百度 Apollo2.0 数据开放平台 ：“云 + 端”研发迭代新模式
发布时间：2023-12-22 20:28:01 所属栏目：大数据 来源：DaWei
导读： 点击 Github 可以查看 Apollo 车端开放能力的源代码。
在顶部菜单栏的“开发者”菜单中，选择“数据平台”即可进入 Apollo 数据开放平台。推荐使用 PC 打开使用，效
在顶部菜单栏的“开发者”菜单中，选择“数据平台”即可进入 Apollo 数据开放平台。推荐使用 PC 打开使用，效
|
点击 Github 可以查看 Apollo 车端开放能力的源代码。 在顶部菜单栏的“开发者”菜单中，选择“数据平台”即可进入 Apollo 数据开放平台。推荐使用 PC 打开使用，效果更佳。 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 登录 在 Apollo 数据开放平台的页面右上角，有登录菜单，点击后登陆百度帐号，会简化之后的使用流程。 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 数据开放平台 数据开放平台的首页由几个小节构成，分别是仿真场景数据、标注数据、演示数据、相关产品与服务、上传我的数据。 开发者可以直接使用 Apollo 已经开放的数据，也可以通过 Apollo 的 Data-Recorder 记录数据上传到云上使用。 通过选择特定数据，可以进入特定数据的应用。 开发者可以在标定平台中标定车辆参数，通过上传数据，申请数据加工，使用数据标注服务，在训练平台中训练 Model，将前几步应用平台的结果合并到 Github 的 Apollo 代码中，将编译结果或源码提交到仿真平台中完成评估，这样就通过“云 + 端”完成了自有车载系统的研发迭代。 仿真场景数据实战 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 首先，可以看到仿真场景数据集。 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 仿真场景数据集 仿真场景数据包括人工编辑以及真实采集的场景，覆盖多种路型、障碍物类型以及道路环境，同时开放云端仿真平台，支持算法模块在多场景中并发在线验证，加速算法迭代速度。 点击两个仿真数据集下的“立即使用”按钮，可以进入到仿真场景数据集详情页。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 仿真场景数据 仿真场景数据的详情页中，可以进一步通过条件筛选，查看场景的细节。点击右上角的仿真平台按钮，可以进入仿真平台。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 仿真场景 在打开的仿真平台中，可以以默认 Apollo 模块运行仿真场景，也可以提交自己的自动驾驶系统运行仿真场景。Apollo 仿真的具体使用，会有单独分享，这里由于时间关系就不再具体展开了。 标注数据实战 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 接下来是标注数据。 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 标注数据 标注数据是为满足深度学习训练需求，经人工标注而生成的数据，目前我们开放了多种标注数据，同时在云端配套提供相应的计算能力，供开发者在云端训练算法，提升算法迭代效率。 Apollo 开放了 6 个标注数据集和社区中比较流行的算法，以便开发者调试云端环境： 激光点云障碍物检测分类，我们提供基于规则算法的 Demo（传统机器学习）；红绿灯检测，我们提供基于 SSD 算法的 Demo（Paddle、Caffe）；Road Hackers，我们提供基于 CNN+LSTM 的 Demo（Keras、TensorFlow）；基于图像的障碍物检测分类，我们提供基于 SSD 算法的 Demo（Caffe）；障碍物轨迹预测，我们提供基于 MLP 算法的 Demo（TensorFlow）；场景解析。 下面我们看下“激光点云障碍物检测分类”，可以进入数据集详情页。其他的标注数据各位朋友可以自己查看。 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 激光点云障碍物监测分类 在数据集详情页中，可以看到数据集的介绍。 点击右上角有一排操作按钮。 点击“查看使用手册”，可以查看更加详细的数据集说明和使用说明。这是“查看使用手册”后打开的 PDF 链接： data.apollo.auto/static/pdf/lidar_obstacle_label.pdf 点击样例数据，可以下载少量的样例数据，具体理解数据格式。 