公众号关注 “GitHubDaily”
设为 “星标”，每天带你逛 GitHub！
大家好，我是小 G。
众所周知，最近几年，自动驾驶的风吹得贼猛，作为一名热衷于了解新兴技术与领域的开发者，我也忍不住跟风观望了一波，看完之后，真的感觉这个领域大有前途。
随着人工智能技术的不断提升，自动驾驶汽车的安全性、可靠性和效率也在不断提高。预计未来几年，自动驾驶汽车将逐步普及，成为交通出行的主流方式。
自动驾驶是 IT 从业者的新机会点
其实，对于 IT 从业人员而言，汽车自动驾驶行业也将提供大量就业机会。比如，目前我能设想到的，就有以下几种技术，需要开发人员提供核心能力支持
软件技术：车辆控制系统、感知系统、规划系统、人机交互系统等。
硬件技术：传感器、摄像头、激光雷达等。
数据技术：车辆传感器数据、道路地图、交通信号数据等。
网络技术：自动驾驶汽车需要与外界信息进行交互，包括道路信息、交通信号、其他车辆等。
安全技术：软件安全、硬件安全、通信安全等。
如此庞大的技术体系，要靠一个工程师全面上手并掌握，着实要费不少功夫。
那么对于想要学习自动驾驶技术的开发者而言，怎样才能快速有效地入行、掌握好技术，我们有没有 “组织” 可以找呢？其实大家可以多看看自动驾驶方面的技术平台。
目前在国内做得比较好的是百度的 Apollo 开放平台，有很多小白入门就是从这里开始的。
现在，Apollo 开放平台还在提升自己平台的易用性，在 12 月 28 日还举行了一场发布会，推出了全新的 Apollo 开放平台 8.0，在整个平台架构升级的基础上、还带来了几项更简单好用的新能力。想要学习自动驾驶的，不妨可以多关注一下。
下面，请大家一起跟随我的视角，来看看 Apollo 开放平台 8.0 的各项重大更新吧！
技术架构改造升级：四层架构、易用性提升
Apollo 开放平台 8.0 对此前版本的技术架构进行了全方位改造升级，将项目的可用性与扩展性提升到了一个新的层次。
这里我放一张百度 Apollo 的技术架构演变图给大家看下。
从左到右，代表的是旧架构到新架构的转变。
可以明显看到，本次更新较为明显的是将「软件」层拆成了「软件应用」和「软件核心」。
软件应用，统筹汽车自动驾驶在多种不同场景下的实际应用，与硬件对接后，直接就是一整套技术解决方案。针对各个需求的具体实现，变得更加简单直接。在发布会上，百度自动驾驶生态负责人张亮也着重解释了一下这部分，大意就是软件应用层会存储基于核心软件和 Apollo 的工程框架衍生出来的、解决各类不同自动驾驶场景应用的研发产出，在这一部分既有应用场景，也有基于应用场景扩展出来的各种自动驾驶研发需要的功能模块。对开发者而言，其实就是使用 Apollo 的各种功能模块会变得更简单。
软件核心，则管理着各种软件底层核心，开发者借助 Apollo 提供的云端服务平台，对技术方案进行定制与优化，让整套架构更加贴合自己的项目需求。
总的来看，云端、软件、硬件，彼此之间相辅相成，构成了这一整套具备灵活性、易用性的技术架构，让开发者用起来更为顺手。
开发工具升级：三项重要新能力，开发、调试效率提升 1 倍！
除了上述提到的技术架构，本次 Apollo 开放平台 8.0 也将工具链进行了重塑升级。
在此之中，较为吸引我的主要有 3 个：软件包管理、感知模型优化、PnC 仿真调试工具。
别急，下面我们就来挨个看下，这几项工具升级都有哪些独特之处。
软件包管理
众所周知，随着项目的迭代升级，各个业务之间的需求会开始变得复杂多变，为了让项目后续更易于管理与维护，这时软件包管理功能就显得尤为重要。
因此，百度 Apollo 开放平台 8.0 也引入了软件包管理功能。
项目通过软件包进行安装，大幅缩短了编译时间与环境部署时间，往常需要按天计算的工作量，现在 30 分钟内即可搞定，真正让开发者一键体验 Apollo 的魅力。
集成软件包管理功能，还有个好处，开发者可以按需对业务、功能进行模块划分，进行代码实现后再封装成安装包。
如此一来，在需求验证与团队协作维护层面，管理者既能做到妥善的风险控制，又能灵活调度、处理各种应急情况，可谓一举两得。
