在NVIDIA Jetson TX2上安装Autoware，并实车测试激光SLAM建图
在NVIDIA Jetson TX2上安装Autoware，并实车测试激光SLAM建图
2019年01月15日 23:23:01 W_Tortoise 阅读数 2084更多
分类专栏： SLAM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/learning_tortosie/article/details/86484505
Autoware是世界上第一款用于自动驾驶汽车的“一体化”开源软件，主要适用于城市，但也可以涵盖公路，高速公路等。
Autoware的代码库受BSD许可证保护。请自行决定使用它。
为了安全使用，Autoware为那些没有真正自动驾驶汽车的人提供基于ROSBAG的仿真环境。
如果计划将Autoware与真实的自动驾驶汽车一起使用，请在现场测试前制定安全措施和风险评估。
1 Autoware是什么？
Autoware提供丰富的自动驾驶模块，包括传感，计算和驱动功能。下图描述了这些功能。
关键词包括定位，建图，目标检测和跟踪，交通灯识别，任务和运动规划，轨迹生成，车道检测和选择，车辆控制，传感器融合，摄像机，激光雷达，雷达，深度学习，基于规则的系统，连接导航，日志，虚拟现实等。
用户手册：https://github.com/CPFL/Autoware-Manuals
2 推荐的系统配置
- Number of CPU cores: 8
- RAM size: 32GB
- Storage size: 64GB+
注意：这里只是推荐的配置，如果能达到这个配置，就可以更好的运行Autoware，发挥其最大功能，但是配置低点也是能运行的，只是效果会有差距，比如，可以在NVIDIA Jetson TX2上安装并运行Autoware。
3 安装
是不是很炫酷？
等安装完成，你会发现还有精心设计UI界面，操作十分简单。
还等什么，赶紧开始吧！
安装方式分Docker和源码两种方式，这里以源码方式为例。
3.1 要求
- ROS indigo (Ubuntu 14.04) or ROS jade (Ubuntu 15.04) or ROS kinetic (Ubuntu 16.04)
- OpenCV 2.4.10 or higher
- Qt 5.2.1 or higher
- CUDA (可选)
- FlyCapture2 (可选，PointGrey相机SDK)
- Armadillo (可选，Armadillo是一个用于C ++语言的高质量线性代数库，旨在实现速度和易用性之间的良好平衡)
注：我用的TX2，出厂预装的Ubuntu 16.04系统，没有刷机装一些库，只安装了ROS，然后安装Autoware时自动安装了OpenCV 2.4.9.1，有悖第二条要求，但是运行没有问题。
3.2 为Ubuntu 14.04 Indigo安装系统依赖项
sudo apt-get install -y python-catkin-pkg python-rosdep python-wstool ros-$ROS_DISTRO-catkin
sudo add-apt-repository ppa:mosquitto-dev/mosquitto-ppa
sudo apt-get update
sudo apt-get install libmosquitto-dev
- 1
- 2
- 3
- 4
注意：请不要安装ros-indigo-velodyne-pointcloud软件包。如果已经安装，请卸载。
3.2 为Ubuntu 16.04 Kinetic安装系统依赖项
sudo apt-get update
sudo apt-get install -y python-catkin-pkg python-rosdep python-wstool ros-$ROS_DISTRO-catkin libmosquitto-dev gksu
- 1
- 2
注意：ROS Kinetic不支持以下软件包。
- gazebo
- orb slam
- dpm ocv
3.3 编译
（1）克隆仓库
cd $HOME
git clone https://github.com/CPFL/Autoware.git --recurse-submodules
- 1
- 2
如果之前下载过旧版本，可运行git submodule update --init --recursive进行升级。
（2）初始化工作空间，让rosdep安装缺少的依赖项并编译
cd ~/Autoware/ros/src
catkin_init_workspace
cd ../
rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO
./catkin_make_release
- 1
