自动驾驶 on 阿波的博客

Autoware.Universe适配实车教程

Sat, 17 Aug 2024 16:18:14 +0800

一、适配传感器

首先声明，踩了那么多坑后，明白一个道理，要想少出错，少踩坑，还是要遵循一切都参控官方文档的原则。不要怕官网文档繁杂又全是英语想省事，就一切都遵从csdn找到的别人整理的二手文档，包括我以下写的都只能当作参考，每个人硬件软件环境都不一样，具体步骤肯定有所差异，官网还是考虑最全的文档，英语有障碍可以下一个插件，推荐"沉浸式翻译"这个插件。官网文档链接为:https://autowarefoundation.github.io/autoware-documentation/main/how-to-guides/

设置传感器数据通信接口

根据官方提供的流程图，可以看到各个节点之间的数据通信：https://autowarefoundation.github.io/autoware-documentation/galactic/design/autoware-architecture/node-diagram/

雷达点云设置

Autoware输入的点云为 ==/sensing/lidar/top/outlier_filtered/pointcloud== 和 ==/sensing/lidar/concatenated/pointcloud==（frame_id均为base_link）。 /sensing/lidar/top/==outlier_filtered==/pointcloud用于==定位==, /sensing/lidar/==concatenated==/pointcloud用==于感知==；

编写雷达点云转换节点

打开终端并执行以下命令来创建工作空间和功能包：

mkdir -p /home/buaa/autoware_universe/autoware/src/sensor_driver/robosense_ws/src
cd /home/buaa/autoware_universe/autoware/src/sensor_driver/robosense_ws/src
ros2 pkg create --build-type ament_cmake lidar_transform

编写玩节点代码:

#include <rclcpp/rclcpp.hpp>
#include <sensor_msgs/msg/point_cloud2.hpp>
#include <tf2_geometry_msgs/tf2_geometry_msgs.hpp>
#include <pcl_ros/transforms.hpp>
#include <pcl_conversions/pcl_conversions.h> // 包含PCL转换头文件

class LidarTransformNode : public rclcpp::Node
{
public:
 // 构造函数
 LidarTransformNode() : Node("points_raw_transform_node")
 {
 // 初始化坐标转换参数
 // this->declare_parameter<double>("transform_x", 0.0);
 // this->get_parameter("transform_x", transform_x);
 transform_x = this->declare_parameter("transform_x", 0.0);
 transform_y = this->declare_parameter("transform_y", 0.0);
 transform_z = this->declare_parameter("transform_z", 0.0);
 transform_roll = this->declare_parameter("transform_roll", 0.0);
 transform_pitch = this->declare_parameter("transform_pitch", 0.0);
 transform_yaw = this->declare_parameter("transform_yaw", 0.0);
 RadiusOutlierFilter = this->declare_parameter("RadiusOutlierFilter", 1.0);

 std::cout << "robosense to base_link:" << std::endl
 << " transform_x: " << transform_x << std::endl
 << " transform_y: " << transform_y << std::endl
 << " transform_z: " << transform_z << std::endl
 << " transform_roll: " << transform_roll << std::endl
 << " transform_pitch:" << transform_pitch << std::endl
 << " transform_yaw: " << transform_yaw << std::endl;

 // Initialize translation
 transform_stamp.transform.translation.x = transform_x;
 transform_stamp.transform.translation.y = transform_y;
 transform_stamp.transform.translation.z = transform_z;
 // Initialize rotation (quaternion)
 tf2::Quaternion quaternion;
 quaternion.setRPY(transform_roll, transform_pitch, transform_yaw);
 transform_stamp.transform.rotation.x = quaternion.x();
 transform_stamp.transform.rotation.y = quaternion.y();
 transform_stamp.transform.rotation.z = quaternion.z();
 transform_stamp.transform.rotation.w = quaternion.w();

 // 创建发布者
 publisher_1 = this->create_publisher<sensor_msgs::msg::PointCloud2>(
 "/sensing/lidar/top/outlier_filtered/pointcloud",
 10);
 publisher_2 = this->create_publisher<sensor_msgs::msg::PointCloud2>(
 "/sensing/lidar/concatenated/pointcloud",
 10);

