作為全球最大最活躍的自動駕駛開放平臺，Apollo不斷創(chuàng)新，持續(xù)拓展著自動駕駛行業(yè)邊界。在聚焦賦能量產(chǎn)的Apollo5.0重磅面世之后，日前，Apollo在“數(shù)據(jù)開放”的大道上再次實現(xiàn)飛躍，向開發(fā)者開放一組總里程達(dá) 380km 的點云數(shù)據(jù)集，并在該數(shù)據(jù)集上驗證了基于深度學(xué)習(xí)的激光點云自定位算法帶來的“厘米級定位精度”的實現(xiàn)。

據(jù)了解，針對自動駕駛中的自定位問題，百度提出了一套基于深度學(xué)習(xí)的激光點云自定位算法。該算法使用不同類型的網(wǎng)絡(luò)結(jié)構(gòu)對傳統(tǒng)方法中的各功能模塊進(jìn)行替代。

同時，為了驗證算法的有效性，百度在 Apollo 平臺開放了一組總計約 380km 的數(shù)據(jù)集，該數(shù)據(jù)集包含了制圖、訓(xùn)練、測試三個子集，涵蓋了城市道路，園區(qū)內(nèi)部道路以及高速公路等多種場景，地圖和測試集之間的最長時間跨度達(dá)一年。

通過點云數(shù)據(jù)集進(jìn)行驗證的基于深度學(xué)習(xí)的激光點云自定位算法以及相關(guān)技術(shù)出自論文《L3-Net:Towards Learning based LiDAR Localization for Autonomous Driving》，這篇論文收錄在今年 6 月份在美國洛杉磯長灘市舉行的國際頂會 CVPR 2019里。

根據(jù)論文內(nèi)容，此項技術(shù)方案的領(lǐng)先性主要有：

提出了全球范圍內(nèi)首個基于深度學(xué)習(xí)的自動駕駛自定位技術(shù)解決方案，可以準(zhǔn)確地估計車輛的位置和姿態(tài)，實現(xiàn)了厘米級精度的定位效果。

使用不同的網(wǎng)絡(luò)結(jié)構(gòu)拆解取代傳統(tǒng)激光點云定位的技術(shù)流程，并將其串聯(lián)起來統(tǒng)一訓(xùn)練，使網(wǎng)絡(luò)能夠以"端到端"的方式完成在線激光點云定位任務(wù)。

▲傳統(tǒng)激光點云定位技術(shù)

定位作為自動駕駛的基礎(chǔ)模塊之一，一直是行業(yè)研發(fā)熱點。現(xiàn)有的傳統(tǒng)激光點云定位技術(shù)包含了特征提取、特征匹配和時序優(yōu)化等模塊（如上圖所示）。整個算法的輸入包括實時在線激光點云、定位地圖以及來自慣性傳感器的初始預(yù)測的定位位置和姿態(tài)，最后的輸出則是定位算法優(yōu)化之后的位姿結(jié)果。

盡管上述方案已經(jīng)取得了目前最佳的定位效果，但是這類人工設(shè)計的算法在進(jìn)行特征提取和匹配時，對環(huán)境的變化非常敏感。導(dǎo)致在動態(tài)變化的環(huán)境中無法最智能地捕捉環(huán)境中不變的信息（例如，地標(biāo)、路牌等），從而無法實現(xiàn)對自身位置的高精度高魯棒性的估計。這意味著，由于環(huán)境變化的劇烈程度，實際應(yīng)用中需要經(jīng)常對定位地圖進(jìn)行更新，成本也將上升。

與傳統(tǒng)方案不同的是，基于深度學(xué)習(xí)的激光定位系統(tǒng)在模塊上有了改變，它需要一個預(yù)先建立的激光點云定位地圖、在線激光點云以及慣性傳感器的預(yù)測位姿作為輸入。其中預(yù)建的激光點云定位地圖是通過離線制圖算法對多次采集的同一區(qū)域的點云數(shù)據(jù)進(jìn)行融合，并使用點云識別算法剔除動態(tài)地物得到。在線點云是由自動駕駛車輛上安裝的激光雷達(dá)設(shè)備在行駛過程中采集獲得，而預(yù)測位姿則由上一幀定位結(jié)果加上慣性傳感器或者車輛運動模型估計的增量運動來進(jìn)行遞推。這個定位框架通過最小化在線點云和地圖的匹配距離，優(yōu)化預(yù)測位姿從而獲得定位結(jié)果。

▲基于深度學(xué)習(xí)的無人車激光自定位技術(shù)：L3-Net

百度提出的方案如上圖所示。對傳統(tǒng)方法中各個流程使用不同類型的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改造，進(jìn)而實現(xiàn)了開創(chuàng)性的基于深度學(xué)習(xí)的無人車激光自定位技術(shù)：L3-Net。與傳統(tǒng)方法流程相比，L3-Net 使用PointNet 網(wǎng)絡(luò)來實現(xiàn)特征提取，再使用3D CNNs 網(wǎng)絡(luò)進(jìn)行特征匹配和優(yōu)化，最終使用RNNs 網(wǎng)絡(luò)完成時序上的平滑。

L3-Net實質(zhì)上是基于學(xué)習(xí)的激光自定位網(wǎng)絡(luò)架構(gòu)。如下圖所示，該網(wǎng)絡(luò)通過兩個階段進(jìn)行訓(xùn)練，第一階段訓(xùn)練只包含了黑色箭頭部分，包括關(guān)鍵點選擇、特征提取以及基于 3D CNNs 的特征匹配；第二階段訓(xùn)練包含了青色箭頭的部分，這一階段訓(xùn)練包含了用于時序平滑的 RNNs 網(wǎng)絡(luò)。

▲基于學(xué)習(xí)的激光自定位網(wǎng)絡(luò)架構(gòu) L3-Net算法流程

目前，點云定位數(shù)據(jù)集面向所有開發(fā)者開放，通過以下操作即可獲取相關(guān)數(shù)據(jù)。

進(jìn)入Apollo首頁，并點擊【開放平臺】中的【數(shù)據(jù)平臺】，或直接訪問數(shù)據(jù)開放平臺地址：http://data.apollo.auto/?locale=zh-cn&lang=en。找到【標(biāo)注數(shù)據(jù)】欄目下的【阿波羅加州南灣點云定位數(shù)據(jù)集】即可。

點擊進(jìn)入數(shù)據(jù)集詳情頁，選擇右上角【查看使用手冊】，可以查看詳細(xì)的數(shù)據(jù)集說明和使用說明。

如上圖所示，點擊【樣例數(shù)據(jù)】可以下載少量的樣例數(shù)據(jù)，用于具體理解數(shù)據(jù)格式。點擊【申請使用】，則可以申請獲得在云端使用數(shù)據(jù)集中大量數(shù)據(jù)的資格。

自2017年百度推出Apollo開放平臺以來，Apollo一直秉承“開放能力 共享資源 加速創(chuàng)新 持續(xù)共贏”的理念和精神，為開發(fā)者們提供無門檻的自動駕駛開放平臺，無論是數(shù)據(jù)平臺、感知平臺、安全平臺還是解決方案，Apollo開放平臺將一直為有需要的小伙伴敞開。未來，Apollo期待與更多開發(fā)者攜手同行。