在前面的课程里，我们提到了感知模块内的计算机视觉和深度学习，这节课我们来讲一讲感知任务中的分类、跟踪、语义分割和 Apollo 感知相关的内容。
在驾驶过程中无人车会遇到许多障碍物，静态障碍物包括墙壁、树木、杆子、建筑物；动态障碍物包括行人、自行车和各种汽车 ，计算机首先要知道这些障碍物的位置，进而障碍物进行分类。
检测与分类
在行驶过程中无人车会探测到许多不同的物体，汽车根据所感知的物体类型来确定路径和速度。
- 如果感知到前方有一辆自行车，汽车可能会决定减速或变道，以便安全驶过自行车；但是，如果感知到前方是一辆汽车，并预测到前方车辆也将以接近限速的速度行驶，无人车可能会保持其速度与车道。
- 当无人车前方出现交通信号灯时候，首先计算机视觉会对图像中的交通信号灯进行定位，进而根据交通信号灯显示的颜色对其进行分类。
那么，无人车是用什么算法来对障碍物进行检测和分类的？
首先，我们可以使用检测 CNN 来查找图像中对象的位置，在对图像中的对象进行定位后，我们将图像发送给另一个 CNN 进行分类；我们也可以使用单一 CNN 体系结构对对象进行检测和分类，此时通常的做法是在单个网络体系结构的末端附加几个不同的“头”，一个头可能执行检测，另一个则可能执行分类。
一个经典的体系结构为 R-CNN 及其变体 Fast R-CNN 和 Faster R-CNN，YOLO 和 SSD 是具有类似形式的不同体系结构。
跟踪
在检测完对象后，我们要对检测到的对象进行追踪，进而我们需要知道：
- 追踪的意义是什么？
- 如果我们对每个帧中的每个对象进行检测，并用边界框对每个对象进行标识，那么跨帧追踪对象会有什么好处？
首先，追踪可以解决遮挡问题。如果在运行检测算法时，对象被其他对象遮挡了一部分，则检测算法可能会失败，所以追踪在检测失败时至关重要。
目标对象被遮挡后，检测算法可能会失败
追踪可以解决目标对象被遮挡的问题
同时，追踪可以保留身份。障碍物检测的输出为包含对象的边界框，但是，对象没有与任何身份关联，单独使用对象检测时，计算机不知道一个帧中的哪些对象与下一个帧中的哪些对象相对应。该任务对人类来说很简单，但对汽车来说很困难。
没有身份关联时，计算机无法分辨每一帧中相对的对象
通过追踪保留身份
追踪的第一步为确认身份。通过查找特征相似度最高的对象，我们将在之前的帧中检测到的所有对象，与当前的帧中检测到的对象进行匹配，对象具有各种特征，有些特征可能基于颜色，而另一些特征可能基于形状，计算机视觉算法可以计算出复杂的图像特征，如局部二值模式和方向梯度直方图。
我们也需要考虑连续视频帧中两个障碍物之间的位置和速度，由于两个帧之间的对象位置和速度没有太大变化，该信息也可以帮助我们快速找到匹配的对象，在确定身份后，我们可以使用对象的位置并结合预测算法，以估计其在下一个时间步的速度和位置，该预测可帮助我们识别下一帧中的相应对象。
根据两个帧之间对象的位置和速度确认身份
语义分割
语义分割涉及对图像每个像素进行分类，它用于尽可能详细地了解环境，并确定车辆可驾驶区域。语义分割依赖于一种特殊类型的 CNN，它被称为全卷积网络或 FCN，FCN 用卷积层来代替传统 CNN 体系结构末端的平坦层。现在，网络中的每一层都是卷积层，因此其名称为“全卷积网络”。
FCN 提供了可在原始输入图像之上叠加的逐像素输出， 但我们必须考虑的一个复杂因素是大小。在典型的 CNN 中，经过多次卷积之后所产生的输出比原始输入图像小得多，然而，为了分割像素，输入尺寸必须与原始图像的尺寸相匹配。
