为了进一步降低开发者开发难度，同时方便开发者根据自己的实际场景对模型进行修改和迭代，此次Apollo开放平台携手飞桨基于大量业务实践经验，针对自动驾驶感知模块推出了Paddle 3D开发套件。不仅丰富感知模型，覆盖了单目、点云等多种模态及检测、分割等多种任务类型；同时提供了感知模型训练源码，方便开发者定制，最大化压缩开发成本，为开发者提供自动驾驶感知模块一站式开发体验。

本次合作，对于Apollo和飞桨都实现了更好的提升，对于Apollo来说，突出表现在几个方面：

• 首先，开发者可以根据自己的实际场景，对感知模型进行针对性的优化和迭代，通过高度整合的数据处理、模型训练调优、模型部署能力，快速将迭代的模型集成进Apollo感知框架。
• 其次，引入了Paddle Inference推理框架，支持Nvidia系列显卡等多重硬件，借助于TRT和OpenVINO加速库，开发者可以获得产业级的高性能推理能力。
• 再次，引入了更多的感知模型，支持单目、点云等不同模态以及检测、分割等不同任务类型。开发者可以根据需求选择模型类型并在Apollo内集成。
• 另外，Apollo内直接集成了性能指标更加先进的CenterPoint、Caddn模型，其中CenterPoint模型的参数量只有PointPillars模型的三分之一，CADDN模型的推理精度相较于SMOKE提升了一倍。

而作为自动驾驶界首个3D视觉开发套件，Paddle3D经过双方技术团队精细打磨后，拥有以下五大特性：

• 第一，丰富的模型库：聚合主流3D感知算法及精度调优策略，覆盖单目、点云等多种模态及检测、分割等多种任务类型；
• 第二，灵活的框架设计：针对各类3D数据格式，灵活构建数据处理、骨干网络等核心模块，支持基于PaddleDetection/PaddleSeg灵活扩展至2D视觉感知能力，并提供API与脚本两种训练评估方式，满足开发者灵活定制的差异化需求；
• 第三，端到端全流程：支持KITTI、nuScenes等主流3D数据集，提供从数据处理、模型搭建、训练调优到部署落地的全流程能力；
• 第四，产业级部署方案：极致优化模型性能，适配多种自动驾驶主流芯片。支持计算图优化、TRT/OpenVINO等加速库，并提供了开箱即用的部署教程，5分钟即可完成模型部署；
• 第五，无缝衔接Apollo：无缝对接Apollo开放平台，支持真机与仿真平台实验效果快速验证、多模态模型高性能融合，实现自动驾驶全栈式技术方案的高效搭建。

Paddle3D项目链接：
https://github.com/PaddlePaddle/Paddle3D

8月23日、25日晚上7点-8点，飞桨团队与Apollo 团队资深研发高工将从自动驾驶技术综述与感知能力介绍，到 3D 视觉在自动驾驶技术中的应用与实战，针对无人驾驶领域的难点痛点进行手把手拆解，更甚的是，直播现场为大家答疑解惑，还在等什么！抓紧扫码上车吧！

扫码报名直播课 ，即可加入技术交流群