前提：安装carla，carla-ros-bridge与autoware
可参考我之前写的博文

1.启动carla

在CARLA_0.9.13目录下

./CarlaUE4.sh

2.启动carla ros bridge

在~/carla/ros_ws路径下

source devel/setup.bash
roslaunch carla_ros_bridge carla_ros_bridge_with_example_ego_vehicle.launch

3.启动autoware

在autoware-1.14路径下

source devel/setup.bash
roslaunch runtime_manager runtime_manager.launch

4.启动 carla autoware bridge(话题转发功能包)

参考链接：Carla Ros Autoware 联合仿真——安装、源码修改、数据预处理
需要进行话题转发的原因是：ros bridge的脚本中对各个传感器话题的frame做了设定，而且各个frame之间的tf关系同样固定，可以通过脚本修改，但是这些源码分布在很多地方，修改不易，更好的选择是进行话题转发的同时，修改frame名称和frame的tf关系。

话题转发包括2个部分，一个是传感器数据的话题转发，另一个是autoware规划后的控制指令geometry::TwistStamped，转换为carla的控制指令。

carla ros bridge中提供了carla twist to contral节点，这个节点用于将geometry::Twist 类型的ros消息转化为carla中车辆的控制指令，但是autoware规划器输出的控制命令为geometry::TwistStamped类型，做一个简单的转换即可。下面是carla twist to contral节点的说明。
在这里插入图片描述

链接：carla twist to control官方文档
自己新建carla_bridge工作空间，在src目录下新建carla_bridge1.cpp文件
在这里插入图片描述
代码如下


#include <ros/ros.h>
#include <iostream>
#include "sensor_msgs/Imu.h"
#include "sensor_msgs/PointCloud2.h"
#include "geometry_msgs/TwistStamped.h"
#include "geometry_msgs/Twist.h"
#include <tf/transform_broadcaster.h>
#include <tf/transform_datatypes.h>

//定义发接收者
ros::Subscriber imu_sub;
ros::Subscriber lidar_sub;
ros::Subscriber twist_sub;
//定义发送者
ros::Publisher imu_adv;
ros::Publisher lidar_adv;
ros::Publisher twist_adv;
//定义话题名称
const std::string IMU_TOPIC = "/carla/ego_vehicle/imu";//这些是carla ros bridge发出的ros topic 
const std::string LIDAR_TOPIC = "/carla/ego_vehicle/lidar";
const std::string TWIST_TOPIC = "/twist_cmd";//订阅autoware的控制指令，TwistStamped，把它转成carla ros bridge的控制指令Twist

geometry_msgs::Twist m_twist;


void imu_callback(const sensor_msgs::Imu::Ptr &imu_msg)//imu数据回调
{
    
    
    imu_msg->header.frame_id = "imu";//更换frame名称
    imu_msg->header.stamp = ros::Time::now();
    imu_adv.publish(*imu_msg);
}

void lidar_callback(const sensor_msgs::PointCloud2::Ptr& lidar_msg)//lidar数据回调
{
    
    
    lidar_msg->header.frame_id = "lidar";
    lidar_msg->header.stamp = ros::Time::now();
    lidar_adv.publish(*lidar_msg);
}
//autoware发出的车辆控制指令，需要转化为ros bridge需要的geometry_msgs::Twist类型
void twist_callback(const geometry_msgs::TwistStamped::Ptr& twist_msg)//TwistStamped数据回调
{
    
    
    m_twist.linear = twist_msg->twist.linear;
    m_twist.angular = twist_msg->twist.angular;

    twist_adv.publish(m_twist);
}

int main(int argc,char **argv){
    
    
    ros::init(argc,argv,"Carla_Bridge");
    ros::NodeHandle n;

    imu_sub = n.subscribe(IMU_TOPIC,10000,imu_callback);
    lidar_sub = n.subscribe(LIDAR_TOPIC,10000,lidar_callback);
    twist_sub = n.subscribe(TWIST_TOPIC,10,twist_callback);
    
    imu_adv = n.advertise<sensor_msgs::Imu>("/imu_raw", 10000);
    lidar_adv = n.advertise<sensor_msgs::PointCloud2>("/points_raw", 10000);
    twist_adv = n.advertise<geometry_msgs::Twist>("/carla/ego_vehicle/twist", 10);//ros bridge carla_twist_to_contral节点

    ros::spin();
}

修改carla_bridge CMakeLists.txt

add_executable(carla_bridge src/carla_bridge1.cpp)

target_link_libraries(carla_bridge ${catkin_LIBRARIES})

frame的tf关系在launch文件中修改，这里命名为carla_bridge_sim.launch，内容如下：

<launch>
    <node pkg="carla_bridge" type="carla_bridge" name="carla_bridge1"/>

    <node pkg="tf" type="static_transform_publisher" name="lidar_baselink" args="0 0 1.0 0 0 0 base_link lidar 10" />
    <node pkg="tf" type="static_transform_publisher" name="imu_baselink" args="-0.3 0 0.4 0 0 0 base_link imu 100" />
    <node pkg="tf" type="static_transform_publisher" name="world_map" args="0 0 0 0 0 0 world map 10" />

</launch>

在carla_bridge工作空间下

source devel/setup.bash
roslaunch carla_bridge_launch carla_bridge_sim.launch

在这里插入图片描述

5.在rs_ws路径下启动carla_twist_to_control转换节点

source devel/setup.bash
roslaunch carla_twist_to_control carla_twist_to_control.launch role_name:="ego_vehicle"

在这里插入图片描述

6.启动autoware中相应的节点（建图、规划等等均可）

Setup界面设置如下
在这里插入图片描述

Map界面设置如下，导入Town10HD的地图，因为launch文件里面default是默认地图，默认的就是Town10HD，切记TF不要点，因为话题转发的时候，launch文件就已经实现了坐标转换。同时导入Vector Map。
在这里插入图片描述

在Sensing页面中，点击Points Preprocessor下ring_ground_filter右侧的app按钮，在弹出的界面中设置点云话题名input_point_topic为/points_raw，Sensor Model选32，设置完参数后点击OK退出，最后勾选ring_ground_filter。
在这里插入图片描述

在Computing页面下，点击lidar_localizer下ndt_matching右侧的app按钮，在弹出的页面中topic:/config/ndt选择Initial Pos选项，x，y，z，roll，pitch，yaw的值表示激光数据的初始位姿，如果有GNSS设备可以选择GNSS进行初始定位。Method Type选择pcl_anh_gpu，即使用GPU进行点云匹配计算，然后点击OK，若使用GPU进行点云匹配计算较为卡顿，可勾选Method Type选择pcl_generic，最后勾选ndt_matching，完成ndt定位。注意小车的初始位姿，Location的两个数值分别在x和y值修改，Heading的度数要转换成弧度制。
在这里插入图片描述

设置初始位姿
在这里插入图片描述

可以看到初始位姿匹配上！
在这里插入图片描述

点击autoware_connector下vel_pose_connect右侧的app按钮，在弹出的界面中确定没有勾选Simulation_Mode，退出并勾选vel_pose_connect。
在这里插入图片描述

点击OpenPlanner-Global Planning下op_global_planner后面的app按钮，勾选 Replanning、Smooth和Rviz Goals选项， Replanning用于到达目标点后，可以重新规划到下一个目标点，Smooth用于平滑全局路径，Rviz Goals用于在rviz中设置导航目标点，点击OK退出后勾选op_global_planner
在这里插入图片描述