前提準備

AutowareAuto ade環境搭建完成

Lgsvl環境和仿真器配置完成

運行環境建議

如果運行 LGSVL 仿真器，需要搭載 NVIDIA 顯卡，具體要求如鏈接所示，推薦配置如下

Intel(R) Core(TM) i9-9900KF CPU @ 3.60GHz (16 virtual cores) with 64GB RAM

NVIDIA GeForce RTX 2080 with 8 GB memory

如果運行失敗或者效果差，可能是計算資源不足造成。

啟動

終端一：啟動仿真器

ade --rc .aderc-amd64-foxy-lgsvl start --update --enter
/opt/lgsvl/simulator &

終端二：啟動可視化界面

ade enter
source /opt/AutowareAuto/setup.bash
ros2 launch autoware_auto_launch autoware_auto_visualization.launch.py

終端三：

ade enter
source /opt/AutowareAuto/setup.bash
ros2 launch autoware_demos avp_sim.launch.py

這個時候，即可看到如圖界面

具體流程介紹

1、設定初始位姿與定位簡介

使用2D Pose Estimate指令給車輛設定初始位置。如下圖所示

此時，車輛便和LGSVL中位置達成一直一致，如果位置不一致，導航將會失敗。

AutowareAuto的定位是如何實現的呢？

首先，需要給定車輛一個初始位姿，這個姿態對于車輛而言就是一個絕對位置，相當于GPS位置，至于為什么不使用GPS定位，在定位一欄中會專門介紹。

在初始位姿給定后，NDT算法會對現有為位姿做一個微調，這里其實就是采用點云信息的匹配做到的。

在之后導航的過程中，NDT算法會一直作用與車輛身上，幫助車輛時刻保持定位準確。

2、導航與內部算法簡介

定位結束后，AutowareAuto對于車輛的移動采用定點移動，即利用 2D Nav Goal 插件對車輛發布目標點。如下圖所示

此時，車輛將會朝著目標點行使。

AutowareAuto的決策規劃是如何實現的呢？

這里首先得講到AutowareAuto背后的一個邏輯，那就是如何判斷某個位置是否是可行區域。其實這就是正式駕駛的前提條件，地圖構建。

AutowareAuto的地圖構建分為兩個部分，一部分為點云地圖，一部分為語義地圖。點云地圖將地圖中障礙物信息采集，語義地圖則根據點云地圖畫出。

所以，AutowareAuto規劃的一個基礎為地圖，從地圖中可行區域中規劃出一條從當前位置到目標位置的路徑。

3、泊車案例及其內部算法

從導航原理可知，泊車無非也是從語義地圖中讀出，哪一些地方屬于可停車區域，如下圖所示

可是，我們雖然直到了其中的一個本質。可是它具體是如何實現的呢？

從泊車案例思考，其內部的一個算法為混合 A* （Hybrid A*）。混合A*算法是斯坦福大學于2010年提出用于解決在側方位停車和倒車入庫過程中的路徑規劃問題。

其背后的原理其實和A*算法一致，不同的是，其中加入了車輛運動學模型。

偽代碼為：

ASTAR()
{
  INIT START
  INIT END
  INIT_VEC OPENSET
  INIT_VEC FATHERSET
  INIT_VEC OBSTACLE


  OPENSET.ADD(START)
  ADD_OPENSET(START)


  WHILE(!IS_OPENSET_EMPTY()){
    MIN_FN_POINT = FIND_MIN_FN(OPENSET)
    IF(MIN_FN_POINT == END){BREAK}
    SEARCH_ENV_BLOCK(MIN_FN_POINT)
    OPENSET.DELETE(MIN_FN_POINT)
    FATHERSET.ADD(MIN_FN_POINT)
  }


  GET_TRAJECTORY()
}


SEARCH_ENV_BLOCK(MIN_FN_POINT)
{
  FOR(AUTO_P : MIN_FN_POINT){
    COST = MIN_FN_POINT.G + CALCU_G(MIN_FN_POINT, AUTO_P)
    IF((AUTO_P IN FATHERSET) || (AUTO_P IN OBSTACLE)){CONTINUE}
    IF(AUTO_P NOT IN OPENSET){
      OPENSET.ADD(AUTO)
    }ELSE IF(AUTO_P.G > COST){
      UPDATE AUTO_P
    }
  }
}

泊車最后實現如圖：

注：一旦自動駕駛，手動駕駛將不再起作用，因為車輛會激活制動器以保持在先前定義的目標位置

重要事項

在之前的操作中，我們都是在 docker ade 環境下執行的 /opt/AutowareAuto 目錄下的代碼，當讀者選擇通過自行編譯的代碼，也就是 /home/${USER}/AutowareAuto 下代碼執行上述操作時，會出現車輛不出現，點云地圖不出現的情況，在此解釋：

地圖和車輛都是基于 /opt/AutowareAuto 下配置進行的，如果想要用 AutowareAuto 內配置，需要將點云地圖和車輛都換成下載代碼中的配置

 vehicle_characteristics_param_file = os.path.join(
    get_package_share_directory('autoware_demos'), 'param/vehicle_characteristics.param.yaml')


  vehicle_constants_manager_param_file = os.path.join(
    get_package_share_directory('autoware_auto_launch'), 'param/lexus_rx_hybrid_2016.param.yaml')

同理，之后如果想要更換地圖或者更換車輛配置，都需要在launch中作詳細目錄說明，不然都會指到 /opt 中。

在修改后都需要用 colcon build --packages-select 功能包 來重新編譯。

問題與解答

1.車輛在模擬器中沒有改變，但是在rviz2中顯示十分奇怪，比如卡在某一個位置或者定位不準確

原因：計算資源不夠

2.出現如下所示報錯：

[object_collision_estimator_node_exe-18] [WARN] [1613130016.283356960] [planning.object_collision_estimator_node]: on_bounding_box cannot transform base_link to map.
[behavior_planner_node_exe-19] [INFO] [1613130016.285522103] [planning.behavior_planner_node]: Waiting for localization result to become available
[lanelet2_global_planner_node_exe-15] [ERROR] [1613130016.285673175] [planning.lanelet2_global_planner_node]: Failed to transform Pose to map frame
[behavior_planner_node_exe-19] [INFO] [1613130016.320455277] [planning.behavior_planner_node]: Waiting for localization result to become available
[lanelet2_global_planner_node_exe-15] [ERROR] [1613130016.321167460] [planning.lanelet2_global_planner_node]: Failed to transform Pose to map frame
[p2d_ndt_localizer_exe-4] [ERROR] [1613130016.337780380] [localization.p2d_ndt_localizer_node]: Could not find a connection between 'map' and 'base_link' because they are not part of the same tree.Tf has two or more unconnected trees.

3.解決方法：重新給定一個絕對坐標

[lanelet2_global_planner_node_exe-15] [ERROR] [planning.lanelet2_global_planner_node]: Global route has not been found!

原因：全局路徑規劃器規劃失敗，一方面可能是性能原因，一方面可能是車輛本身機制不允許，比如位置在車身之后。

審核編輯：劉清