百度自动驾驶系统Apollo源码分析参考

83 阅读 0 评论 55 点赞

我是靠谱客的博主年轻眼睛，最近开发中收集的这篇文章主要介绍百度自动驾驶系统Apollo源码分析参考，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

Apollo（阿波罗）是百度今年发布的汽车自动驾驶系统，它是不是可以无人驾驶？安全性又如何保证？下面我们就来看看自动驾驶指的是什么，以及它是如何实现的．

自动驾驶评级

先来看看什么是自动驾驶，2014年，SAE International（国际汽车工程师协会）制订了一套自动驾驶汽车分级标准，其对自动化的描述分为5个等级。

自动驾驶评级

从辅助驾驶到全自动驾驶，都属于自动驾驶，只是级别不同，现在有很多车已经配置了定速巡航，自动泊车，这是从L1走向L2阶段；而L3是说人可以不进行主动驾驶，但需要时刻保持注意力；据说Google的Waymo自动驾驶系统已达到L4水平，它能在特定地理区域和条件下，完成整个动态驾驶任务．大家离L5还都有一段很长的路要走．百度的目标是2019年量产L3的汽车．
同样是自动，但是程度不同，具体要看：设计运行范围（operational design domain，简称ODD），它包括地理位置、道路类型、速度范围、天气、时间、国家和地方性交通法律法规等等．

硬件

下面来看看自动驾驶的汽车和普通汽车有什么不同，如图所示，自动驾驶汽车一般都包含：视频系统(摄像头), 传感器(雷达,激光雷达,GPS…), 它们用于建立场景和捕捉前后左右的距离，速度, 判断自已位置，同时车辆内部通过CAN总线监测车辆本身的情况, 并控制速度, 转向, 制动等等．当然还需要软件算法．

硬件

软件

软件收集硬件传来的视频和传感器数据, 进行数据处理并做出决策．其中包括: 感知当前的状态（车辆, 行人, 交通标志，动态，静态）, 预测之后的状态, 以及做下一步的规划（整体线路，当前决策）, 这有点像下棋．
出于安全性的考虑，大多数时候汽车不能上街测试，因此自动驾驶的开发过程中一般都使用虚拟系统，虚拟车辆在虚拟街道上运行的时候，还可以模拟其它车辆，行人，以及各种出错和违规的状态，模拟可能遇到的多种情况，以及车辆间的交互，它创建了增强学习的条件．使算法更快速地成长起来．

模拟环境

安装Apollo系统

Apollo是个开源的软件系统，可从git上下载源码，下面来看看具体的下载编译方法．

$ git clone https://github.com/ApolloAuto/apollo

下载后，apollo目录下有安装说明README_cn.md，按此说明安装即可

$ cd docker/scripts/
$ ./install_docker.sh

此时如果报错找不到docker-engine，可用命令$ wget -qO- https://get.docker.com/ | sh手动安装docker，您可以把Docker理解成轻量的虚拟机，虚拟出单独的环境．运行一些特殊的程序，并把它和机器上其它程序隔离开．

$ sudo ./dev_start.sh

此处会下载docker的镜像文件，16G数据下载到/var/lib/docker目录下，建议根分区留足空间，或者将该目录软链接到其它分区，做链接时需要暂时把docker服务停掉 $service docker stop/start

$ sudo ./dev_into.sh

此时就进入了docker，可以编译了

$ bash apollo.sh build

编译时请耐心等待，我的机器速度还可以，编了两个多小时，编译过程中在$HOME/.cache/.bazel中产生大约5G数据．

$ bash scripts/hmi.sh

启动人机交互界面，此时在浏览器中打开http://localhost:8887，即可看到apollo界面了.

用户界面

Apollo源码分析

源码主要是c++实现的，也有少量python，git下载几百兆，其实代码不太多，主要是地图和数据了大量空间，主要程序在apollo/modules目录中，我们把它分成以下几部分（具体说明见各目录下的modules）：

感知：感知当前位置，速度，障碍物等等
Apollo/modules/perception
预测：对场景下一步的变化做出预测
Apollo/modules/prediction
规划：
(1) 全局路径规划：通过起点终点计算行驶路径
Apollo/modules/routing
(2) 规划当前轨道：通过感知，预测，路径规划等信息计算轨道
Apollo/modules/planning
(3) 规划转换成命令：将轨道转换成控制汽车的命令（加速，制动，转向等）
Apollo/modules/control
其它
(1) 输入输出
i. Apollo/modules/drivers 设备驱动
ii. Apollo/modules/localization 位置信息
iii. Apollo/modules/monitor 监控模块
iv. Apollo/modules/canbus 与汽车硬件交互
v. Apollo/modules/map 地图数据
vi. Apollo/modules/third_party_perception 三方感知器支持
(2) 交互
i. Apollo/modules/dreamview 可视化模块
ii. Apollo/modules/hmi 把汽车当前状态显示给用户
(3) 工具
i. Apollo/modules/calibration 标注工具
ii. Apollo/modules/common 支持其它模块的公共工具
iii. Apollo/modules/data 数据工具
iv. Apollo/modules/tools 一些Python工具
(4) 其它
i. Apollo/modules/elo 高精度定位系统，无源码，但有文档
ii. Apollo/modules/e2e 收集传感器数据给PX2,ROS

自动驾驶系统先通过起点终点规划出整体路径（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．
我觉得这里面算法技术含量最高的是感知perception和规划planning，具体请见代码．

Apollo开发者支持

点开Apollo网站的开发者界面 http://apollo.auto/opendata_cn.html　选择＂立即进入＂，即可看到给开发者提供的数据和测试资源. 确实有点超乎我的想像，尤其是仿真平台，有了它，没有车的情况下，也能做很多工作．而且文档也挺全的．(上传测试好像需要上传docker的img，看起来比较大，这个我也没仔细研究，也可能是看错了)

总结

自动驾驶发展到今天，离不开整体智能领域的发展，比如图像识别，各种高精度的传感器，地图数据，算法的进步都是自动驾驶的基础，并且仍在不断进步．而该领域的技术，之后也会被迁移到其它领域，比如机器人的三维场景定位，行为判断等等．
目前虽然离完全脱离人类操作还有一段距离，但自动驾驶中的各种技术越来越多地在新型汽车上得到应用，这个领域还是挺值得学习和期待的．

参考

你怎么看待百度自动驾驶Apollo 1.5版本？
https://www.zhihu.com/question/65638509/answer/236251671
Apollo自动驾驶框架试玩
http://www.cnblogs.com/hackcat/archive/2017/07/06/7126042.html
全网唯一完整译文 | Waymo无人车报告：通往自动驾驶之路
https://www.leiphone.com/news/201710/JknkYopJ14gVMSyK.html

技术文章定时推送
请关注公众号：算法学习分享