点击上方【车云】，关注并查看更多往期内容。
7月4日，陆奇在百度AI开发者大会介绍了Apollo详情，并宣布开源Apollo 1.0版本。
▲这页PPT是Apollo平台的架构，最左侧的云服务平台、开放软件平台、硬件参考平台以及车辆参考平台是四大类组成部分，右边延展的是详细子类，Apollo开放的就是这些自动驾驶技术相关的源代码和API。
知道Apollo后很多人都在问，第一批合作车企会是谁，百度宣布Apollo计划之后创业公司是不是很受打击。车云菌觉得在操心这些之前，大家更应该关注的是这个问题——Apollo毕竟是一个“商业开源计划”，主机厂为什么要乖乖使用百度的自动驾驶开源平台，并献上自己的数据呢？
大家都知道，百度一直想做一整套自动驾驶方案的软件服务供应商，涉及感知定位和决策规划。但是具有研发能力的主机厂都要自己包办最核心的决策规划部分，直接就和百度业务形成了冲突。感知部分有很多更加细分垂直的供应商，当下看来选项也很多。
因为国内甲基测绘资质的缘故，百度用高精度地图和高精度定位找到了“非我不可”的理由。
百度的工程师告诉我们，发展到L3时，自动驾驶汽车就开始需要更高精度的自定位能力了，不仅要知道自己在哪，还要知道在哪条车道。要做到这点，就离不开高精度地图。简单来说逻辑是这样的：
车载传感器实时观察当下环境中的特征物→获得本车与特征物的角度距离
车从高精度地图里读取相同的特征物→用上面的角度距离反推车当时所处的车道位置
可以看出，高精度定位一方面取决于感知能力上能不能准确识别特征物，另一方面取决于高精度地图中特征物的多少。
今年CES Asia之前，百度与国内数家Tier1的合作就是想通过开放软件能力的方式，使高精度定位产品化。那时智能汽车事业部（原L3事业部）的主推产品名叫BCU（Baidu Computing Unit），它是“自动驾驶专用计算平台”的统称。细心地话你会发现，三系列产品的基础配置都是高精度定位，环境感知和决策规划是逐渐配搭的能力。这个功能形成的“小楼梯”可以看作百度配合主机厂需要给出的灵活方案，但某种程度上也反映了主机厂愿意在多大程度上来拥抱百度。
▲CES Asia百度展示的BCU三个系列产品分别是BCU-MLOC（高精定位）、BCU-MLOP（高精定位+环境感知）、BCU-MLOP2（高精定位+环境感知+决策规划），在Tier1测试，OEM上车测试之后，这些样件都要两年以后量产。
看到这里，很多人就会问，拥有甲级测绘资质的又不是只有一家，百度的资源看上去也不是非常独家啊？比如博世就选择了三家图商来同时搞定高精度定位这一件事，用的是“摄像头+毫米波雷达+高精度地图”的方案，当时国内三大图商齐聚的场景肯定谁都没有忘记。
但幸运的是，目前还没有哪家能做到高精度地图可用。业内人士谈到高精度地图，都会补充“这是一项处在非常早期”的技术。换句话说，大家还不到建立壁垒的时候，还是在比赛谁会先跑到终点。从三家图商把高精度定位产品化的速率来看，百度是比较积极的一位。
简单看一下高精度定位的部分能力，百度在当天大会场外播放了一个视频。这是借助摄像头和高精度地图配合后显示的定位效果，特征物选取的是车道线和路面上的箭头标志物。
▲绿色是实际车辆所在位置，红色是GPS定位，黄色是百度做的高精度地位。车云菌拍的时候黄车和绿车几乎重叠了，实际这是一个视频，播放时显示，黄车相比绿车横向定位几乎没有偏差，纵向还是会差一到半个车身左右的。
用我们上面说到的原理，借助车道线，横向定位漂移很少而且看上去比较稳定。纵向因为地面两个箭头间距比较大，所以偏移还是比较大的，这部分百度未来应该还要做优化。
