Apollo智能驾驶|Apollo1.0到7.0版本快速了解_apollo版本

作者：Monodyee | 2024-04-13 03:04:11

踩

apollo版本

百度Apollo 1.0-7.0各版本框架概述

Apollo官网：https://apollo.auto/

GitHub：https://github.com/ApolloAuto/apollo

先来看下Apollo各版本发布图：

下面对各个版本做下介绍。

Apollo 1.0: 循迹功能实现

Apollo 1.0（也称为自动GPS航点跟踪）可在封闭的场地（例如测试跑道或停车场）中工作。必须进行此安装，以确保Apollo与您的车辆完美配合。下图列出了Apollo 1.0中的各个模块。

Apollo 1.5: 巡航功能

Apollo 1.5适用于固定车道巡航。通过添加LiDAR，具有该版本的车辆现在可以更好地感知周围环境，并且可以更好地绘制其当前位置并规划其轨迹，从而在车道上进行更安全的操纵。请注意，以黄色突出显示的模块是1.5版的添加或升级。高精地图

Apollo 2.0: 城市避障换道信号灯停车

Apollo 2.0支持在简单的城市道路上自动驾驶的车辆。车辆能够安全地在道路上行驶，避免与障碍物碰撞，在交通信号灯处停车以及在需要时改变车道以到达目的地。请注意，红色突出显示的模块是2.0版的新增或升级。

Apollo 2.5:高速车道保持

Apollo 2.5允许车辆通过摄像头在障碍物高速公路上自主行驶，以进行障碍物检测。车辆能够保持车道控制，行驶并避免与前方车辆发生碰撞。

Apollo 3.0: 封闭园区低速控制

Apollo 3.0的主要重点是为开发人员提供一个在封闭场所低速环境中进行构建的平台。车辆能够保持车道控制，行驶并避免与前方车辆发生碰撞

Apollo 3.5: 市区360环视

Apollo 3.5能够导航复杂的驾驶场景，例如住宅区和市区。该汽车现在具有360度可视性，并具有升级的感知算法，可以应对不断变化的城市道路状况，从而使汽车更安全，更醒目。基于场景的计划可以在复杂的场景中导航，包括未保护的转弯和狭窄的街道，这些街道通常出现在居民区和带有停车标志的道路中。

Apollo 5.0: 360全面感知深度学习模型

Apollo 5.0旨在支持地理围栏自动驾驶的批量生产。该汽车现在具有360度可视性，并具有升级的感知深度学习模型，可以处理复杂路况的变化情况，从而使汽车更加安全和感知。基于场景的计划已得到增强，以支持其他场景，例如，过马路和穿越交叉路口。

Apollo 5.5: 点到点城市自动驾驶

Apollo 5.5通过引入路边对道路的驾驶支持，增强了先前Apollo版本中复杂的城市道路自动驾驶能力。有了这一新功能，阿波罗现在已接近自动驾驶城市道路驾驶的飞跃。该汽车具有完整的360度可视性，以及升级的感知深度学习模型和全新的预测模型，可应对复杂道路和交汇处场景的变化情况，从而使汽车更安全，更醒目。

Apollo 6.0: 迈向无人化自动驾驶

Apollo 6.0亮点主要有5点：

Apollo 6.0在算法模块上，引入了三个新的基于深度学习的模型。

在感知上，Apollo 6.0 实现了基于PointPillars的激光点云障碍物识别模型

在预测上，Apollo 6.0 发布了基于语义地图的低速行人预测模型

在规划上，Apollo 6.0 首次引入了基于语义地图的模仿学习

集成了无人驾驶的相关内容

将主要工具、依赖库都升级到了最新版本。

对5.0发布的云服务（（Apollo数据流水线服务，搭配Apollo教育和开发者套件））也进行了全面升级

对v2x车路协同方案做了重大升级，首发对象级别的车端感知与路侧感知融合。

Apollo 7.0: 共创汽车机器人连接

自动驾驶开放平台作为百度多元汽车机器人落地的重要支撑，本次升级发布的Apollo7.0实现了从代码到工具、从开源平台到工具化平台的里程碑式完整进化。在云端服务、开源软件、硬件开发、车辆认证四大开源平台基础上，Apollo 7.0提供了包括一站式实践云平台Apollo Studio、业内领先仿真服务、高效新模型在内的一系列升级，不仅代码全能力开放，更能提供自动驾驶全栈工具链，更易用、更领先、更高效的帮助开发者运用平台能力。

云端服务平台层面，Apollo 7.0将6.0版本中深受开发者欢迎的“数据流水线”服务正式升级为Apollo Studio，涵盖开发者从上机到上车实践的全流程云端工具链，为开发者提供一站式实践平台体验。

仿真平台层面，Apollo 7.0推出业界首个PnC强化学习模型训练与仿真评测平台，具有数据真实、功能强大、评测标准全面、架构可扩展等多重优势，有望为强化学习研究提供统一的验证标准。

开源软件平台层面，Apollo7.0对感知和预测算法模块升级，引入MaskPillars、SMOKE、Inter-TNT三个基于深度学习的模型，有效减少漏检、抖动等问题。