Apollo 里程碑

从 2017 年 4 月 Apollo 开放计划宣布到 2021 年 4 月，Apollo 已经发布了十个版本到了 Apollo 6.0 EDU。期间 Apollo 的能力快速迭代，逐步完成了从封闭场景循迹自动驾驶到简单城市路况自动驾驶，从限定区域视觉高速自动驾驶再到迈向无人化自动驾驶，以及最新的产教融合赋能自动驾驶教育。

版本9.0

重要更新

Apollo 开源平台 9.0 进一步聚焦开发者扩展开发与调试体验，致力于为自动驾驶开发人员提供统一的开发工具平台和易扩展的 PnC、感知软件框架接口。新版本基于包管理重塑了 PnC、感知扩展开发模式：根据业务逻辑优化了组件的拆分和配置管理，更易调用；除了组件扩展方式，新增更轻量化的插件扩展方式，更易扩展。新版本推出了全新的开发者工具 Dreamview+，引入模式让多场景使用更便捷，引入面板布局让开发者随心自定义可视化，引入资源中心提供更丰富开发资源。此外，新版本升级了LiDAR、Camera检测模型效果更优，并开放了增量训练方法方便扩展；同时，新增了对4D毫米波雷达的支持。最后，新版本适配了ARM架构，并支持在Orin下编译和运行，为开发者提供了更多样的设备选择。

Apollo 开源平台 9.0 的主要新特征如下：

基于包管理的 PnC 扩展开发范式

统一的对外接口：接口统一封装在 external_command 模块处理，解耦了上层业务调用和 PNC 模块，同时便于用户自定义扩展接口和底盘命令。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo规划实践>基于命令发布开发>开发模式说明
全新插件扩展机制：将 scenario，task 和 traffic rules 插件化，方便开发者开发部署自己的插件，通过配置流程来启动运行插件。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo规划实践>基于插件进行开发>开发模式说明
分级参数配置机制：划分全局参数和局部参数，局部参数放在插件中独立管理，便于开发者查询和修改。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo规划实践>基于配置参数开发>开发模式说明

基于包管理的感知扩展开发范式

功能组件拆分：从功能层面对激光雷达、相机和红绿灯检测拆分为小的功能组件，每个组件功能更加内聚，开发者可以灵活的组合和定制不同的算法流程，来满足当前场景的需求。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo感知实践>基于组件进行开发>组件开发模式说明
插件扩展机制：除组件开发模式外，新增插件开发模式，方便基于现有感知框架下替换算法，提高模块的复用性。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo感知实践>基于插件进行开发>插件开发模式说明
配置简化统一：针对感知相关配置做了统一管理，并提供详细的参数说明与修改文档，方便开发者随时查阅修改。相关信息及实践可参阅： 应用实践>开发调试教程>Apollo感知实践>基于配置参数开发>激光雷达参数介绍

全新打造的 Dreamview Plus 开发者工具

基于模式的多场景使用更便捷：以感知、PnC 、实车等具体开发场景作为模式分类，精简各类模式下的使用流程，带来无缝且直观的操作体验。
基于面板的布局可视化更灵活：将每项可视化工具和功能均封装成独立的面板，支持自由配置可视化面板的布局、各面板内容以及大小，方便开发者自定义操作界面。
引入资源中心数据更丰富：进一步加强与 Studio 云端资源互动，可一键下载各类资源，如地图、场景、车辆配置、数据包等，方便开发调试。
了解Dreamview，可参阅： 工具使用>Dreamview+>Dreamview+ 概述
Dreamview快速体验可参阅： 应用实践>开发调试教程>Dreamview+>Dreamview +快速体验

感知模型全面升级，支持增量训练

全新模型效果更优：引入效果更好的、泛化性更强的模型。在激光雷达检测方向，采用 CenterPoint 替换了 CNNSeg 模型；相机检测方向，采用 YOLOX+YOLO3D 替换了原 YOLO 模型。
提供增量训练易扩展：通过使用少量标注数据与 Apollo 预训练模型，可显著提升特定目标和特定场景下的检测能力。训练代码完全开源，开发者可独立自主完成模型训练。
支持 4D 毫米波雷达：从硬件驱动到感知模型层，增加了对 4D 毫米波的支持，可以测量目标高度信息，同时实现更高的角度分辨率、输出更密集的点云；有利于使用深度学习的 3D 目标检测方法进行更精确的障碍物检测，提高自动驾驶车辆在雨雪雾等天气下的安全性。

版本8.0

Apollo 8.0 最新架构图，其分别由硬件设备平台、软件核心平台、软件应用平台和云端服务平台四层组成。

硬件设备平台：帮助开发者解决 Apollo 自动驾驶系统搭建过程中的线控车辆以及传感器等硬件设备问题；对于车辆硬件设备而言，又包括认证线控车辆和开放车辆接口标准两个部分。对于其他硬件设备而言，包括传感器、计算单元等各类参考硬件和硬件标准。详细信息可以参考 Apollo 硬件开发平台。
软件核心平台：Apollo 软件核心平台提供了自动驾驶车端软件系统框架与技术栈。其包括底层的操作系统，中间层的实时通信框架，以及上层的自动驾驶应用层，如感知、预测、规划、控制、定位等。
软件应用平台：Apollo 软件应用平台提供了面向不同应用场景的工程以及自动驾驶应用模块的能力扩展。通过应用平台层，开发者可以更方便得基于Apollo各模块能力进行裁剪组合并扩展。
云端服务平台：Apollo 云端服务平台提供了自动驾驶研发过程中的研发基础设施，提升自动驾驶研发效率。

自动驾驶与传统互联网软件研发不同，一是实车测试成本高，二是数据量非常大。而一套能够满足自动驾驶开发流程需求，并提升研发效率的研发基础设施就非常之重要。

Apollo 云端服务平台通过云端的方式解决了数据利用效率的问题，通过与仿真结合降低了实车测试成本，能够极大的提升基于 Apollo 的自动驾驶研发效率。从研发流程上讲，Apollo 车端通过数据采集器生成开放的数据集，并通过云端大规模集群训练生成各种模型和车辆配置，之后通过仿真验证，最后再部署到 Apollo 车端，无缝连接。这整个过程其实包含了 2 个迭代循环，一个是模型配置迭代，一个是代码迭代，都通过数据来驱动。

版本6.0

Apollo 里程碑
从 2017 年 4 月 Apollo 开放计划宣布到 2021 年 4 月，Apollo 已经发布了十个版本到了 Apollo 6.0 EDU。期间 Apollo 的能力快速迭代，逐步完成了从封闭场景循迹自动驾驶到简单城市路况自动驾驶，从限定区域视觉高速自动驾驶再到迈向无人化自动驾驶，以及最新的产教融合赋能自动驾驶教育。

为了更好的使用 Apollo，需要您简单了解一下开放平台的架构。Apollo 6.0 EDU 是专门用于满足自动驾驶人才培养需求的版本，其在 Apollo 6.0 已有的技术架构和能力的基础上，整合了教育解决方案以及开箱即用的开发套件，更方便开发者快速入门。以下为 Apollo 6.0 EDU 架构图，其分别由教育方案、云端服务平台、开源软件平台和开发套件硬件平台四层组成。

教育方案：面向学校实验室、科研机构的科研方案和面向学校教学的教学方案。
云端服务平台：提供高精地图、仿真服务、教学云平台和 Fuel 自动驾驶研发云等服务。
开源软件平台：提供感知、决策、规划、控制、V2X（Vehicle to everything）等算法能力。
开发套件硬件平台：开箱即用的 Apollo D-KIT（Development Kit）自动驾驶开发套件。