Apollo自动驾驶项目中Occupancy网络输出未接入规划模块的技术解析
2025-05-07 10:56:35作者:齐冠琰
概述
在Apollo 10版本中,BEVFORMER障碍物检测器的Occupancy网络输出结果仅被保存为本地二进制文件,而未被传递至规划模块。这一技术实现细节引起了开发者社区的关注,本文将深入分析当前实现的技术背景、潜在影响以及未来可能的改进方向。
当前实现分析
在bevformer_obstacle_detector.cc文件中,GetOccResults()函数的主要功能是处理Occupancy网络的输出结果,但存在以下技术特点:
-
数据处理流程:
- 对每个体素(voxel)进行类别概率分析
- 筛选超过阈值的有效体素点
- 统计有效体素数量并记录日志
-
输出方式:
- 结果仅被保存到本地二进制文件
- 文件路径由配置参数
occ_save_path指定 - 文件名使用时间戳作为标识
-
缺失功能:
- 未将处理结果存入
frame_ptr_->detected_objects - 未通过消息机制向下游模块传递
- 未将处理结果存入
技术背景与考量
这种实现方式反映了Apollo团队在Occupancy网络集成方面的阶段性决策:
- 离线验证优先:当前实现更侧重于结果的可视化和离线分析,便于算法验证和调优
- 系统集成复杂度:Occupancy网络输出与传统障碍物检测结果在数据结构上存在差异
- 性能考量:大规模体素数据的实时传输可能带来性能挑战
潜在影响
这种实现方式对系统功能的影响包括:
- 规划模块限制:规划算法无法直接利用Occupancy网络提供的环境感知信息
- 系统功能割裂:虽然检测结果被保存,但无法形成完整的感知-规划闭环
- 实时性损失:离线处理方式无法满足自动驾驶对实时性的严格要求
未来改进方向
根据技术讨论,Apollo团队可能考虑以下改进方案:
-
点云聚类方案:
- 将Occupancy检测结果转换为点云表示
- 通过聚类算法生成背景障碍物信息
- 与传统障碍物检测结果融合后传递至规划模块
-
端到端集成方案:
- 设计专门的消息类型承载Occupancy网络输出
- 优化数据传输协议,确保实时性
- 在规划模块中直接解析和使用Occupancy信息
-
混合方案:
- 保留离线保存功能用于调试
- 同时实现实时数据传输通道
- 根据应用场景灵活切换
技术建议
对于希望提前使用Occupancy网络结果的开发者,可考虑以下技术路线:
-
自定义数据转发:
- 修改
GetOccResults()函数,增加结果转发逻辑 - 设计适当的数据结构封装体素信息
- 通过现有消息通道或新建专用通道传递数据
- 修改
-
结果后处理:
- 监控保存的二进制文件变化
- 实现文件监听和实时加载机制
- 将加载的数据转换为规划模块可用的格式
-
性能优化:
- 对体素数据进行压缩或降采样
- 采用共享内存等高效IPC机制
- 实现数据差分更新减少传输量
总结
Apollo 10中Occupancy网络输出的当前处理方式反映了自动驾驶系统开发中的典型权衡:算法验证与系统集成的阶段性侧重。随着Occupancy检测技术的成熟,预计Apollo团队将逐步完善其与规划模块的集成方案。开发者社区可关注后续版本更新,或基于现有实现进行定制化扩展以满足特定需求。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781