新智驾|百度陶吉：Apollo智能交通一路走来的故事和思考( 二 )
仅仅有这个障碍物检测的视觉系统肯定不够 ， 我们不可能穷举所有的没有见过的障碍物去训练模型 ， 这个时候我们需要有一套冗余机制 。
成本方面：视觉检测冗余 ， 基于单目的最深估计 。
文章图片
这是一套通过单目恢复出来的深度图 ， 我们进行了一个自动化的联合标注 ， 从而连了一个非常好的DNN网络 ， 它可以把物体深度恢复出来 ， 这样你看到一辆未知的车 ， 比如说你看到一辆横着的大车 ， 虽然你不知道它是什么 ， 但是我知道我离它很近了 ， 可以停下来 。
安全方面：无人化的关键是需要知道何时不行 。
文章图片
我刚刚讲到第四阶段毕业的关键是无人化 ， 而无人化的关键是需要知道我们什么时候不行了 ， 如果说知道这一点 ， 我们就把车交给安全员 。 这当中我们可以做三件事情：
文章图片
第一个是我们做电子电器的故障监控 ， 这对应的是公路安全的概念 。 当我的计算单元出现故障时我要知道 ， 我们用一个冗余的计算平台实时监测主系统的心跳 ， 监测是否正常 ， 一旦发现不正常 ， 我们马上进入安全停车模式 。
文章图片
第二个是系统功能表现局限监控 ， 比如说遇到一个非常近的障碍物还没有刹车 ， 比如说车辆规划的加速度突然变得非常大 ， 或者说定位一下子漂移等这些场景 ， 我们希望通过一些安全的硬边界规则来进行限制 ， 一旦超出阈值 ， 我们认为进入了非安全状态 。
文章图片
第三个是5G云代驾 ， 提升超出ODD的阻塞场景通行能力 ， 目前我们在北京和长沙都在进行这样的无人化测试工作 。
为什么需要车路协同？
在自动驾驶上 ， 我们做了很多工作 。 接下来是我们为什么还需要做车路协同 。
文章图片
我们的车路协同当前做的事情更多是V2X ， 是在道路上增加传感器来增加感知的冗余 ， 弥补车端的不足 。 道路上安装传感器有很多的优势 ， 比如说上帝视角、全域感知、路面危险检测、路面突变、规避视觉盲区等 。
但提到车路协同 ， 业界问的最多的问题是—装了上述这样的设备对自动驾驶有多大帮助？
实际上这并不是一个靠研究可以回答的问题 ， 我们相信这一定要靠大规模实践 ， 加理论推演才可以进行有效回答 。
文章图片
所以我们做了几件事情：
一是我们在全国范围内部署了最大规模的车路协同车队进行协同验证；
二是尽最大努力提升路侧AI的智能化 ， 只有当我们提升到足够强的能力 ， 和车端感知真正形成正交冗余才可以 。
文章图片
上图演示的是我们在全国数百个路口部署的多视角多传感器融合 ， 真正的全息感知 。 除了部署这么多的路口 ， 我们还部署了全国最大规模的自动驾驶车辆 ， 实现了数百辆自动驾驶车端与路测感知融合 。
文章图片
上图中绿色的部分是路侧感知结果 ， 红色的是车端感知的结果 ， 蓝色的是融合感知结果 。 其中 ， 红色则是盲区车 ， 是无人车自己看不到的必须要通过路侧感知才可以看到 。
推荐阅读
- 百度|百度，已经成功掉出了第一梯队。
- 脑极体|百度之星正在出圈，用十六年打造程序员版“天才请就位”
- 百度地图|你知道百度的全景街景地图是怎么做的吗
- 北京商报|明里做社交 暗里竞逐泛视频，百度上线独立App“音啵”
- 百度|双11商家容易犯的低级错误
- 车东西|会陆续开放，百度陶吉：北京已有超百个无人车站点准备就绪
- 百度|5.5亿用户支持！支付宝打造的“天价”蚂蚁森林，如今怎样了？
- 阿里巴巴|鸿蒙OS要成汽车界的“安卓”？阿里、腾讯、百度都不会答应
- 爱云资讯|成为国内领先开源基金会运作项目，百度捐赠超级链内核技术并发起组建工作组
- 百度|百度员工感慨：相比拼多多，感觉在百度像养老！