【无人驾驶autoware 项目实战】autoware架构-manager

系列文章目录

提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
TODO:写完再整理


前言

认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!

本文先对XXX做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章


提示:以下是本篇文章正文内容

(1)从Autoware的系统层进行剖析

在这里插入图片描述

(2)从系统组件框图进行剖析

在这里插入图片描述
这个框架少了高精度矢量地图的部分【SLAM建图部分–静态地图及矢量化,其他地图图层生成】

(3)从算法的基本控制和数据流进行剖析

在这里插入图片描述

(4)从Autoware的节点图进行剖析【较有用】

在这里插入图片描述


总结

Autoware仅仅是一个工具,实现的源码内容还是得靠自己的去学,学习源码原理参考百度,Autoware的整体是比较复杂的,整体解读清楚它的原理短时间是不可能实现的,所以别整体的源码去看,从自己需要的模块逐个突破

部署经验总结

(1)autoware的bag数据包得改成自己得做验证,有实物传感器更好啦,没有的化自己搭gazebo仿真一样能拿到传感器数据
(2)autoware在ubuntu18.04也可以装1.12以上的版本【防盗标记–盒子君hzj】
(3)安装autoware从简单装起来,用到什么装什么
(4)装好autoware启动界面肯定亏出现花屏的现象,按照博客来pip装wx,再改文件就行
https://www.cxybb.com/article/m0_46673077/115400045
https://codeleading.com/article/10816031861/

(5)使用bag_demo运行起来的时候仅仅只有一个CPU在运行是正常的,后面用自己的bag数据包自己选择算法的时候CPU运行就可选了
.
.
.

参考资料

(1)官方视频介绍(ROSCon 2017 )
https://www.youtube.com/watch?v=XlXHLoIDohc

(2)官网提供的 PPT 简介,文档说明
https://github.com/CPFL/Autoware-Manuals

(3)autoware 的 gitlab 链接
https://gitlab.com/autowarefoundation/autoware.ai/autoware

(4)官方数据包rosbag下载(付费)
https://data.tier4.jp
像我一样没钱的可以考虑自己搭个gazebo的仿真环境就好,毕竟学生太…

(5)公司官网
https://tier4.jp/

(6)autoware 操作教程(很全)
https://www.ncnynl.com/archives/201910/3401.html

(7)优酷上演示 autoware 各种 demo 的配置视频
https://i.youku.com/i/UNDIxMDQ1MTkzNg==?spm=a2h0j.11185381.module_basic_dayu_sub.DLDDH2~A

(8)优酷 autoware 的中文介绍
https://v.youku.com/v_show/id_XMzExNDQ0NzE2NA==.html?spm=a2hzp.8253869.0.0

(9)创客智造的教程
https://www.ncnynl.com/archives/201910/3401.html

(10)PIX教程
https://www.cnblogs.com/hgl0417/p/11844135.html
https://www.cnblogs.com/hgl0417/p/14617025.html

(11)autoware的gazebo仿真博客教程【知道效果可以学习源码原理】
假设你已经安装好了Autoware,Autoware源码中其实已经配置有Gazebo仿真环境,当然你也可以根据自己的需要另外下载自动驾驶汽车的仿真模型。该汽车模型已经默认配置好了Velodyne HDL-32E 激光雷达、IMU和相机

在Gazebo仿真环境配置自动驾驶汽车:https://blog.csdn.net/Travis_X/article/details/105418119

给仿真环境中的自动驾驶汽车更换或添加传感器:https://blog.csdn.net/Travis_X/article/details/105418550

使用NDT构建点云地图:https://blog.csdn.net/Travis_X/article/details/105455195

使用Hybrid a*进行路径规划:https://blog.csdn.net/Travis_X/article/details/105949471

使用聚类算法作物体检测:https://blog.csdn.net/Travis_X/article/details/106113427

使用Pure Pursuit和MPC进行路径追踪:https://blog.csdn.net/Travis_X/article/details/106116998

猜你喜欢

转载自blog.csdn.net/qq_35635374/article/details/121861608