当百度用高精度定位能力敲开车厂大门，这时我们就可以谈Apollo了。
▲这里再贴一下这页PPT，这次主要看紫红色部分的1.0版开源内容
这里只是说定位功能。
没有摄像头没有雷达，没有高精度地图，主要是借助GPS/IMU来实现定位。大家都知道，惯导还是挺贵的，大多出现在DEMO车，几乎不会放到量产车。如果主机厂使用Apollo 1.0版，更多只是做一个展示性DMEO，并不是面向量产产品的技术。
百度在会议场外也提供了一个Apollo 1.0版的DMEO。
▲友情提醒：视频分为车外和车内两段
两车同时在场地内做循迹展示，根据在地图中预先规划好的路径，在封闭区域内不断折返。两辆车同时出发，规划路径应该是两条完全不同的轨迹，封闭区内不存在行人和随意穿行的情况。一位业内人士告诉车云菌，在测试样车阶段，这种单一功能目前做的都很成熟了，所以DEMO还比较简单的。
▲Apollo时间表
所以太远的先不说，今年9月的Apollo新消息我们可以期待一下，希望到时候百度会有更详细的高精度定位和高精度地图进展宣布。
说回整个Apollo计划。
陆奇和李彦宏都在大会上反复强调的内容是，在AI时代，数据起到了特殊的作用。哪怕找到合作伙伴做软件硬件一体式方案，也还是不够，百度看到的是“硬件+软件+算法”一整个鱼塘。
用高精度地图和高精度定位占领终端之后，百度才有机会用源源不断的数据来做出更好的算法。这也是Apollo计划后半截要讲的故事。
一辆按照“感知定位+决策规划+控制执行”分步实现之后得到的自动驾驶汽车，没有办法穷尽现实中所有情况，需要借助另一种端到端的方法，让车辆明白如何应对复杂工况。
在循迹自动驾驶展示的隔壁，是一辆纯粹基于端到端深度学习的自动驾驶汽车在限定区域绕圈。展示车基于哈弗车改装，只用了一个摄像头。相关工程师介绍，这次车辆和CES Asia展示的功能是一样的，差异被藏在了看不见的地方——后备箱里计算平台更加小型化了。
▲视频依然分为车外和车内两段。当天车云菌没来得及体验基于端到端深度学习自动驾驶汽车，所以这里是CES Asia时拍的视频。在03：28的时候，工程师应我们要求遮挡了摄像头，证明这辆车的自动驾驶不是循迹
原理上，要实现这个功能，需要有一个司机驾驶在该区域内行驶数次，通过端到端的方式，教会车直道快行弯道减速的习惯，教会车识别标志牌后的反应。
如果要把限定区域放大到现实环境，你还要给车喂更多数据，比如在不同天气，在来来往往行人的十字路口，在有车插队的情况下人类的开车方式。这和上面高精度地图的采集一样，只能用众包的方式来完成数据收集。
到那时，高精度地图和高精度定位占据的终端，百度的云端能力，在数据回传下不断强壮的算法，才能帮助百度完整自动驾驶方案提供商的角色。
从这个时间点来看，抵达这个目标有多难？我们用一个细节来说明和收尾。
百度展示的两辆Apollo 1.0版DMEO车，还不是百度和主机厂的合作产物，而是由一家美国创业公司Autonomous Staff改装而成。这家公司的改装车型选择是有偏向的——车辆转向系统必须为线控，制动系统为线控，提前知道了转向、制动和驱动系统的CAN协议。
大家都知道，车厂CAN协议都是机密，车厂和互联网企业一直都在公开CAN协议交涉拉锯之中，而且越开放，共享的数据越多。在双方达成一致之前，一定要有一方成长到足够强大，这个强大者可能是百度，也可能是车厂，也可能是其他图商，甚至还会有更多的新鲜角色入场。
车 云 推 荐
【点击查看活动详情】
