Apollo预测模块代码结构解析

118 阅读 0 评论 78 点赞

我是靠谱客的博主帅气烧鹅，最近开发中收集的这篇文章主要介绍Apollo预测模块代码结构解析，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

在看Apollo预测部分代码时，一开始被很多的模块搞晕了，一时不知从何下手。而且网上没能找到比较有价值的解析代码结构的博客，因此，在理清了预测部分的结构之后，想到写一篇博客，供同样学习预测模块的伙伴们参考。本篇博客只涉及结构解析，不进行具体的算法分析，如有错误，恳请批评指正。

预测模块的工作是预测感知模块检测到的障碍物的行为。整个模块的输入是障碍物信息（位置、速度、加速度、方位角）、本车的规划轨迹、本车定位信息；输出是障碍物的预测轨迹及其概率。预测模块与其他模块的关系如图所示。

预测模块主要包括四个部分：container、scenario、evaluator和predictor。

其中，container负责存储输入数据，包括PoseContainer、ADCTrajectoryContainer和ObstacleContainer，分别存储本车定位信息，本车已规划的轨迹信息和障碍物信息。

scenario的作用是分析本车所处场景。

evaluator的作用是预测障碍物的路径和速度，并给出一个概率。

predictor负责生成障碍物的预测轨迹。

调用这些模块是在prediction_component.cc中，因此，学习预测模块代码首先应从prediction_component.cc开始，预测的主要工作是在函数 PredictionComponent::Proc中进行的。一、prediction_component.cc


localization_reader_->Observe();
auto ptr_localization_msg = localization_reader_->GetLatestObserved();
if (ptr_localization_msg == nullptr) {
AERROR << "Prediction: cannot receive any localization message.";
return false;
}
auto localization_msg = *ptr_localization_msg;
MessageProcess::OnLocalization(localization_msg);

这一部分代码是读取本车的定位信息，并调用MessageProcess::OnLocalization(localization_msg)更新PoseContainer。


planning_reader_->Observe();
auto ptr_trajectory_msg = planning_reader_->GetLatestObserved();
if (ptr_trajectory_msg != nullptr) {
auto trajectory_msg = *ptr_trajectory_msg;
MessageProcess::OnPlanning(trajectory_msg);

这一部分代码是读取本车最新一帧的规划信息，并调用MessageProcess::OnPlanning(trajectory_msg)更新ADCTrajectoryContainer。


auto perception_msg = *perception_obstacles;//获取障碍物的感知信息
PredictionObstacles prediction_obstacles;
MessageProcess::OnPerception(perception_msg, &prediction_obstacles);

这一部分代码是读取障碍物信息，并调用MessageProcess::OnPerception(perception_msg, &prediction_obstacles)进行处理。

prediction_component.cc最主要的就是这三部分，预测是在MessageProcess::OnPerception()中进行的。

二、message_process.cc

前边提到的MessageProcess::OnLocalization()、MessageProcess::OnPlanning()和MessageProcess::OnPerception()都是message_process.cc中的函数，其中，主要的预测工作是在通过MessageProcess::OnPerception()调用container、scenario、evaluator和predictor模块来完成的，我们主要介绍MessageProcess::OnPerception()的结构。

ContainerProcess(perception_obstacles); //处理三个container

首先处理三个container。


ScenarioManager::Instance()->Run();
const Scenario& scenario = ScenarioManager::Instance()->scenario();

调用scenario_manager.cc中的函数Run()，分析当前场景，并返回当前场景。


EvaluatorManager::Instance()->Run();

调用evaluator_manager.cc中的函数Run()，针对当前的信息，对障碍物进行评估，给出障碍物可能的运动路径和速度，并输出一个概率。

PredictorManager::Instance()->Run();

调用predictor_manager.cc中的函数Run()，预测障碍物可能的运动轨迹。

可以看到，我们前面提到的四个主要模块，是在message_process.cc中调用的。

三、scenario_manager.cc

scenario_manager.cc中包含两个函数，一个是Run()，主要工作是提取并分析环境特征，确定当前场景；一个是scenario()，主要工作是返回当前场景。

void ScenarioManager::Run() {
auto environment_features = FeatureExtractor::ExtractEnvironmentFeatures();
auto ptr_scenario_features = ScenarioAnalyzer::Analyze(environment_features);
current_scenario_ = ptr_scenario_features->scenario();
}

在函数Run()中，调用了feature_extractor.cc中的函数ExtractEnvironmentFeatures()，这个函数主要同来提取环境特征，包括自动驾驶车所处车道、相邻车道及前方路口的环境特征。

提取环境特征之后，调用scenario_analyzer.cc中的Analyze()来分析环境特征。

在Analyze()中，首先会根据环境特征分析出场景类型，目前只包括两个场景：CRUISE和JUNCTION。根据具体的场景类型，会返回相应的场景特征。

四、evaluator_manager.cc

在函数Run()中，主要用到了函数EvaluateObstacle()对障碍物进行评估。EvaluateObstacle()输入障碍物信息及环境信息，根据障碍物类型及其所处场景，调用不同的evaluator对障碍物进行评估。这也就不难理解，为什么这部分代码的名字是“evaluator_manager”，因为Apollo中众多的evaluator是通过这部分代码来调用的。

根据障碍物的类型，evaluator被分为三大类。当障碍物类型为cyclist，可用的evaluator为cyclist_keep_lane_evaluator；当障碍物类型为pedestrian，可用的evaluator为pedestrian_interaction_evaluator；当障碍物类型为vehicle，可用的evaluator为cost_evaluator、cruise_mlp_evaluator、junction_map_evaluator、junction_mlp_evaluator、lane_aggregating_evaluator、lane_scanning_evaluator、mlp_evaluator、rnn_evaluator、semantic_lstm_evaluator。

五、predictor_manager.cc

在函数Run()中，主要调用了函数PredictObstacles()对障碍物进行预测。在PredictObstacles()中，有两个关于障碍物的变量，一个是perception_obstacle，另一个是obstacle。这两个变量的区别是，perception_obstacle是感知模块给的障碍物，obstacle是perception_obstacle经过处理、去掉了出现频率最少的障碍物之后的结果。用于预测的就是obstacle。

predictor_manager.cc的作用是根据障碍物的类型及场景，选出合适的predictor来预测障碍物轨迹。