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
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
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
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250