Apollo进阶课程[1]——Apollo开源模块讲解1

开源模块讲解1

无人驾驶车一定是By-wire system ready（摆外线控）。线控(by-wire)，就是说车是能被电脑控制的。车的方向盘和轮子之间是有一层电机连接的，方向盘传动到电机上，然后电机去控制车轮。电脑可以通过控制电机的方式来控制车轮。
无人驾驶车需要强劲的处理器处理大量数据。
需要与云端连接，告诉云端它的位置以及行驶规划。

HD Map

HD Map需要做到车道线级别，不光要知道在哪条路上，还需要知道在这个路的哪条车道线上，因为只有这样才能准确地告诉无人驾驶车应该在哪个车道行驶，接下来应该怎么拐。才能提前规划。
HD Map还需要知道红绿灯，交通标志的位置。
好处：

• 可以进行预判。给无人车很多预判的空间。能够提前做行驶规划，保证了行车的平稳性和经济性。
• 可以减少计算量。知道物体的精确坐标，可以只在那一块进行检索。
• 收集道路静态障碍物，做静态地图。减少对静态障碍物的计算处理（已经知道它是静态的，就可以不用去判断它是不是会动）。

定位&感知

GPS定位：GPS信号经过多次反射后计算距离会有偏差。精度米级。
GPS定位是跳动的。GPS是每时每刻根据当前的时间去算的，容易出现计算结果不准的情况。为了抹平GPS的跳变，需要用到IMU（惯性导航），但IMU的计算会有误差。所以，一般来说GPS和IMU是一块用的，GPS不停的去给IMU一个方向去校准，然后IMU再给GPS一个方向。
GPSRTK：除了移动站之外，还会有一个静止站，即 RTK 就叫做一个基站。RTK基站同样能够收到这些卫星的信号。我们认为 RTK 收到的信号和车收到的信号，如果RTK 和车相隔不远的话，则中间产生的衰减和信号变化是一样的，将其做一个差分 就能把这些干扰信号磨平掉。能达到 10cm 左右精度，需要一个基站，且基站要在 与车间隔 16km 之内
几何定位：在道路上选几个feature，根据feature计算位置。几何定位的精度很高，尤其是使用点云，cm级别、mm级别。
目前比较流行的定位技术就是GPS、IMU和几何定位等一系列技术的融合。
LIDAR：优点：计算距离精确。缺点：对环境要求非常高。它的激光束波长是纳米级别，打在烟、雾等水或固体颗粒也会产生反射，所以就无法精确判断了。它看不到颜色。

• 机械 LiDAR：是转的，缺点是有机械损耗，可靠性低，贵。
• 棱镜旋转：贴了64个激光头，每次转的时候64个激光头不停的打。通过磁场不断地去调整镜子的角度，激光就可以打出不同的点。没有机械化的损耗。但是会受磁场的影响。
• 相控阵：根据光栅原理
• flash lidar：拍照型，一次激发N条激光。看到的范围短。

Radar 是全天候的，对于速度判断的比较准，由于电磁波可以饶过一些东西，所以它的准确性并不太高，对静态的物体的误报会比较多。
摄像头好处在于可以看到颜色，无法判断距离。
把所有的数据获取之后，需要做一个传感器融合，把所有传感器看到的东西叠加在一起。这需要精确的时间和空间同步。然后把这个物体框起来，之后判断它的运动方向、轨迹和速度。
预测需要知道目标的当前状态和历史状态。

规划&控制

在约束条件下规划一条车可以走的路径。
规划满足条件：满足约束条件，保证车的平滑
平滑：距离平滑、速度平滑（速度不能跳变），加速度平滑，加速度的导数决定了推背感，很有意义的一个数值。五阶平滑。求导数，导数的导数……
当无人车拿到一些控制参数后，就可以实现电脑对无人车的控制。
百度在云端后台有个巨大的仿真空间，可以将遇到的复杂路况上传到云端，因此就有了一个非常大的数据库。