Apollo感知之旅——感知算法
讲到感知,首先不得不讲到传感器。传感器是自动驾驶感知环节中最主要的工具,我们必需对传感器能够提供的数据类型、适用的工况以及局限性都非常了解和熟悉,才能让算法工程师更好的适配传感器所采集和提供的数据写出更好的算法。
感知算法根据使用的传感器不同而不同。对于激光雷达Lidar点云感知,本节主要介绍两个检测算法,分别是启发式的Ncut和深度学习算法CNNSeg。对于视觉感知,将全面介绍深度学习检测和分割技术、跟踪技术,2D-to-3D技术以及多相机融合技术,此外还会介绍红绿灯检测算法。最后简要介绍Radar检测和超声波检测算法。
点云感知
点云障碍物感知的主要任务是感知障碍物的位置、大小、类别、朝向、轨迹、速度等。核心是点云检测分割技术,可以用启发式算法NCut和深度学习算法CNNSeg完成。
启发式方法:NCut
深度学习方法:CNNSeg
主要思想是利用卷积神经网络来处理激光雷达捕获的点云数据,并对点云中的目标进行识别。深度学习是数据驱动的,它把人工构造特征这一任务交给机器和算法去完成(即特征学习)。在百度的深度学习感知实现过程中,团队尝试了很多方法,下面就简单介绍算法研发的历程。
1、将所有点云都投到前视图(front-view)(投影面是一个圆柱面)来构造特征,将点云问题转化为矩阵问题,进而使用