apollo学习笔记1

目标：

        使用apollo无人驾驶框架搭建无人驾驶车辆环境，系统为ubuntu16.04，环境为docker
安装：

        官方安装文档：apollo github

        首先，安装docker环境：

       bash docker/setup_host/install_docker.sh#docker-ce安装脚本 

       bash docker/scripts/dev_start.sh#下载镜像

       bash docker/scripts/dev_into.sh#装载进入apollo docker镜像环境，在apollo源码目录执行

      bash apollo.sh build#全编译操作

       Bash apollo.sh build_opt_cpu #编译cpu版本

启动apollo:

   bash scripts/bootstrap.sh

播放演示rosbag：

     sudo python docs/demo_guide/rosbag_helper.py demo_2.0.bag #下载数据包 

     rosbag play demo_2.0.bag --loop

docker用途：
      Docker 是一个开源的应用容器引擎，基于 Go 语言 并遵从Apache2.0协议开源。
     Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。
      容器是完全使用沙箱机制，相互之间不会有任何接口（类似 iPhone 的 app）,更重要的是容器性能开销极低。

apollo版本迭代：
1.0：可在封闭道路上运行，引入云端数据平台；引入软件平台：定位，控制，人机界面，时间框架，实时操作系统（时效性和可靠性）；硬件平台：计算单元，GPS定位，内部处理单元，人机界面硬件；汽车相关平台：线束控制整车
1.5：拥有更好的感知模块和更好的地图规划，增加高精度地图，增加仿真模块，增加地图引擎，增加感知模块（引入LIDIA，相机，雷达），增加决策模块，增加端对端模块
2.0：可在简单的城市道路运行，能够在道路上自主巡航，避免可能障碍物碰撞，能够在交通灯处停下和在需要时改变车道。云端上增加了安全模块，空中下载技术；软件平台上，升级了端对端驾驶模块；相关硬件平台上，增加了照相机，雷达和黑盒；
2.5：可实现在高速道路上使用一个相机在自动驾驶情况下检测障碍物，车辆可保持车道线控制，定速巡航和避免与前车发生碰撞
apollo 框架：

• Reference Vehicle Platform: 参考汽车层，用于对汽车实现电子化的控制。这一层涉及到的 CAN 协议一般由主机厂制订，且严格保密。百度早期使用了 AutonomouStuff 公司改装的 Lincoln MKZ 来规避这一问题[2]。
• Reference Hardware Platform: 参考硬件层，为 Apollo 推荐的硬件设备，如: 计算单元(工控机)，GPS/IMU，LiDAR，Radar 等等。
• Open Software Platform: 开放软件平台, 为 Apollo 的核心部分。
• Cloud Service Platform: 云端服务层，为百度可提供的数据，高精度地图等各项云服务，应该也是百度之后盈利的主要来。

其中每个模块的作用如下：

• apollo根目录
  ├── .github/ISSUE_TEMPLATE目录 // 问题记录的文档
  ├── .vscode // 启动的一些参数配置
  ├── docker // docker有关的文件,如启动docker脚本,进入docker容器脚本
  ├── docs // 文档模块，有完整英文文档和部分中文文档
  ├── modules// apollo中各个模块的源代码，如感知，决策，规划等核心模块
  ├── scripts// 启动脚本，如启动hmi的脚本
  ├── third_party // 第三方的库
  └── tools // 编译相关配置文件
• Apollo项目是用Bazel来做为代码编译工具，每个源码文件夹下都有一个 BUILD文件即bazel的编译配置文件。
• modules目录下的子目录
  ├── calibration// 标定模块，现在已经实现自动标定的功能
  ├── canbus // can总线相关的模块
  ├── common // 公共源码模块如日志，工厂模式的实现，日志系统，监控模块，数学算法等
  ├── control // 幅度和度的相互转换
  ├── data // 数据的收集，存储和处理
  ├── dreamview // 可视化模块，查看规划的轨迹及实时的转向刹车油门信息
  ├── drivers // GNSS设备驱动，包括NovAtel, Applanix, u-blox， velodyne驱动
  ├── e2e // 端到端模块
  ├── elo // 利用高精地图的自定位模块
  ├── guardian // 监护进程，主要是为了安全
  ├── localization // 定位模块，输入GPS和IMU信息输出自车定位信息
  ├── map // 高精地图模块，输出结构化地图信息，如车道线，十字路口等
  ├── monitor // 监控模块,监控硬件状态，同时把状态发给hmi
  ├── perception // 感知模块，输入激光点云，高精地图，变换坐标
  ├── planning // 决策规划模块
  ├── prediction // 预测模块，输出感知的障碍物信息及自定位信息输出障碍物未来的轨迹
  ├── routing // 全局导航模块，输入包括地图信息各起点终点地址，输出一个全局的导航信息
  ├── third_party_perception // 车辆姿态模拟线程
  └── tools // 第三方的感知模块

工作流程：

自动驾驶系统先通过起点终点规划出全局路径（routing）；然后在行驶过程中感知（perception）当前环境（识别车辆行人路况标志等），并预测下一步发展；然后把已知信息都传入规划模块（planning），规划出之后的轨道；控制模块（control）将轨道数据转换成对车辆的控制信号，通过汽车交互模块（canbus）控制汽车．