 // 订阅原始点云消息
 subscription_ = this->create_subscription<sensor_msgs::msg::PointCloud2>(
 "/rslidar_points",
 10,
 std::bind(&LidarTransformNode::pointCloudCallback, this, std::placeholders::_1));
 }

private:
 void pointCloudCallback(const sensor_msgs::msg::PointCloud2::SharedPtr msg)
 {
 // 过滤掉距离传感器较近的点
 pcl::PointCloud<pcl::PointXYZI>::Ptr xyz_cloud(new pcl::PointCloud<pcl::PointXYZI>);
 pcl::PointCloud<pcl::PointXYZI>::Ptr pcl_output(new pcl::PointCloud<pcl::PointXYZI>);
 pcl::fromROSMsg(*msg, *xyz_cloud);
 for (size_t i = 0; i < xyz_cloud->points.size(); ++i)
 {
 if (sqrt(xyz_cloud->points[i].x * xyz_cloud->points[i].x + xyz_cloud->points[i].y * xyz_cloud->points[i].y +
 xyz_cloud->points[i].z * xyz_cloud->points[i].z) >= RadiusOutlierFilter && !isnan(xyz_cloud->points[i].z))
 {
 pcl_output->points.push_back(xyz_cloud->points.at(i));
 }
 }
 sensor_msgs::msg::PointCloud2 output;
 pcl::toROSMsg(*pcl_output, output);
 output.header = msg->header;

 // 执行坐标转换
 sensor_msgs::msg::PointCloud2 transformed_cloud;
 pcl_ros::transformPointCloud("base_link", transform_stamp, output, transformed_cloud);

 // 发布转换后的点云消息
 publisher_1->publish(transformed_cloud);
 publisher_2->publish(transformed_cloud);
 }

 rclcpp::Subscription<sensor_msgs::msg::PointCloud2>::SharedPtr subscription_;
 rclcpp::Publisher<sensor_msgs::msg::PointCloud2>::SharedPtr publisher_1, publisher_2;

 double transform_x, transform_y, transform_z, transform_roll, transform_pitch, transform_yaw, RadiusOutlierFilter; // 添加 radius_outlier_filter 成员变量声明

 geometry_msgs::msg::TransformStamped transform_stamp;
};

int main(int argc, char **argv)
{
 // 初始化节点
 rclcpp::init(argc, argv);

 // 创建实例
 auto node = std::make_shared<LidarTransformNode>();

 rclcpp::spin(node);
 rclcpp::shutdown();

 return 0;
}

然后编译：

colcon build --packages-up-to lidar_transform

然后遵从Autoware.Universe官网教程 https://autowarefoundation.github.io/autoware-documentation/main/how-to-guides/integrating-autoware/creating-vehicle-and-sensor-model/creating-sensor-model/ 更改/home/buaa/autoware_universe/autoware/src/sensor_kit/sample_sensor_kit_launch/sample_sensor_kit_launch/launch 路径下的传感器启动文件

更改lidar.launch.xml

由于只用一个雷达，故不使用点云融合功能包，设置use_concat_filter为false,并发布lidar_transform点云tf转换功能包

<launch>
 <arg name="use_concat_filter" default="false"/>
 <arg name="vehicle_id" default="$(env VEHICLE_ID default)"/>
 <arg name="pointcloud_container_name" default="pointcloud_container"/>
 <arg name="rviz_config" default="$(find-pkg-share rslidar_sdk)/rviz/rviz2.rviz"/>
 <group>
 <push-ros-namespace namespace="lidar"/>
 <group>
 <push-ros-namespace namespace="top"/>
 <node pkg="rslidar_sdk" exec="rslidar_sdk_node" output="screen">
 <!-- 添加其他必要的参数 -->
 <param name="queue_size" type="int" value="100"/>
 <param name="hardware_id" value="none"/>
 </node>
 <!-- <node pkg="rviz2" exec="rviz2" output="screen" args="-d $(var rviz_config)"/> -->
 </group>

 <include file="$(find-pkg-share lidar_transform)/launch/points_raw_transform.launch.xml">
 <arg name="transform_x" value="0.0"/>
 <arg name="transform_y" value="0.0"/>
 <arg name="transform_z" value="1.0"/>
 <arg name="transform_roll" value="0.0"/>
 <arg name="transform_pitch" value="0.0"/>
 <arg name="transform_yaw" value="0.0"/>
 <arg name="RadiusOutlierFilter" value="1.0"/>
 </include>

