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 10:29:47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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
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
9
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
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322