Apollo环境下的调试

Apollo环境下的调试

在安装完Apollo的环境之后如何使用Apollo系统进行调试运行是了解该系统的基础，网上以及官方说明文档也有，主要是下载Apollo提供的数据包，看看数据效果，本文主要是针对代码调试自己需要了解的模块，这里主要以规划控制模块为例，其他模块与之类似。本文主要对规划中的全局路径规划（Routing）模块、决策规划（Planning）模块的运行过程进行说明，并介绍了如何在planning中添加障碍物，以及planning中对障碍物的决策进行说明。

1.启动Apollo的环境

调试Apollo的环境需要先启动Apollo的运行环境，对Apollo安装有不懂的可以参考Apollo无人驾驶平台的离线搭建与使用。启动Apollo环境过程如下：

// 切换到docker目录下
~$ cd apollo-3.0.0/docker/scripts/
// start（可能需要联网，然后将--local去掉）
~$ ./dev_start.sh --local
// 进入
~$ ./dev_into.sh
//run system
~$ ./scripts/bootstrap.sh start

2.选择车辆和地图的配置参数

在浏览器中打开 http://localhost:8888 进入界面，车辆型号选择 MkzExample，Apollo给了三个区域的高精度地图，地图可以任意选择一个，这里选择 Sunnyvale Loop，并在Tasks里面选择 simcontrol，即可进入仿真模拟控制，如下图所示：

3.启动模块进程

在选择好配置参数启动仿真模拟后，在ModuleControl中选择你需要调试的模块如下图所示：

由于这是模拟环境下启动的，没有雷达摄像头等硬件设备，因此很难直接在这个模拟平台上调试感知的参数，当然如果有摄像头激光雷达的数据包也可以使用感知模块。感知与预测模块得到的障碍物数据是给planning中使用的，当然如果需要测试planning中对障碍物的决策情况，还是可以手动添加的障碍物，会在后续文档进行介绍。因此，这里就很多情景中，无人车的轨迹跟随的场景进行模拟，这里启动routing(全局规划)，planning(决策规划)，control(控制模块的进程)，启动完成后，可以进入routing Editing发送请求，如下图，第一张图表示Apollo给出的一张地图，其地图的详细数据存储在base_map.xml中，设置请求即在如下地图中设置起点-途经点-终点，如下第二张图所示：
可以在整张地图上，拖动点击鼠标可以在地图上任意选择两个点，然后选择send routing request可以发送请求，routing模块就会在地图中搜索出可行的路径，planning模块将指导车进行决策和局部规划，进而指导车进行运动，其效果如下：
图中可了解到，红线就是routing规划的，蓝色的亮线为planning规划的。

4. 手动添加障碍物

在Apollo系统的代码中因为没有感知和预测的数据，所以除了高精度地图中的一些标志，是没有其他车辆和障碍物的约束，要想了解在planning模块中对障碍物的决策过程，可以在程序中添加障碍物，planning中将预测得到的结果添加到frame中得到障碍物的轨迹，因此可以按照预测的结果直接添加到frame函数中，具体过程如下：

在这个目录下按照这个文件格式添加障碍物

"modules/planning/common/testdata/sample_prediction.pb.txt"

其数据格式如下：

header {
  timestamp_sec: 1487029724.22
  module_name: "prediction"
  sequence_num: 9338
}
prediction_obstacle {
  perception_obstacle {
    id: 2161
    position {
      x: 585868.39
      y: 4139982.16
      z: 0
    }
    theta: 0.0249947936189
    velocity {
      x: 0
      y: 0
      z: 0
    }
    length: 0.357469637533
    width: 1.513933358
    height: 0.514804840088
	
	polygon_point {
      x: 97.2893624333
      y: 347.796489884
      z: -31.6976950117
    }
    polygon_point {
      x: 97.2902582356
      y: 347.923750521
      z: -31.6948381206
    }
    polygon_point {
      x: 97.3307050201
      y: 348.052103216
      z: -31.6921948431
    }
    polygon_point {
      x: 97.5875120205
      y: 348.394845337
      z: -31.6860325399
    }
    polygon_point {
      x: 97.6613368321
      y: 346.921045429
      z: -31.7196251173
    }
    polygon_point {
      x: 97.33956867
      y: 346.945560842
      z: -31.7171360436
    }
    polygon_point {
      x: 97.3009911378
      y: 347.136420518
      z: -31.7126110052
    }
    
    tracking_time: 0
    type: UNKNOWN
    timestamp: 0
  }
}

Header是数据头包括时间戳、标签名、序列号等，prediction_obstacle是具体的数据，包括障碍物的id、位置（该位置可以设置到地图中，是全局坐标）、航向角、速度，以及障碍物的尺寸（长宽高），polygon_point用来描述障碍物的的形状，这里采用多边形来进行描述，type表示障碍物的类型，与感知的标签有关，当然如果是unknown，planning会根据尺寸和为位置进行判断，考虑前车或者其他的交通进行决策，具体过程见planning的tasks中，这里没有加障碍物预测的轨迹，如有需要可自行添加。
然后在frame.cc中在 **Frame::CreateReferenceLineInfo()**函数中这行
bool has_valid_reference_line = false ;前添加如下代码：

//添加一个静态的障碍物
  PredictionObstacles prediction_obstacle;
  common::util::GetProtoFromFile(
        "modules/planning/common/testdata/sample_prediction.pb.txt",
        &prediction_obstacle);
    auto obstacles = Obstacle::CreateObstacles(prediction_obstacle);
  //AddObstacle(*obstacles1);
  for (auto& obstacle : obstacles) {
      AddObstacle(*obstacle);
    } 

这里在车前设置一个障碍物，车认为是静止的前车，然后进行决策，采取stop，其效果如下所示：