 <!-- <group>
 <push-ros-namespace namespace="left"/>
 <include file="$(find-pkg-share common_sensor_launch)/launch/velodyne_VLP16.launch.xml">
 <arg name="max_range" value="5.0"/>
 <arg name="sensor_frame" value="velodyne_left"/>
 <arg name="sensor_ip" value="192.168.1.202"/>
 <arg name="host_ip" value="$(var host_ip)"/>
 <arg name="data_port" value="2369"/>
 <arg name="scan_phase" value="180.0"/>
 <arg name="cloud_min_angle" value="300"/>
 <arg name="cloud_max_angle" value="60"/>
 <arg name="launch_driver" value="$(var launch_driver)"/>
 <arg name="vehicle_mirror_param_file" value="$(var vehicle_mirror_param_file)"/>
 <arg name="container_name" value="pointcloud_container"/>
 </include>
 </group>

 <group>
 <push-ros-namespace namespace="right"/>
 <include file="$(find-pkg-share common_sensor_launch)/launch/velodyne_VLP16.launch.xml">
 <arg name="max_range" value="5.0"/>
 <arg name="sensor_frame" value="velodyne_right"/>
 <arg name="sensor_ip" value="192.168.1.203"/>
 <arg name="host_ip" value="$(var host_ip)"/>
 <arg name="data_port" value="2370"/>
 <arg name="scan_phase" value="180.0"/>
 <arg name="cloud_min_angle" value="300"/>
 <arg name="cloud_max_angle" value="60"/>
 <arg name="launch_driver" value="$(var launch_driver)"/>
 <arg name="vehicle_mirror_param_file" value="$(var vehicle_mirror_param_file)"/>
 <arg name="container_name" value="pointcloud_container"/>
 </include>
 </group> -->

 <include file="$(find-pkg-share sample_sensor_kit_launch)/launch/pointcloud_preprocessor.launch.py">
 <arg name="base_frame" value="base_link"/>
 <arg name="use_intra_process" value="true"/>
 <arg name="use_multithread" value="true"/>
 <arg name="pointcloud_container_name" value="$(var pointcloud_container_name)"/>
 <arg name="use_concat_filter" value="$(var use_concat_filter)"/> 
 </include>
 </group>
</launch>

更改imu.launch.xml

添加雷达驱动，并发布雷达话题tamagawa/imu_link到base_link的tf转换

<launch>
 <arg name="launch_driver" default="true"/>
 <arg name="imu_raw_name" default="tamagawa/imu_raw"/>
 <!-- add -->
 <arg name="imu_corrector_param_file" default="$(find-pkg-share imu_corrector)/config/imu_corrector.param.yaml"/>

 <group>
 <push-ros-namespace namespace="imu"/>

 <group>
 <push-ros-namespace namespace="fdilink"/>
 <node pkg="fdilink_ahrs" name="ahrs_driver_node" exec="ahrs_driver_node" if="$(var launch_driver)">
 <param name="if_debug_" value="false"/>
 <param name="serial_port_" value="/dev/imu_usb"/>
 <param name="serial_baud_" value="921600"/>
 <param name="imu_topic" value="/sensing/imu/tamagawa/imu_raw"/>
 <param name="imu_frame_id_" value="tamagawa/imu_link"/>
 <param name="mag_pose_2d_topic" value="/mag_pose_2d"/>
 <param name="Magnetic_topic" value="/magnetic"/>
 <param name="Euler_angles_topic" value="/euler_angles"/>
 <param name="gps_topic" value="/gps/fix"/>
 <param name="twist_topic" value="/system_speed"/>
 <param name="NED_odom_topic" value="/imu_odometry"/>
 <param name="device_type_" value="1"/>
 </node>
 </group>

 <node pkg="tf2_ros" exec="static_transform_publisher" output="screen"
 args="0.5 0 0 0 0 0 base_link tamagawa/imu_link"/>

 <include file="$(find-pkg-share imu_corrector)/launch/imu_corrector.launch.xml">
 <arg name="input_topic" value="$(var imu_raw_name)"/>
 <arg name="output_topic" value="imu_data"/>
 <arg name="param_file" value="$(var imu_corrector_param_file)"/>
 </include>

 <include file="$(find-pkg-share imu_corrector)/launch/gyro_bias_estimator.launch.xml">
 <arg name="input_imu_raw" value="$(var imu_raw_name)"/>
 <arg name="input_twist" value="/sensing/vehicle_velocity_converter/twist_with_covariance"/>
 <arg name="imu_corrector_param_file" value="$(var imu_corrector_param_file)"/>
 </include>
 </group>
</launch>

