Autoware.auto学习记录(安装和播放点云数据文件demo)

系统环境

• 系统版本：Ubuntu20.04.06 LTS
• ROS版本：ROS foxy
• Doker版本：26.0.1

使用流程

安装方式——Docker安装

• 一、安装Docker
• 二、 安装autoware的容器环境管理工具ADE
  按照官方文档，执行以下指令

  $ cd ~/.local/bin #仅限当前用户使用，或者cd /usr/local/bin 所有用户均可使用
  
  $ wget https://gitlab.com/ApexAI/ade-cli/-/jobs/1341322851/artifacts/raw/dist/ade+x86_64
  $ mv ade+x86_64 ade
  $ chmod +x ade
  $ ./ade --version	# 若返回不是4.4版本，则执行下面的更新操作
  
  $ ./ade update-cli
  $ ./ade --version
  <latest-version>
  

遇到的错误：使用./ade --version时报错

~/adehome$ ade --version
Error relocating /lib/x86_64-linux-gnu/libz.so.1: crc32_z: symbol not found
Error relocating /lib/x86_64-linux-gnu/libz.so.1: __snprintf_chk: symbol not found
Error relocating /lib/x86_64-linux-gnu/libz.so.1: __vsnprintf_chk: symbol not found

zlib1g包出现错误，libz.so.1连接的库文件版本过低，经测试需要1.2.12以上版本(后话)。使用apt工具更新时找不到更新的包(可能是LTS版本仓库没有？)，由于害怕此系统库文件版本变化后可能出现一些莫名错误(以前系统莫名崩过一次，一朝被蛇咬十年怕井绳)，因此就不采取源代码编译更新或者增加PPA仓库更新了。

~/adehome$ ll /lib/x86_64-linux-gnu/libz.so.1
lrwxrwxrwx 1 root root 36 4月  18 20:31 /lib/x86_64-linux-gnu/libz.so.1 -> /lib/x86_64-linux-gnu/libz.so.1.2.11
~/adehome$ sudo apt-get update
~/adehome$ sudo apt-get install zlib1g
Reading package lists... Done
Building dependency tree       
Reading state information... Done
zlib1g is already the newest version (1:1.2.11.dfsg-2ubuntu1.5).
0 upgraded, 0 newly installed, 0 to remove and 18 not upgraded.

由于我安装了Anaconda，其自带一些符合版本的libz库文件，使用locate进行搜索，可以使用我的虚拟环境ForCarla下的libz库文件与ade链接。实现方式有如下：1. 通过将/lib/x86_64-linux-gnu/libz.so.1软链接到虚拟环境中的该libz库文件(试过可行，但怕系统出问题所以选择另一种方法)。2. 修改LD_LIBRARY_PATH变量实现，缺点是每次打开一个终端都要修改该变量，但可以写到bash脚本里刷新环境变量启动进入autoware容器一步到位。

~/adehome$ locate libz.so.1.2
~/anaconda3/envs/ForCarla/lib/libz.so.1.2.12
~/anaconda3/lib/libz.so.1.2.11
...
# ~/adehome$ ln -sf ~/anaconda3/envs/ForCarla/lib/libz.so.1.2.12 /lib/x86_64-linux-gnu/libz.so.1 # 第一种方法
export LD_LIBRARY_PATH=~/anaconda3/envs/ForCarla/lib/libz.so.1.2.12:$LD_LIBRARY_PATH # 第二种方法
~/adehome$ ade --version
4.4.0

• 三、创建autoware.auto容器
  跟随ADE教程，参考2中课程默认启动的是ROS Dashing版本的容器，而当前其默认启动的是Foxy版本的容器，可以通过ls -l .aderc*查看存在的容器配置进行选择，默认配置是.aderc-amd64-foxy，我使用的是.aderc-amd64-foxy-lgsvl。我在默认配置下后面编译的时候会出问题，lgsvl相关的包编译不会通过。
  使用exit退出容器。ade stop会停止容器，容器中的数据可能会丢失。