- 2
- 3
- 4
- 5
注意：如果想最简单地安装Autoware，只需要提前安装好ROS，这里会把缺少的依赖项一并安装。
3.4 基于DNN的节点
几个基于DNN的节点（如RCNN，SSD和Yolo）不会自动构建。
要构建这些节点，请遵循相应节点的README，SSD Darknet现已包含在Autoware的感知部分中。
3.5 启动
cd $HOME/Autoware/ros
./run
- 1
- 2
然后根据下面的教学视频学习使用方法。
4 教学视频
最好的方法就是跟着教学视频操作了。
地址：https://github.com/CPFL/Autoware/wiki/videos （需要科学上网）
包括以下内容：
- 快速开始
- 建图
- 加载地图
- 使用GNSS进行定位
- 没有GNSS的定位
- 使用SSD进行目标检测
- 使用Yolo2进行目标检测
- 使用Yolo3进行目标检测
- 使用DPM进行目标检测
- 欧几里德聚类检测
- 交通灯识别
- 使用ROSBAG进行规划
- 使用wf_simulator进行规划
- 使用混合状态A*进行规划
- 标定工具包
- bag文件的数据处理器
- Ftrace
5 现场测试
Autoware的一个显著优势是，一旦3D LiDAR传感器安装在车辆上，就可以在一天内开始对自动驾驶车辆进行现场测试。
可以使用Autoware构建3D地图，制作路线并自动跟踪它。
另外，还需要相机和带有全套Autoware模块的专业3D地图。
但是，第一次进行现场测试时，可以从以下简单测试开始。
5.1 构建点云图
Autoware提供基于同时定位与建图（SLAM）的3D建图模块。它在手动驾驶车辆时构建局部坐标点云地图。应该注意回环检测的约束。如果距离原点太远，则生成的点云地图可能与实际地理要素不对齐，除非使用Graph SLAM方法。也就是说，Autoware单独构建的点云地图不应该是大规模的。
5.2 在点云地图中制作路线
一旦点云地图创建完成，就可以创建一个你想要自主跟随的路线。
制定路线最直接的方法是在路线上手动驾驶一次并记录车辆位置。这些车辆位置的轨迹可以保存为路径点（waypoints）。
你所要做的就是跟随这些路径点，也就是寻迹。
另一方面，更智能的方法是使用VectorMapper将道路特征添加到点云地图中，并跟随包含路线车道中心线的路点；然而，这是一项耗时的任务。
5.3 跟随路线上的路径点
一旦制作了一个带有路径点的路线，你所要做的就是跟随这些路径点，根据定位和检测结果控制速度/油门和角度/转向。
在公共道路上，需要激活更多模块，例如目标跟踪器，交通灯识别器和决策器。
实际上，还可以假设路径点是由一些高精度导航服务生成的，Autoware.AI将支持这些服务。路径点准备就绪后，在此尝试的练习将适用于任何测试领域。
6 实车测试
1.硬件
- 自动驾驶汽车
- TX2
- 速腾聚创16线激光雷达
2.软件
- Autoware
- ROS Kinetic
- Ubuntu 16.04
3.步骤
- 在TX2上配置好Autoware（很顺利，没遇到问题）
- 人工驾驶装有激光雷达的汽车采集bag数据
- 根据教学视频的建图部分操作
4.测试结果
部分俯视图如下图所示，是不是看着还不错？
再看看这个侧视图，垂直方向明显存在很大的误差，这就有点尴尬了哦。
5.分析
- Autoware的SLAM没有类似视觉中消除累计误差的回环检测模块，因此不适合大场景，那到底多大的场景算大？
- TX2性能不足，因此我尝试在性能更好的计算平台上安装Autoware，但是遇到一些问题，待更新。
- 数据问题，采集数据时车速过快，转弯时也较快。
6.注意事项
- 现在的方案是提前录制好bag，然后播放bag进行建图。如果不提前录制bag，而是直接启动激光雷达驱动，那么将无法建图，就算静止时也会发飘，呈半圆弧状无限旋转运动。具体原因是什么，我还不清楚。
- Autoware的Lidar topic为
points_raw，而Velodyne、镭神智能、速腾聚创等激光雷达发布的topic均不是这个，因此需要修改。一种方法是修改驱动，将发布的topic改为points_raw；另一种方法是录制bag，然后在播放时将驱动默认的topic改为points_raw。以速腾聚创激光雷达为例：rosbag play *.bag /rslidar_points:=/points_raw
7. TO DO
- 重新采集数据，放慢车速，以及转弯速度
- 在性能更好的计算平台上安装Autoware，然后建张好图并保存
- 加载地图进行定位
- 记录轨迹
- 寻迹
7 总结
Autoware是一个围绕完整无人驾驶打造的系统，与Apollo类似，有必要深入学习一下。
也可以根据某部分需求，去扒一扒Autoware是如何实现的，然后借鉴过来。
比如，如果只需要激光SLAM建图和导航这部分功能，就要将其剥离出来。