禁用自带的tf转换

由于上述启动传感器时都发布了对应到baselink的tf转换，故禁用掉官方源码中发布的车体传感器tf转换部分。打开/home/buaa/autoware_universe/autoware/src/universe/autoware.universe/launch/tier4_vehicle_launch/launch 文件夹下的vehicle.launch.xml 注释掉vehicle description部分

启动传感器

单独启动传感器的命令为:

ros2 launch tier4_sensing_launch sensing.launch.xml

二、适配底盘

https://autowarefoundation.github.io/autoware-documentation/main/how-to-guides/integrating-autoware/creating-vehicle-interface-package/creating-vehicle-interface/ 根据官网教程一步一步编写vehicle_interface来创建底盘驱动与Autoware之间的联系：

创建功能包

cd <your-autoware-dir>/src/vehicle/external
ros2 pkg create --build-type ament_cmake my_vehicle_interface

从 Autoware 订阅控制命令主题的一些必要主题以控制车辆，具体话题描述参考官网，其核心是将接收到的autoware控制话题==control/command/control_cmd==提取出控制指令转化为底盘可以接受的==cmd_vel==话题格式，同时将一些必要的车辆状态主题发布。以下为脚本内容

import rclpy
from rclpy.node import Node
from geometry_msgs.msg import Twist
from autoware_auto_control_msgs.msg import AckermannControlCommand
from autoware_auto_vehicle_msgs.msg import ControlModeReport, GearReport, SteeringReport, VelocityReport
from hunter_msgs.msg import HunterStatus
from tier4_vehicle_msgs.msg import BatteryStatus

class VehicleInterface(Node):
 def __init__(self):
 super().__init__('vehicle_interface')

 # 订阅 Autoware 的控制指令
 self.subscriber_control_cmd = self.create_subscription(
 AckermannControlCommand,
 'control/command/control_cmd',
 self.control_cmd_callback,
 10
 )

 # 发布小车的控制指令
 self.publisher_cmd_vel = self.create_publisher(Twist, '/cmd_vel', 10)

 # 订阅小车的状态信息
 self.subscriber_hunter_status = self.create_subscription(
 HunterStatus,
 '/hunter_status',
 self.hunter_status_callback,
 10
 )

 # 发布转向状态
 self.publisher_steering = self.create_publisher(SteeringReport, '/vehicle/status/steering_status', 10)

 # 发布速度状态
 self.publisher_velocity = self.create_publisher(VelocityReport, '/vehicle/status/velocity_status', 10)

 # 发布电池状态
 self.publisher_battery = self.create_publisher(BatteryStatus, '/vehicle/status/battery_charge', 10)

 def control_cmd_callback(self, msg):
 """
 处理从 Autoware 收到的控制命令，并将其转换为 Ackermann 结构小车的控制命令
 """
 twist = Twist()
 twist.linear.x = msg.longitudinal.speed # 线速度
 twist.angular.z = msg.lateral.steering_tire_angle # 转向角度

 self.publisher_cmd_vel.publish(twist) # 发布转换后的控制命令

 def hunter_status_callback(self, msg):
 """
 处理从小车接收到的状态信息，并将其发布到 Autoware 的相关话题
 """

 # 发布转向报告
 steering_report = SteeringReport()
 steering_report.stamp = self.get_clock().now().to_msg()
 steering_report.steering_tire_angle = msg.steering_angle
 self.publisher_steering.publish(steering_report)

 # 发布速度报告
 velocity_report = VelocityReport()
 velocity_report.header.stamp = self.get_clock().now().to_msg()
 velocity_report.header.frame_id = "base_link"
 velocity_report.longitudinal_velocity = msg.linear_velocity # 纵向速度
 velocity_report.lateral_velocity = 0.0 # 横向速度（假设为0）
 velocity_report.heading_rate = msg.steering_angle # 航向变化率

 self.publisher_velocity.publish(velocity_report)

 # 发布电池状态报告
 battery_status = BatteryStatus()
 battery_status.stamp = self.get_clock().now().to_msg() # 时间戳
 battery_status.energy_level = msg.battery_voltage # 电池电压
 self.publisher_battery.publish(battery_status)

def main(args=None):
 rclpy.init(args=args)
 node = VehicleInterface()
 rclpy.spin(node)
 node.destroy_node()
 rclpy.shutdown()

if __name__ == '__main__':
 main()