为了达到该目的，我们可以对中间输出进行上采样处理，直到最终输出的大小与原始输出图像的大小相匹配。网络的前半部分通常被称为“编码器”，因为这部分网络对输入图像的特征进行了提取和编码。网络的后半部分通常被称为“解码器”，因为它对这些特征进行了解码，并将其应用于输出。
Apollo 的感知算法
Apollo 开放式软件栈可感知障碍物、交通信号灯和车道，对于三维对象检测，Apollo 在高精度地图上使用感兴趣区域（ROI）来重点关注相关对象，Apollo 将 ROI 过滤器应用于点云和图像数据，以缩小搜索范围并加快感知。
然后，通过检测网络馈送已过滤的点云，输出用于构建围绕对象的三维边界框
最后，我们使用被称为检测跟踪关联的算法来跨时间步识别单个对象。该算法先保留在每个时间步要跟踪的对象列表，然后在下一个时间步中找到每个对象的最佳匹配。
当无人车前方出现交通信号灯时，Apollo 先使用高精度地图来确定前方是否存在交通信号灯。如果前方有交通信号灯，则高精度地图会返回灯的位置，这侧重于摄像头搜索范围。
在摄像头捕获到交通信号灯图像后，Apollo 使用检测网络对图像中的灯进行定位，然后 Apollo 从较大的图像中提取交通信号灯，Apollo 将裁剪的交通灯图像提供给分类网络，以确定灯颜色，如果有许多灯，则系统需要选择哪些灯与其车道相关。
Apollo 使用 YOLO 网络来检测车道线和动态物体，其中包括汽车、骑自行车的人和行人。在经过 YOLO 网络检测后，在线检测模块会并入来自其他传感器的数据，对车道线预测进行调整，车道线最终被并入名为“虚拟车道”的单一数据结构中。同样也通过其他传感器的数据对 YOLO 网络所检测到的动态对象进行调整，以获得每个对象的类型、位置、速度和前进方向、虚拟通道和动态对象，均被传递到规划和控制模块。
Apollo的感知融合策略
感知通常依赖于摄像头、激光雷达和雷达，该图显示了三种传感器的优缺点
由上图可知：
- 摄像头非常适用于分类，在 Apollo 中摄像头主要用于交通信号灯分类以及车道检测；
- 激光雷达的优势在于障碍物检测，即使在夜间没有自然光的情况下， 激光雷达仍能准确地检测障碍物；
- 雷达在探测范围和应对恶劣天气方面占优势。
通过融合这三种传感器的数据，实现最佳聚合性能被称为传感器融合。Apollo 使用激光雷达和雷达来检测障碍物，用于融合输出的主要算法为卡尔曼滤波。卡尔曼滤波有两个步骤，第一步为预测状态，第二部是更新测量结果。
设想我们正在跟踪一名行人，这里的状态表示行人的位置和速度，从已经掌握的行人状态开始，我们使用这些信息来执行卡尔曼滤波的第一步，即预测行人在未来的状态，下一步为误差结果更新，我们使用新的传感器来更新我们所认为的行人状态。
卡尔曼滤波的算法是预测和更新步骤的无限循环，实际上有两种测量结果更新步骤，同步和异步。同步融合同时更新来自不同传感器的测量结果，而异步融合则逐个更新所收到的传感器测量结果，传感器融合可提高感知性能，因为各传感器相辅相成，融合也可以减少跟踪误差，所以我们可以更加确信对道路上其他物体位置的预测。
同步更新示意
异步更新示意
在最近的三节课中，介绍了无人车的感知运作方式，涉及了不同的方法和传感器， 了解了主要的感知任务，包括检测、分类、跟踪和分割，这些应用中的大部分都依赖于卷积神经网络，最后我们探讨了传感器融合，以及如何使用预测更新周期来过滤传感器数据。正是有了这些工具，无人驾驶才可以使用自身的传感器来感知世界。
如果您对无人车的“感知”模块还有疑问，请在文末留言，我们会为您依次解答。接下来我们将开启新的章节——自动驾驶的“预测”模块。
【转自Apollo阿波罗智能驾驶】