点击“申请使用”，可以申请在云端使用数据集中的大量数据。 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 数据在线使用申请 这是点击“申请使用”后弹出的对话框。 当前我们针对科研机构，企业单位开放云端计算能力，即您可以在线使用大量标注数据进行模型训练，并通过 API 访问开放数据。在您申请后，稍后会有 Apollo 商务负责人与您联系。 训练平台实战 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 在申请通过后，“申请使用”按钮会变成“在线使用”，点击后会进入 Apollo 训练平台的新建任务（Apollo 训练平台有着较高的安全校验机制。初次使用需要设定云属性和联系方式，并签订使用协议书；当登录后过长时间未使用时，需要再次登录）。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 新建任务 在我们新建一个任务以前，我们先简单浏览一下训练平台的其他页面。 用户帮助、关于 Apollo 功能简单，我们就不展开了，下面着重介绍下前四项。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 训练平台概览 平台概览页包含对训练平台整体的介绍。在训练平台，我们会开放大量级的数据，并配套提供相应的计算资源，供开发者在深度学习平台在线训练算法，致力于赋能每一位拥有较强软件、算法研发能力的合作伙伴，推动自动驾驶技术的普及。 百度大数据应用_大数据应用_大数据应用需依托的新技术有( ) 任务列表 任务列表页中有个人拥有任务的列表。 Apollo 训练平台使用说明 -1 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 入门指南有 Docker 创建和算法开发的使用说明。 用户帮助中有一些常见问题的解答。 如果开发者有更多的问题，可以使用左下角的联系我们。也可以使用右上角的工单系统。 接下来，就让我们按入门指南，以红绿灯检测为例，讲解一下深度学习算法的研发。 在最上部显示的是为每个有权限的开发者分配的 docker 用户名和密码。 接下来是流程概览： 其中请参考相关任务对应的 demo 镜像中开源的代码，学习数据使用方法，编写自己的代码，写入镜像。 Apollo 训练平台使用说明 -2 步骤一，为了搭建本地环境，可以下载 VirtualBox 对应的 OVA 镜像包，通过导入 OVA 创建一个预先配置好的虚拟机。 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 Apollo 训练平台使用说明 -3 步骤二，Apollo 官方 demo 镜像列表，镜像获取说明。 我们挑选这个镜像作为开发基础： 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) Apollo 训练平台使用说明 -4 步骤三，平台数据使用方法，接口规范。 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 参考相关任务对应的 demo 镜像中开源的代码，学习数据使用方法，编写自己的代码： 训练程序的启动入口为 /admin/run_agent.sh，用户可以修改文件内容来控制训练程序的行为。平台以 run_agent.sh 结束状态来判断训练任务的状态；任务运行时环境在 /dataset_test/ 目录下有供测试使用的数据集, 根据提交任务时选择的任务类型自动下载部署。用户需要参考平台提供的 demo 镜像的入口（/admin/run_agent.sh）的实现来熟悉不同数据的使用方式；点击数据工具使用，可以了解开发者在计算平台云端，通过 Apollo 训练工具下载和上传数据的方式。 下面展开介绍下数据工具。 Apollo 训练平台使用说明 -5 数据工具说明。 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 开发者可以使用以下三个接口程序百度大数据应用，在自己的算法程序中动态获取数据、输出数据、输出日志、输出评测、输出图表、输出预测结果： apollo_data_get dataSetId outputPath [tag] [offset] [limit]apollo_data_put … 更多的细节，参考： console.bce.baidu.com/apollo/help/faq?name=cal_1_data_help_train6_downupload_data&locale=zh-cn#/apollo/home 红绿灯检测 Demo 算法 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 我们的 Demo 中提供了作者原本的 Caffe 版，以及 PaddlePaddle 版。