为什么自动驾驶正在拥抱开源？

越来越多的自动驾驶汽车开发人员将他们的软件和硬件开源，甚至将其开源应用于汽车以外的应用程序。

近日，通用 Cruise 正在将其自动驾驶汽车可视化工具向行业开放，以将其应用于更广泛的机器人、自动化及其他领域。这只是今年发生的一系列类似事件中的最新一个，前几天在计算机视觉会议 CVPR 2019上，Waymo也将其自动驾驶数据集开源；之前优步工程 （Uber Engineering） 也已经开放了包括自主可视化系统的几个工具源代码；今年早些时候，Cruise已经开放了用于读取ROS包文件的Javascript库，以及用于为自动驾驶汽车生成可视化2D和3D场景的 Worldview 库。

Cruise这次的开源数据集叫作 Webviz——一个基于web浏览器的工具，是可用于自动驾驶汽车和机器人数据可视化的应用程序，能够管理来自各种智能汽车传感器的PB量级数据（无论是在仿真环境中还是在真实路测环境中），并在可定制的用户界面中创建2D和3D图表、日志等。“现在，任何人都可以将任何机器人操作系统（ROS）的打包文件拖放到 Webviz 中，以获得对机器人数据的即时可视化了解。”Cruise公司的软件工程师埃丝特·韦恩（Esther Weon）在一篇媒体文章中写道。

在自动驾驶领域，开源正变成一种趋势，但开源的目的并不是完全一样的。

行业内软件数据集开放

有的公司开源的目的是做推广，只有大家用起来才能让技术发展的更快。比如去年，传感器公司 FLIR systems发布了1万多张自动驾驶汽车的热图像数据集，供更多开发人员用于测试和培训自动驾驶汽车。

在以上这些数据集的基础上，FLIR最近又宣布了FLIR热成像区域数据集程序，用于机器学习ADAS和自主车辆系统。该公司正积极收集美国主要城市的各种天气和道路状况的热数据，并计划向开发商发布特定城市的数据集，据说旧金山会是其中的第一个。

“创建数据集需要耗费大量时间和资源，而FLIR创建的数据集能使行业更快地评估下一代算法上的热传感器。”FLIR业务部门总裁弗兰克·潘尼西（Frank Pennisi）在一份新闻声明中表示，“当AEB系统与可见光摄像机相结合、当热与可见光、激光雷达、雷达、热传感器数据融合在一起，再加上机器学习，将创建一个更全面、更复杂、更安全的系统，用于识别和分类道路物体，特别是在自动驾驶模式下的行人和其他生物。”

热传感器相对于其他传感器并没有普遍的应用，FLIR公司通过开源的方式，让更多应用热传感器的公司能够轻松上手。

有的公司开源归开源，他们会留一手。拿数据集为例，目前，全球主流的自动驾驶测试数据集包括Cityscapes、Imagenet（ILSVRC）、COCO、PASCAL VOC、CIFAR、MNIST、KITTI、LFW等，基本都为自动驾驶场景下的视觉算法评测数据集。不过，有企业专家表示“开放的越多越好，核心数据集都没开放。”

此前，安波福（Aptiv）宣布，将全面开放其自动驾驶汽车开源数据集nuScenes，并称其是第一家向公众开放此类安全数据的公司。据了解，nuScenes覆盖1000个“场景”，数据收集自波士顿和新加坡各地，包括140万张图像、39万个LiDAR扫描和140万个人工标注的3D物体边界框，据称是迄今为止发布的最大的多模3D自动驾驶汽车数据集。据了解，目前已有1000多名用户和200多个学术机构注册访问该数据集。不过，有专家认为安波福此举噱头大于实用。“这个数据集针对波士顿、新加坡等地，对国内基本上没用。” 而且，训练数据需要考虑到传感器的技术条件和它在车上的装载位置，即使一家公司在采集数据时用了和安波福完全相同的配置方式，如果不对视差进行调整，也得不到有用的训练数据。

当然，还有一些企业开源是为了提前占领行业的标准等。

硬件开放

除了软件，硬件方面也值得关注。本月早些时候，传感器解决方案公司Aceinna发布了OpenIMU 300RI，这是一个用于智能汽车、机器人、建筑和农业应用的开源惯性测量单元（IMU）。

Aceinna的产品经理詹姆斯？芬内利（James Fennelly）说：“为了获得最佳性能，需要针对每个车辆平台和应用程序进行定制。Open IMU 300R为设计人员提供了一个灵活的、易于集成的IMU解决方案，可以轻松地为各种车辆和应用程序进行优化。”

通过开源其IMU硬件，Aceinna的目标是为工程师提供一个可以应用于各行业的强大的传感器解决方案。封闭的解决方案会阻碍行业工程师共同对特定平台算法群策群力从而全面优化，而开源IMU的目的之一就是要改变这一点。