Autoware&Carla联合仿真

自动驾驶仿真这两年的需求越来越大，各家自动驾驶公司忙着量产落地，如何尽可能多的测试算法系统的稳定性？如何用最小的成本完成？这就涉及到仿真的内容，而目前领域使用最多的是Carla，今天就为大家分享下Autoware&Carla的联合仿真实现；

版本说明

该教程所使用的版本如下：

之所以使用docker版本进行学习，是因为安装很方便，具体可以参考上一篇的安装方法。

前期工作

首先进入docker环境，在/home/autoware文件夹下，补充ros-bridge的功能包，内容为：

 

编译：

登录后复制

catkin_make

• 1.

效果如下：

然后我们在carla_ws/src/ros-bridge/carla_ego_vehicle/launch文件夹里面创建如下launch文件：

如红框所示。

在.bashrc文件添加以下信息：

其中，autoware-contents的信息可以通过以下网站进行下载：

 https://bitbucket.org/carla-simulator/autoware-contents/src/master/

联合仿真实现

1.carla_autoware_launch.launch

我们最外层要运行的文件为carla_autoware_launch.launch，其内容如下：

每一层的内容都带有注释，唯一要注意的是车辆初始化的问题，在中依次填入x,y,z,roll,pìtch,yaw的数值，这个可以通过carla自带的python例子里面的手动控制脚本manual_control.py去打印车辆的坐标和朝向值，注意这里其实只有xyz三个位置的值有用，roll,pìtch一般可以都为0，yaw要根据实际情况去调，可能rviz的地图有旋转？原因未知。

carla_autoware_bridge.launch是ros_brigde的内容，接下来主要介绍bridge.launch和my_agent.launch。

2.bridge.launch

bridge.launch的内容如下：

bridge.launch的内容主要是作一些坐标系的转换和数据转换，注释都很详细。

3.my_agent.launch

use_ground_truth_localization是使用真实环境的定位，也就是不需要定位算法即可获取到环境的定位信息，一般与carla联合仿真的时候可以打开。同样，use_ground_truth_detections是使用真实环境的感知，也就是可以不需要感知算法即可获取到环境的障碍物信息，一般与carla联合仿真的时候可以打开。

我们这里先设置为false，以打开定位和感知算法为例去实现停障功能，而open planner的障碍物避障可以设置为true。

4.my_map.launch

就是取系统变量CARLA_AUTOWARE_CONTENTS，我们已经在.bashrc里面定义，该文件加载了point cloud map和vector map。

5.my_sensing.launch

该文件主要是加载了ray_ground_filter节点，其作用是过滤地面。过滤地面是激光雷达感知中一步基础的预处理操作，因为我们环境感知通常只对路面上的障碍物感兴趣，且地面的点对于障碍物聚类容易产生影响，所以在做Lidar Obstacle Detection（障碍物探测）之前通常将地面点和非地面点进行分离。

6.my_localization.launch

points_downsample节点用于点云过滤。

ndt_matching节点的作用是开启ndt激光雷达定位算法。

ndt算法具体可参考：

7.my_detection.launch

停障主要是运用lidar进行障碍物的地图检测追踪。这里也开启了vision部分的检测，属于图像目标检测。

8.my_mission_planning.launch

来到了关键的规划部分，该launch文件主要是打开了vel_pose_connect，vel_pose_connect节点用作输出车辆的位姿和速度信息。

也开启了lane的相关规划算法。最重要的是，开启了op_global_planner的节点，全局规划算法，里面涉及了一些参数，可以调整，比如enableReplan，代表到达终点后是否自动再次规划，一般如果到达终点想停了，就设置为false。

9.my_motion_planning.launch

该launch文件的关键是打开astar_avoid和pure_pursuit，一个停障的节点，一个是控制车运动的节点，twist_filter也是必须要开启的，作用是用于限定x轴线速度和z轴角速度这两个参数的值。

停障演示

写好了以上脚本之后，并且编译完，就可以开始运行啦。

1.打开carla-0.9.10.1：

登录后复制

./CarlaUE4.sh

• 1.

这里以Town03为例。

2.放个测试的障碍物：

测试脚本如下：

parked_locations为要放置障碍物的位置，自己设定。 

运行：

登录后复制

python spawn_car.py

• 1.

3.运行autoware-carla：

登录后复制

roslaunch carla_ego_vehicle carla_autoware_launch.launch

• 1.

看到前面有车。

4.定义终点，开始规划

接近障碍物的时候，检测出障碍物，并停车：

当障碍物消失的时候，或者远离的时候，开始加速运动：

ok，讲解到此为止 

原创作者: whaosoft 转载于: https://blog.51cto.com/whaosoft/11670503