有兴趣的朋友可以 MIT 的论文和作者在 Github 上的源码。 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 提交镜像 使用以下命令提交 Docker 镜像到仓库中： 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 提交训练任务 进入到训练平台的新建任务中，填写任务信息后提交任务。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 查看任务列表与详情 在任务列表中可以查看自己的任务，点击任务的任务详情链接，可以进入任务详情查看任务执行状态和结果。 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 训练任务详情 我们为开发者准备了任务信息、表格信息、图表、日志等基本信息，也提供了每一种数据类型的显示，如 3D 点云。 开发者可以在此页面了解到任务的执行情况、loss 的收敛情况。页面加载时间随着数据量增长，可能需要一点加载时间。 演示数据实战 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 演示数据是为了配合车端代码，通过演示数据体验各模块的能力。 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 演示数据集 目前我们开放了多种演示数据，覆盖了车载系统演示数据、自定位、端到端数据等模块数据，旨在帮助开发者调试各模块代码，确保 Apollo 最新开放的代码模块能够在开发者本地环境运行成功，通过演示数据体验各模块的能力。 百度大数据应用_大数据应用_大数据应用需依托的新技术有( ) 演示数据在 Apollo 中的使用 例如，下载车载系统演示数据，可以通过 Github 的 apollo 源码的编译执行步骤体验完整的 Apollo 车端能力。 该演示数据集包含传感器数据，下载该数据集。按照 Quick Start 的说明，编译 Apollo，使用 rosbag play –l 命令播放该数据集演示即可。 相关产品与服务实战 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 除开放数据外，还配套开放云端服务，包括数据标注平台，训练学习平台以及仿真平台和标定平台，为 Apollo 开发者提供一整套数据解决方案。 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 相关产品与服务 数据上传实战 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 数据上传实战入口： 大数据应用_百度大数据应用_大数据应用需依托的新技术有( ) 数据上传实战 -1：完善信息 开发者需要填写名称、设备、采集区域、场景属性信息。 百度大数据应用_大数据应用_大数据应用需依托的新技术有( ) 数据上传实战 -2：在线上传 我们提供三种数据上传方式，您可根据上传数据的大小以及宽带速度，选择合理的上传方式： 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 数据上传实战 -2.1：客户端上传 使用客户端上传需要下载上传工具，并下载一个传输配置文件。 百度大数据应用_大数据应用_大数据应用需依托的新技术有( ) 数据上传实战 -3：线下硬盘提供 线下交盘方式在填写好数据信息后，会由 Apollo 商务人员直接对接。 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 数据上传实战 -3.1：数据上传工具说明文档 上传工具的详细信息可以参考文档。 大数据应用_大数据应用需依托的新技术有( )_百度大数据应用 总结：智能汽车的“云 + 端”研发迭代新模式 大数据应用需依托的新技术有( )_大数据应用_百度大数据应用 综上所述，开发者可以在标定平台中标定车辆参数，通过上传数据，申请数据加工，使用数据标注服务，在训练平台中训练 Model，将前几步应用平台的结果合并到 Github 的 Apollo 代码中，将编译结果或源码提交到仿真平台中完成评估，这样就通过“云 + 端”完成了自有车载系统的研发迭代。 Apollo 阶段性成果 百度大数据应用_大数据应用需依托的新技术有( )_大数据应用 为雄安新区带来了与戴姆勒、福特、奇瑞、北汽、长城、金龙客车、智行者科技等合作伙伴的共 10 款智能汽车，展示了 Apollo 在乘用车、商用巴士、物流车和扫路机等多车型、多场景、多维度的应用，堪称中国自动驾驶的缩影。