目录
Autoware主要流程：
1.Sensing模块利用各种传感器采集真实世界的各类数据
2.首先基于3D点云地图，利用雷达等传感器采集到的数据通过localization模块进行定位，然后detection模块主要检测当前场景下存在的障碍物，如车辆、行人等，然后predition模块对检测到的障碍物预测未来运动，以达到提前避让的效果
3.decision（决策模块）根据感知模块感知的结果，Autoware决策一个由有限状态机表示的驾驶行为，可以根据当前状态选择合适的计划功能
4.planning（规划模块）根据当前决策的起始点和目标点，采用mossion模块和motion模块计算出一条路径
5.Actuation模块表示驱动器模块，接受planning模块计算出的结果，然后经过驱动器控制小车运动
各节点功能简介
Localization（自定位）
lidar_localizer
lidar_localizer使用LIDAR的扫描数据和预先构建的地图信息，计算车辆当在全局坐标的当前位置(x,y,z,roll,pitch,yaw)。autoware使用正态分布变换(NDT)算法来匹配激光雷达当前帧和3D map。
gnss_localizer
gnss_localizer将NMEA消息从GNSS接收器转换到(x,y,z,roll,pitch,yaw)位置。该结果可以单独用作车辆的位置，也可以用于车辆的初始化位置和对lidar_localizer车辆位置的补充修正。
dead_reckoner
dead_reckoner主要使用IMU传感器预测车辆的下一帧位置，也可以用来对lidar_localizar和gnss_localizar的结果进行插值。
Detection（检测）
lidar_detector
从激光雷达单帧扫描读取点云信息，提供基于激光雷达的目标检测。主要使用欧几里德聚类算法，从地面以上的点云得到聚类结果。除此之外，可以使用基于卷积神经网络的算法进行分类。
vision_detector
读取来自摄像头的图片，提供基于图像的目标检测。主要的算法包括R-CNN，SSD和YOLO，可以进行多类别(汽车，行人等)实时目标检测。
vision_tracker
对vision_detector的检测结果完成目标跟踪功能。算法基于Beyond Pixels，图像上的目标跟踪结果被投影到3D空间，结合lidar_detector的检检测结果输出最终的目标跟踪结果。
fusion_detector
输入激光雷达的单帧扫描点云或者摄像头的图片信息，在3D空间中实现更准确的目标检测。激光雷达的位置和摄像头的位置需要提前进行联合标定，现在主要是基于MV3D算法来实现。
fusion_tools
将lidar_detector和vision_detector的检测结果进行融合，将vision_detector的识别类别信息添加到lidar_detector的聚类结果上。
lidar_tracter
预测检测目标的下一步位置，跟踪的结果可以被进一步用于目标行为分析和目标速度分析。跟踪算法主要是基于卡尔曼滤波器。
Prediction（预测）
naive_motion_predict
使用lidar_tracter的结果来进一步预测物体的运动方向和预测的道路。
Decision（决策）
Decision_maker
Decision_maker订阅了大量的感知结果、地图信息和当前状态有关的话题，以便发布下一时刻的状态，状态更改将影响planning规划结果
state_machine
state_machine预先定义的规则范围内改变状态，编排decision_maker。
Mission Planning（任务规划）
route_planner
用于寻找从起始点到目标点的全局路径，该路径由道路网中的一系列十字路口组成。
lane_planner
根据route_planner发布的一系列十字路口结果，确定全局路径是由哪些lane组成，lane是由一系列的waypoint点组成。
waypoint_planner
用于产生到达目标点的一系列waypoint点，它与lane_planner不同的地方在于，它发布的是单一到达目标点的waypoint路径，而lane_planner是发布到达目标点的一系列 waypoint数组。
waypoint_maker
是一个用于保存和加载手动制作的waypoint路径点文件的工具。车辆行驶过程中的路径分解成一系列的定位点信息和速度信息，储存汇总成为一个路径文件，加载该路径文件可以发布路径点信息给规划模块，使车辆沿着该路径行驶。
Motion Planning（运动规划）
velocity_planner
更新车辆速度信息，注意到给定跟踪的waypoint里面是带有速度信息的，这个模块就是根据车辆的实际状态进一步修正速度信息，以便于实现在停止线前面停止下来或者加减速等等。
astar_planner
实现Hybrid-State A查找算法，生成从现在位置到指定位置的可行轨迹，这个模块可以实现避障，或者在给定waypoint下的急转弯，也包括在自由空间内的自动停车。
adas_lattice_planner
实现了State Lattice规划算法，基于样条曲线，事先定义好的参数列表和语义地图信息，在当前位置前方产生了多条可行路径，可以被用来进行障碍物避障或车道线换道。
waypoint_follower
这个模块实现了 Pure Pursuit算法来实现轨迹跟踪，可以产生一系列的控制指令来移动车辆，这个模块发出的控制消息可以被车辆控制模块订阅，或者被线控接口订阅，最终就可以实现车辆自动控制。
2416
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
