解决apollo遇到的问题OpenDRIVE和障碍检测

1、问:apollo用的是标准的OpenDRIVE吗？还是自己定义的格式？答:apollo OpenDRIVE规范是在标准OpenDRIVE规范基础上结合阿波罗在自动驾驶方面的技术积累和实践经验改造而成的，相对于标准OpenDRIVE规范，在数据表达上更加简单易行，对自动驾驶开发者也更加友好。

2、问:障碍检测中数据融合的卡尔曼滤波的算法变形的依据是什么？数据猩骅菽杵融合上，我有两个问题：1.perception模块 障碍检测中的融合部分用到了卡尔曼滤波，但这里对卡尔曼滤波的公式作了变形。在趑虎钾缫更新噪声协方差时标准卡尔曼：P=（I-K * H） * P_Apollo：P=(I-K * H) * P_ * (I- K * H).transpose + K * R * K.transpose其余四个公式未做任何变化，请问能给出变形的依据或者论文么？2.该融合用得是标准卡尔曼。对 Lidar 和 Radar 的数据处理貌似使用了相同的观察矩阵 H。那 Radar 模块中应该对数据进行了从非线性到线性的变换。 这样提前处理优势显而易见，方便了滤波器的程序的编写。我的问题是，这样对滤波器的最终效果会带来怎样的影响呢？答:1.可以参考卡尔曼滤波的百科介绍， 如果K是最佳卡尔曼增益，则可以简化。2.我们使用的大陆毫米波雷达提供原始位置（x，y）和相对速度信息（x，y），你可以在毫米波雷达模块中找到一些细节，或者查看modules/drivers/conti_radar目录文件。为了扩展性，我们从传感器检测器获得相同的状态，并使用相同的H。事实上，标准卡尔曼滤波器在我们的系统中并不是一个耗时的子模块。如果你可以很好地理解传感器的状态，你可以尝试使用简化的状态。

3、问:Apollo官网显示集成了Caffe，请问TensorFlow的模型能在Apollo中运行吗？怎么实现？谢谢！答:Apollo目前主要是感知模块在使用caffe框架，TensorFlow模型“目前”是不能在Apollo中“直接”运行的。实现的方法提供两种可能性，一种是将TensorFlow库集成到Apollo中，另一种是模型转换后可以用Apollo中的Caffe库，两种方式都需要自己实现预测代码。（TensorFlow和Caffe模型可以互转，如果开发者用的是标准的Caffe库没有自己开发layer，转过来可以跑，但是网络最后的输出layer名称、含义等等都可能不一样，用我们的预测代码跑没有意义。）