Autoware.auto github版本安装及测试

Autoware基于最新版进行安装，而不是基于原先的Universe版本，原先的Universe版本相比较于github版本缺少很多东西，所以这里安装时github版本的autoware.auto

官方文档写的虽然说不是非常详细，但是也能够指导你进行操作，只不过中途会有一些问题需要学会自己去寻找答案。
这里安装的基于docker版本的，推荐大家也安装基于docker版本的，不会破坏主机环境，而且对主机系统也没有要求（源码安装要求ubuntu22，自己电脑是ubuntu18）

1. 安装

官方文档链接：https://autowarefoundation.github.io/autoware-documentation/main/installation/
进入网址后，选择docker版本，点击图中箭头所指链接

进入链接后，建议选择Docker installation for development，后面自己编译，for quick start那个会自带很多预编译的东西，可能下载比较慢而且我们肯定都是自己编译的咯

1.1 安装依赖环境

建议自己手动安装，如果使用他那个脚本，会重新安装或者更新一些库，不太可控。

• nvidia cuda，直接去官网下载run文件，手动安装
• Docker Engine，就点击链接进去装：https://github.com/autowarefoundation/autoware/tree/main/ansible/roles/docker_engine#manual-installation
• Install NVIDIA Container Toolkit，也是点击链接进入：https://github.com/autowarefoundation/autoware/tree/main/ansible/roles/nvidia_docker#manual-installation
• Install rocker，还是点击链接进入：https://github.com/autowarefoundation/autoware/tree/main/ansible/roles/rocker#manual-installation

1.2 克隆代码和编译

git clone https://github.com/autowarefoundation/autoware.git
cd autoware

mkdir ~/autoware_map

 # 这一行特别慢，会出错，见下文解决办法
docker pull ghcr.io/autowarefoundation/autoware-universe:latest-cuda

# 想使用GPU使用这行
rocker --nvidia --x11 --user --volume $HOME/autoware --volume $HOME/autoware_map -- ghcr.io/autowarefoundation/autoware-universe:latest-cuda

# 不使用GPU如在arm平台下使用这行
rocker -e LIBGL_ALWAYS_SOFTWARE=1 --x11 --user --volume $HOME/autoware --volume $HOME/autoware_map -- ghcr.io/autowarefoundation/autoware-universe:latest-cuda

下面是在docker中进行操作

cd autoware
mkdir src

# 下面这行特别慢，很可能出错，解决方法见下文
vcs import src < autoware.repos

sudo apt update

# 这个也可能出错，使用小鱼rosdepc的方法，百度就有
rosdep update

rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO

# 有stderr没关系，只要不是中途退出或者是没有aborted就行，估计得半小时，可能有报错，见下文
colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release

1.3 问题解决

1. pull docker出错，也就是docker pull ghcr.io/autowarefoundation/autoware-universe:latest-cuda很慢或者压根就下载不下来，常规的docker是可以通过更改国内的镜像源进行加速，但是这里的docker是放在github上面的，所以没办法加速，github有个老哥很牛，他有一个服务器，可以作为中转，我们通过他的镜像可以实现加速，如果想了解可以访问https://github.com/togettoyou/hub-mirror，我这里直接给我们需要的命令：

   echo -e '\ndocker pull togettoyou/ghcr.io.autowarefoundation.autoware-universe:latest-cuda\ndocker tag togettoyou/ghcr.io.autowarefoundation.autoware-universe:latest-cuda ghcr.io/autowarefoundation/autoware-universe:latest-cuda' | bash
   

2. vcs import src < autoware.repos很慢，而且会出现很多EEEEE，一个E表示一个仓库拉取失败，更改hosts：https://blog.csdn.net/qq_17783559/article/details/131132108，这个方法可能有用，我是有用的，如果没有就改回原来的再多试几次。

3. 编译过程中的问题：

   • 报错： fatal error: aruco/aruco.h : No such file or directory，参考：
     https://github.com/autowarefoundation/autoware.universe/issues/4912，一定要删除build文件夹，在重新构建

     rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO
     rm -r build/ar_tag_based_localizer install/ar_tag_based_localizer
     colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release
     

   • 报错：c++: fatal error: Killed signal terminated program cc1plus
     内存满了：https://autowarefoundation.github.io/autoware-documentation/main/support/troubleshooting/#insufficient-memory

   • 缺少包，可以直接apt get install来安装

     apt-cache search xxxxx
     apt-get install xxxxxx
     

编译最终结果：

Summary: 310 packages finished [30min 34s]
  4 packages had stderr output: elevation_map_loader lidar_centerpoint_tvm obstacle_velocity_limiter tensorrt_yolox

2. 运行

• 运行仿真器：https://autowarefoundation.github.io/autoware-documentation/main/tutorials/ad-hoc-simulation/planning-simulation/
  • 先点击2D Pose Estimate初始化位置
  • 再点击2D Goal Pose规划路径

效果如下：

autoware_simu