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 Apollo自动驾驶国家队 上图从左至右： Apollo 无人小巴“阿波龙” 2018 年实现量产，在国内率先实现自动驾驶巴士的商业化；戴姆勒V260L林肯MKZ北汽EU260奇瑞EQ奇瑞瑞虎5X奇瑞艾瑞泽5 长城 WEY智行者扫路机 “蜗小白”智行者物流车 “蜗必达” Apollo 已经有 90 家合作伙伴，其中有超过 15 个汽车厂商（13 家国内自动品牌和 2 家海外品牌）；博世、大陆、德尔福等 10 家一流 Tier1 供应商；包括英特尔、英伟达在内的一流芯片厂商；地图公司如 Tomtom；Velodyne、速腾、禾赛等激光雷达公司；地平线、智行者等创业公司；首汽约车、Grab、神州优车等出行服务公司；清华大学、同济大学等高校研究机构。 大数据应用需依托的新技术有( )_百度大数据应用_大数据应用 Apollo 合作伙伴 欢迎大家进一步关注官网 apollo.auto 和 GitHub 获取最新信息。也可以关注“apollo 开发者社区”公众号，关注最新进展。谢谢大家，今天的分享就到这里。 weixin.qq.com/r/yzl5YfrES6c0rb4C92zZ (二维码自动识别) Apollo 2.0 is available 问答环节Q1：请问现在高精地图在 apollo2 上扮演的是个什么位置呢，百度内部高精地图到了什么程度呢？ A：在 Apollo 的自动驾驶中，高精地图和高精定位一直是关键模块。我们知道，在一般人的驾车行为中使用导航软件，比如使用了百度地图，与不使用相比，也会感受到巨大的差别；对于目前自动驾驶的车载大脑使用高精地图也是必要的。使用高精地图，不但可以把最精确的信息提前提供给车载大脑，还可以把传感器探测范围外的道路信息提供给车载大脑。弥补传感器的硬件性能边界； 百度在国内是首家实现的三维高精度地图 & 定位，有着厘米级精度、国际领先、国内最大的自动驾驶车队，并且精细化程度最高、生产效率最高、覆盖面最广。 我可以举一个例子，比如红绿灯难题：一个路口，特定的停止线关联对应红绿灯。如果没有路口的地图信息，仅靠摄像头感知来动态识别所有的语义，实时做出判断，是一个非常有挑战的课题。而在高精地图中，红绿灯包含精确位置、高度，即使在传感器探测范围外，我们也可以提前知道多远将有一个红绿灯提并做出准备，在开到路口处，结合地图语义做出判断，可以容易地探测红绿灯，极大降低了感知难度，避免误识别。 Q2：如果智能车行驶到没有信号的地方 脱离云端大脑 还可以正常自动行驶吗？ A：首先，有必要说明下车端和云端的关系。云端生产训练模型，在车端升级。确保车端本地有可靠的自动驾驶能力； 车辆的运行过程中，的确需要少量的通讯无线信号。比如多传感器融合定位模块，在有通讯条件时，通过通讯，可以帮助我们提高如定位模块的精度。同时多传感器融合定位模块提供冗余的在无信号时的高精定位能力，可以解决诸如在隧道中无信号、林荫道信号不稳定等场景。 在我们研发自动驾驶系统之初，就将 Safety 最关键因素考虑到系统的总体设计之中。在未来的迭代中，会有冗余的 Safety 保障机制。在车辆开出限定范围前或探测到车辆有危险兆候时，采取安全的驾驶行为，如寻找安全的位置靠边停车。 Q3: 对问题 1 和 2 有个后续问题，就是高精地图或模型已经升级，如何部署到车端呢？ A：模型可以通过安全升级套件 ( Sec-OTA) 升级。提供车端及云端 SDK 及运营工具，简单易用、易于运营、集成部署支持安装包双向身份认证、包加解密、防降级、防篡改、设备认证、TOKEN 失效机制支持业务数据电子信封传输，不依赖 TLS 实现数据安全传输支持安装包分片校验，减小内存占用，节省硬件成本支持网络升级及 USB 离线升级可以关注 Apollo 汽车信息安全页面：apollo.auto/platform/security_cn.html。 Q4: 怎样申请合作伙伴资格？ A：首先，可以通过 Apollo.auto 主页右侧的「联系我们」，填写合作咨询表单，说明公司简要信息及合作需求。我们的商务人员会尽快与您建立联系。 通过初步需求对接后，双方探讨有效合作模式，共同繁荣 Apollo 的生态，增强 Apollo 平台能力。签写 Apollo 合作协议后，便可以加入 Apollo 成为联盟一员，享受 Apollo 平台的成员权益和资源，参与 Apollo 的快速发展。 更多问题可以关注"Apollo开发者社区"讨论 更多干货内容，可关注AI前线，ID：ai-front，后台回复「AI」、「TF」、「大数据」可获得《AI前线》系列PDF迷你书和技能图谱。 （编辑：商洛站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
推荐文章
站长推荐
