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 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習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習的激光點云自定位算法。該算法使用不同類型的網(wǎng)絡結(jié)構對傳統(tǒng)方法中的各功能模塊進行替代。

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一年。

通過點云數(shù)據(jù)集進行驗證的基于深度學習的激光點云自定位算法以及相關技術出自論文《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，此項技術方案的領先性主要有：

提出了全球范圍內(nèi)首個基于深度學習的自動駕駛自定位技術解決方案，可以準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)絡結(jié)構拆解取代傳統(tǒng)激光點云定位的技術流程，并將其串聯(lián)起來統(tǒng)一訓練，使網(wǎng)絡能夠以"端到端"的方式完成在線激光點云定位任務。

▲傳統(tǒng)激光點云定位技術

定位作為自動駕駛的基礎模塊之一，一直是行業(yè)研發(fā)熱點?，F(xiàn)有的傳統(tǒng)激光點云定位技術包含了特征提取、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，但是這類人工設計的算法在進行特征提取和匹配時，對環(huán)境的變化非常敏感。導致在動態(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、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，實際應用中需要經(jīng)常對定位地圖進行更新，成本也將上升。

與傳統(tǒng)方案不同的是，基于深度學習的激光定位系統(tǒng)在模塊上有了改變，它需要一個預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測位姿作為輸入。其中預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設備在行駛過程中采集獲得，而預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)化預測位姿從而獲得定位結(jié)果。

▲基于深度學習的無人車激光自定位技術：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)絡結(jié)構進行改造，進而實現(xiàn)了開創(chuàng)性的基于深度學習的無人車激光自定位技術：L3-Net。與傳統(tǒng)方法流程相比，L3-Net 使用PointNet 網(wǎng)絡來實現(xiàn)特征提取，再使用3D CNNs 網(wǎng)絡進行特征匹配和優(yōu)化，最終使用RNNs 網(wǎng)絡完成時序上的平滑。

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

▲基于學習的激光自定位網(wǎng)絡架構 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數(shù)據(jù)。

進入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。