阿波罗自动驾驶平台
apollo
车载/ADAS
🧩 软硬件结合
已发布
项目简介
开源自动驾驶平台An open autonomous driving platform
Apollo 是一个高性能、灵活架构的开源自动驾驶平台，旨在加速自动驾驶车辆的开发、测试与部署。该项目由百度发起，名称源自美国阿波罗登月计划，寓意着攻克自动驾驶这一极具挑战性的技术难题。Apollo 提供了从硬件集成到软件算法的完整解决方案，支持多种自动驾驶场景，包括封闭园区内的GPS路径跟踪、固定车道巡航、简单城市道路自动驾驶以及地理围栏内的高速公路自动驾驶。
标签
项目特点
**模块化架构**：采用高度模块化的设计，涵盖感知、预测、规划、控制、定位、地图等核心模块，便于开发者按需组合和扩展。
**多版本演进**：从 Apollo 1.0 到 10.0，功能逐步增强，覆盖 GPS 循迹、固定车道巡航、简单城市道路、高速道路、复杂城区道路、点到点自动驾驶等场景。
**深度学习集成**：持续引入并升级基于深度学习的感知和预测模型（如 LiDAR 检测、摄像头检测、4D 毫米波雷达），并提供模型训练、部署和验证工具链。
**包管理与扩展**：引入“Package”概念，支持组件化和插件化扩展，简化二次开发和功能定制流程。
**强大的开发工具**：Dreamview / Dreamview Plus 可视化调试工具，支持多场景模式、面板布局自定义和资源中心，提升开发调试效率。
**硬件兼容性**：支持多种计算平台（x86_64, ARM64/Orin）和 GPU（NVIDIA Turing/Ada, AMD ROCm），适配线控车辆（如 Lincoln MKZ）。
**仿真与数据管道**：集成仿真服务（含本地模拟器）和数据管道服务，支持 PnC 强化学习模型训练和仿真评估。
技术规格
| 操作系统 | |
|---|---|
| 计算平台 | |
| GPU 支持 | |
| 容器化 | |
| 处理器要求 | |
| 内存要求 | |
| 车辆要求 | |
| 传感器支持 | |
| 核心框架 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 线控车辆（如 Lincoln MKZ） | 1 | — | 必须支持 by-wire 控制 |
| 高性能工控机（8核CPU, 16GB+内存） | 1 | — | 推荐配备 NVIDIA Turing/Ada GPU |
| LiDAR（如 Velodyne HDL-64E） | 1 | — | 用于感知和建图 |
| 摄像头（如 Leopard Imaging LI-USB30） | 多路 | — | 用于视觉感知 |
| 4D 毫米波雷达 | 1 | — | Apollo 9.0+ 支持 |
| GPS/IMU（如 NovAtel PwrPak7） | 1 | — | 用于定位 |
| Ubuntu 18.04/20.04/22.04 | 1 | — | 操作系统 |
| Docker-CE >= 19.03 | 1 | — | 容器环境 |
| NVIDIA 驱动 >= 520.61.05 | 1 | — | GPU 驱动 |
| NVIDIA Container Toolkit | 1 | — | GPU 容器支持 |
所需工具
计算机（3D建模）
必需
传感器模块
摄像头模块
能力画像
⚪ 记忆与知识检索: 2/5
🔵 逻辑推演: 4/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 5/5
⚪ 数理与计算: 5/5
⚪ 动手与操作: 4/5
⚪ 狂热与坚持: 5/5
⚪ 创造与创新: 4/5
所需技能
🔧 **动手能力**：需要能够进行车辆硬件集成，包括传感器安装、线控系统调试、计算单元部署等。涉及机械和电气方面的动手操作。
💻 **编程能力**：需要熟练掌握 C++ 和 Python，了解 Bazel 构建系统，能够阅读和修改 Apollo 核心代码。需要具备深度学习模型训练和部署的基本知识。
⚡ **电子电路**：需要了解车辆电子架构、CAN 总线通信、传感器接口（如 Ethernet, USB, LVDS）以及电源管理。能够进行基本的电路连接和故障排查。
适用场景
**自动驾驶研发**：作为学术机构或企业进行自动驾驶算法研究和系统开发的平台。
**封闭场地测试**：在测试场或园区内进行低速自动驾驶功能验证，如循迹、避障、泊车等。
**城市道路测试**：在简单或复杂城市道路上进行 L4 级自动驾驶测试，包括红绿灯识别、变道、无保护转弯等。
**教育与培训**：用于高校自动驾驶相关课程的教学实践，帮助学生理解完整的自动驾驶技术栈。
**商业部署**：在限定区域（如机场、港口、矿区）进行自动驾驶物流或接驳服务的商业试点。