原始数据进行处理而得到障碍物结果。该算法主要进行了ID扩展、噪点去除、检测结果构建以及ROI过滤。多传感器障碍物结果融合算法，用于将上述两种传感器的障碍物结果进行有效融合。该算法主要进行了单传感器结果和融合结果的管理、匹配以及基于卡尔曼滤波的障碍物速度融合。障碍物检测识别：红绿灯模块根

6、据自身的位置查找地图，可以获得前方红绿灯的坐标位置。通过标定参数，可以将红绿灯从世界坐标系投影到图像坐标系，从而完成相机的自适应选择切换。选定相机后，在投影区域外选取一个较大的感兴趣区域，在其中运行红绿灯检测来获得精确的红绿灯框位置，并根据此红绿灯框的位置进行红绿灯的颜色识别，得到红绿灯当前的状态。得到单帧的红绿灯状态后，通过时序的滤波矫正算法进一步确认红绿灯的最终状态。我们提出的基于CNN的红绿灯的检测和识别算法具有极高的召回率和准确率，可以支持白天和夜晚的红绿灯检测识别。红绿灯检测识别：模块传感器介绍Apollo2.0感知模块包括障碍物检测识别

7、和红绿灯检测识别两部分。障碍物检测识别模块通过输入激光雷达点云数据和毫米波雷达数据，输出基于两种传感器的障碍物融合结果，包括障碍物的位置、形状、类别、速度、朝向等信息。红绿灯检测识别模块通过输入两种焦距下的相机图像数据，输出红绿灯的位置、颜色状态等信息。上述两大感知功能，使无人车具备在简单城市道路自动驾驶的能力，希望能够对无人驾驶社区有帮助。摄像头1080p高清检测阵列30mmx30mm尺寸3umx3um像素尺寸USB3.0高速传输毫米波雷达北京理工雷科电子信息技术有限公司自主研发的77GHz毫米波汽车防撞雷达，采用了MIMO虚拟孔径技术，实现了更

8、好的精度、更高的角度分辨率，更小的体积，并兼容了近远距探测功能，可在全工况条件下，对车辆行驶环境和其他车辆目标进行实时探测