感知模型
在汽车自动驾驶技术中，通常需要使用感知模型来处理一些基础任务，例如感知周围环境、识别障碍物、检测交通标志等。
因此，Apollo 开放平台 8.0 在本次更新中，也丰富了以往的感知模型，提升了物体的三维检测、像素深度分布预测的精度，另外还成功实现了基于视觉的 360° 障碍物感知。
如果你觉得这些模型还是无法满足你，也可以自行扩展。我看了 Apollo 开放平台 8.0 的发布会，这次在发布会上除了提到上面说的三个新模型，更重要的是还首次开放了感知模型的源代码。
从模型训练、部署、验证等等，开发者可以运用 Apollo 开放平台 8.0 的感知全流程的各项环节的标准和配置，基于个人需求，对模型进行扩展。
以模型部署环节为例，你可以运用 Apollo 开放平台 8.0 提供的标准化模型部署工具，它定义了模型的输入、输出、接口和预处理等一系列的信息，同时提供一键式的部署管理工具。
当你训练完自己的模型之后，只需要按照要求完成几个配置文件的定义，就可以把自己训练好的模型跟 Apollo 的技术框架紧密结合在一起。
PnC 仿真调试工具
在日常开发中，工程师时常需要保障 PnC 的稳定，让车辆的定位（Position）、导航（Navigation）和通信（Communication）工作能有条不紊的进行。
这时，一款称手的 PnC 调试工具就显得颇为重要了。
在 Apollo 开放平台 8.0 中，百度工程师可谓将此工具链优化到了极致。本地仿真调试，不仅可以模拟多种不同汽车行驶场景，还能输出可视化评测报告，让你更加直观的看到结果。
另外，开发者还能在云端 Studio 上创建、编辑与分组各种场景，并下载至本地，让场景的维护与管理变得极其顺手。
写在最后
百度在自动驾驶这个领域确实是比较用心的，单从 Apollo 开放平台上就能看得出来。无论是对于开发者还是自动驾驶领域的企业合作者，Apollo 的态度首先就比较友好。
其次，在实质性的行动上，Apollo 也做了很多，28 日发布的 Apollo 开放平台 8.0 已经是 Apollo 迭代的第 12 个版本了，平台各方面的能力、易用性一直在不断提升。之前就有使用过这个平台的人肯定知道，确实是用起来越来越顺手了，而且也能交到一些同样研究自动驾驶技术的朋友，大家一起交流。
这次除了 Apollo 开放平台 8.0 在架构、以及工具能力方面的升级之外，百度还首次推出了 Apollo Studio 一站式学习实践社区，给开发者提供了一个可进行技术交流的平台，大家不仅可以了解到当下最新的技术动态，还能通过社区提供的技术教程、云实验平台、工具资源、比赛平台来提升自己的个人技术。
在这个社区上，你可以从入门级别的教程开始，快速上手 Apollo 自动驾驶技术。内容也颇为简单，新手跑通第一个 Apollo 开放平台 8.0 实战样例，仅需 5 分钟，大大降低了学习门槛。
地址在这里，大家可以戳链接，自己去体验感受一下：
https://apollo.baidu.com/
不仅如此，百度在自动驾驶领域开发者人才的培养方面还做了很多其他工作。在去年的百度 Create 大会上，团队还曾推出 Apollo EDU 人才培养计划，立下目标 —— 将在三年内为社会培养 100 万自动驾驶人才。
目前，Apollo 通过校企合作、师资培养、举办赛事等种种切实的行动，已经对此前定下的目标有了阶段性的兑现，Apollo EDU 已覆盖自动驾驶相关技术人才超 33.5 万人、覆盖院校数达 700 多所，进展颇为顺利！
这次在发布会上，百度还宣布了与北京理工大学的官方合作，后续将合作打造 “智能网联汽车联合创新中心”，培养这一领域的高素质复合型人才。
可以这么说，对于想学习自动驾驶技术的开发者、或者是即将成为开发者的同学们而言，百度 Apollo 开放平台已经为你们考虑到了方方面面。
这真的是不怕你学不会，就怕你不想学。
想要入行的，趁 Apollo 开放平台 8.0 发布、平台易用性再次提升这一波上车，也正是时候。
赶紧行动起来吧~