  $ mkdir -p ~/adehome
  $ cd ~/adehome
  $ touch .adehome
  $ cd ~/adehome
  $ git clone https://gitlab.com/autowarefoundation/autoware.auto/AutowareAuto.git
  $ cd AutowareAuto
  $ git checkout tags/1.0.0 -b release-1.0.0
  $ cd ~
  $ cp ~/.bashrc ~/.bashrc.bak
  $ mv ~/.bashrc ~/adehome/.bashrc
  $ ln -s ~/adehome/.bashrc
  $ cd AutowareAuto
  $ ls -l .aderc*
  $ ade --rc .aderc-amd64-foxy-lgsvl  start --update --enter
  ade$ exit
  

• 四、 Autoware使用

  进入容器进行编译

  $ ade enter
  ade$ cd AutowareAuto
  ade$ colcon build
  ade$ colcon test
  ade$ colcon test-result
  

  下载记录好的雷达数据文件，克隆参考2中课程运行案例的一些配置文件，再启动案例，由于参考2中使用的是Dashing，所以需要修改一些command，创建一个my_launch_test功能包，编写launch文件，需注意的是，在point_cloud_filter_transform_node_exe所运行的节点中需要重映射两个话题名，订阅话题points_in->/lidar_front/points_raw，发布话题points_filtered->/perception/points_in

  # test01.launch.py
  
  from launch import LaunchDescription
  from launch_ros.actions import Node
  # 参数声明与获取-----------------
  from launch.actions import DeclareLaunchArgument
  from launch.substitutions import LaunchConfiguration
  
  def generate_launch_description():
      urdf_file = "/opt/AutowareAuto/share/lexus_rx_450h_description/urdf/lexus_rx_450h.urdf"
      with open(urdf_file, 'r') as infp:
          robot_desc = infp.read()
  
      return LaunchDescription([
          DeclareLaunchArgument(name="rviz_file", default_value="/home/tyaochen/autowareclass2020/code/src/01_DevelopmentEnvironment/aw_class2020.rviz"), 
          # DeclareLaunchArgument(name="urdf_file", default_value="/opt/AutowareAuto/share/lexus_rx_450h_description/urdf/lexus_rx_450h.urdf"), 
          DeclareLaunchArgument(name="velodyne_cfg", default_value="/home/tyaochen/autowareclass2020/code/src/01_DevelopmentEnvironment/velodyne_node.param.yaml"), 
          DeclareLaunchArgument(name="filter_cfg", default_value="/opt/AutowareAuto/share/point_cloud_filter_transform_nodes/param/vlp16_sim_lexus_filter_transform.param.yaml"), 
          Node(
              package="rviz2", 
              executable="rviz2", 
              arguments=["-d", LaunchConfiguration("rviz_file")], 
          ),        
          Node(
              package="velodyne_nodes", 
              executable="velodyne_cloud_node_exe", 
              namespace="/lidar_front",
              arguments=["--model", "vlp16"], 
              parameters=[LaunchConfiguration("velodyne_cfg")]
          ),  
          Node(
              package="robot_state_publisher", 
              executable="robot_state_publisher", 
              parameters=[{
                  "robot_description": robot_desc
                  }]
          ),
          Node(
              package="point_cloud_filter_transform_nodes", 
              executable="point_cloud_filter_transform_node_exe", 
              namespace="/lidar_front", 
              parameters=[LaunchConfiguration("filter_cfg")], 
              name="filter_transform_vlp16_front", 
              remappings=[("points_filtered", "/perception/points_in"), 
                          ("points_in", "/lidar_front/points_raw")]
          )
      ])
  
  

参考

• 1. Autoware.auto的gitlab仓库
• 2. Apex.AI的Autoware教程系列视频
• 3. Autoware教程课件