百度无人驾驶课程——Apollo开源模块讲解-笔记
为什么说无人驾驶这件事很困难？
当前为止民用领域对安全性能的要求处于最高水平；此外还对其整合多种复杂技术的整体水平提出了更高的标准。
Apollo包含的技术：
车顶的激光雷达，——advanced sensors
车一定要by wire control system 摆外线控
Lidar数据量非常大，所以需要强劲的处理器——onboard computing
车在路上跑的时候一定要和云端有链接——cloud cluster
Key tech：HD map
作用：
提供车道信息
提供红绿灯，交通标识，减速带位置信息。
由Intensive ma构建静态障碍物状态。
可以减低无人驾驶车对于道路信息的计算量，减少运动补偿的计算量
定位：
GPS＋IMU＋Geometry Localization(几何定位)
单独GPS定位
GPS的工作原理基于四颗卫星的定位机制。然而由于大气电离层以及环境反射作用导致电磁波传播过程中出现衰减。这将使得最终计算所得的位置存在显著偏差
RTK定位
基于固定基准站的RTK系统，在基站在车辆周围较近时（约16公里范围内），通过实现基站与移动设备之间的差分定位，并对GPS位置结果进行校正，从而将GPS位置精度提升至厘米级
GPS+IMU（惯性导航）
GPS定位因其仅依赖于当前位置而缺乏历史数据信息，在地图上可能出现跳跃现象。为了解决这一问题，在获取车辆速度、加速度以及行驶方向等数据之后可以通过物理方法计算出相对位置。然而，在这一过程中由于物理计算会随着时间推移而积累误差，并且只有与GPS方向信息相结合才能实现持续的高精度定位效果。IMU与GPS协同工作——基于卡尔曼滤波算法的最优数据融合技术
GPS＋IMU＋Geometry Localization(几何定位)
几何定位旨在确保在异常条件下GPS和IMU失效时实现环境的有效定位。该算法采用点云匹配技术。
Lidar定位
——点云
优点：激光反射得到每个点的精确距离。
缺点：环境要求较为苛刻，在应用中通常需要较高的工作精度配置与稳定运行环境的支持。毫米波雷达在理论上能够有效避开尺寸在毫米量级的障碍物，在应对微小物体遮挡方面表现良好，在面对微小尺度障碍物时具有较好的适应性；然而，在遇到烟雾等恶劣天气时会表现出较大的局限性
无法识别颜色
雷达经常会绕过一些物体，会有误报。但是对于速度特别精准。
Camera可以看到颜色，无法判断距离。双目摄像头，50-60米误差在1-2米。
Lidar作为LV4发展的瓶颈。
没有大规模应用场景。
奥迪A8使用的ibeo。
感知预测
Sensor fusion。
将所哟传感器看到的东西叠加在一起。
难点：非常精确的时间空间同步。
然后预测物体的轨迹。
规划和控制
当我看到一些东西我将要做什么。
保证车的平滑——体感。
N阶平滑。速度平滑，加速度平滑……。
避障：
加速和减速的而曲线
ST图
云：
模拟：
路况上传到云。
安全方面
ISO26262
Good：非常结构化，高要求。ISO D级别（出人命）的要求。
硬件系统的故障率需要达到每十亿小时运行周期中仅出现一次故障（Failure in Time in one billion device-hours of operation）的标准。等于每个十亿小时运行周期中发生一次故障时的水平即为10 fit的标准。即每十亿小时运行周期中发生十次故障就可以满足这一要求。
Bad：无法对无人驾驶cover，基本不可能过。所以不存在无人驾驶的规范。
规范。
Safe和security。
Function safe. 汽车在同时完成了我的功能后，在他自己的设计过程中出现了潜在问题或随机故障。
设计缺陷——systematic fault，无法容忍的错误，且硬件软件都有可能。
Random fault：不一定会出现。不可控因素导致。
Security：外部入侵。
行业标准——26262也叫做technical recommendation
并非法律准则
在人类一岁时的安全性标准下，在当前水平的基础上降低到十分之一，则可被视为极限安全
ISO26262
- 对技术的引导
- 商业广告
- 打官司的时候责任认定
它是一套规范化的流程。
给定了问题严重性的判断标准：
Exposure，controllable以及separatly。
Separatly:就是说有多少概率造成人员伤亡。死亡率高则等级高。
Esposure：这个事情是不是经常发现。越经常越高级
C：是否有机会控制。高级别控制的机会大。
如果都很高就是面的ISO D级别。
约束车的制造。
保证没有出现无驾驶员参与的加速减速以。流程就是V字。
ISO D级别的需要有多套的redundant system。
Apollo
被肯尼迪激励：一个人认为事情并不简单而是相当复杂的。
命名：Apollo？
Apollo四层技术框架：
底层的Reference Vehicle Platform——线控
次一层的参考硬件平台用于计算平台运行中，并集成多种传感器人机交互界面的黑盒子设计
百度优势
第二层的Open Software Platform-GitHub有-NTI 实验性的模块。
顶层的Cloud Service Platform——
Apollo1.0-寻迹自动驾驶。
应用：阿波牛。
Apollo1.5
定车道自动驾驶。
应用：老年人自动驾驶的轮椅。
Apollo2.0
简单城市道路。没有很多复杂场景。
应用：扫地车
Apollo2.5
最大最活跃的无人驾驶社区。成就：
高速场景。
应用：长沙智能驾驶研究院。智能卡车驾驶。100公里每小时。
Apollo3.0：
量产解决方案，量产配置。