创建launch文件my_vehicle_interface.launch.xml：

<launch>
 <node pkg="my_vehicle_interface" exec="vehicle_interface.py" name="vehicle_interface" output="screen">
 </node>
</launch>

修改CMakeLists.txt与package.xml后编译：

colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release --packages-select my_vehicle_interface

如果运行遇到找不到py文件的问题，可能是没有赋予其运行权限在 vehicle_interface.py 的开头添加执行指令

#!/usr/bin/env python3

chmod +x scripts/vehicle_interface.py

然后找到/home/buaa/autoware_universe/autoware/src/universe/autoware.universe/launch/tier4_vehicle_launch/launch 路径下的vehicle.launch.xml 将vehicle_interface部分改成自己的：

 <!-- vehicle interface -->
 <group if="$(var launch_vehicle_interface)">
 <node pkg="my_vehicle_interface" exec="vehicle_interface.py" name="vehicle_interface" output="screen">
 <param name="vehicle_id" value="$(var vehicle_id)"/>
 <param name="raw_vehicle_cmd_converter_param_path" value="$(var raw_vehicle_cmd_converter_param_path)"/>
 <param name="initial_engage_state" value="$(var initial_engage_state)"/>
 </node>

 </group>
</launch>

但是为了调试便利，还是注释掉上述部分，选择单独启动vehicle interface：

ros2 launch my_vehicle_interface my_vehicle_interface.launch.xml

Autoware.universe完整部署步骤（踩坑版）

Sun, 11 Aug 2024 17:19:35 +0800

Autoware.universe 安装步骤

克隆Autoware到本地

mkdir autoware_universe
cd autoware_universe/
git clone https://github.com/autowarefoundation/autoware.git -b humble

注意ROS的版本

安装NVIDIA 显卡驱动

若输入 sudo nvidia-smi 检查英伟达驱动出现以下报错：

Failed to initialize NVML: Driver/library version mismatch
NVML library version: 550.90

原因是NVIDIA 内核驱动与系统驱动版本不一致，按照网上提出的方法使用sudo rmmod nvidia 命令退出当前内核使用的显卡模块，重新加载升级后版本的显卡驱动作为我们的内核模块发现此方法不可行

最后解决办法为：
卸载驱动

sudo apt-get purge nvidia*

> 
> 
> 
> 
> ##### 查找本机内核版本
> 
> 
> 
> 
> ```
cat /proc/driver/nvidia/version

发现为550.90.07

于是尝试安装550版本的驱动

sudo apt-get install nvidia-driver-550 nvidia-settings nvidia-prime

> 
> 
> 
> 
> ##### 出现报错
> 
> 
> 
> 
> ```
正在解压 libnvidia-compute-550:amd64 (550.90.07-0ubuntu1) 并覆盖 (550.90.07-0ubuntu0.22.04.1) ...
dpkg: 处理归档 /tmp/apt-dpkg-install-WqT5B5/04-libnvidia-compute-550_550.90.07-0ubuntu1_amd64.deb (--unpack)时出错：
正试图覆盖 /usr/lib/x86_64-linux-gnu/libnvidia-gpucomp.so.550.90.07，它同时被包含于软件包 libnvidia-gl-550:amd64 550.90.07-0ubuntu0.22.04.1
dpkg-deb: 错误: 粘贴 子进程被信号(Broken pipe) 终止了

具体是 libnvidia-compute-550 和 libnvidia-gl-550 包在更新时发生了冲突

强制卸载冲突的包

sudo dpkg --remove --force-remove-reinstreq libnvidia-compute-550 libnvidia-compute-550:i386
sudo dpkg --remove --force-remove-reinstreq libnvidia-gl-550 libnvidia-gl-550:i386

清理已损坏的包和未完成的安装：

sudo apt-get clean
sudo apt-get autoremove
sudo apt-get autoclean
sudo apt-get -f install

重新安装NVIDIA驱动

sudo apt-get install nvidia-driver-550 nvidia-settings nvidia-prime

重新生成内核模块

sudo dkms autoinstall

重启系统以应用更改

sudo reboot

再次使用 nvidia-smi 检查驱动显示驱动正常

安装ROS2 humble

鱼香ros一键安装：

wget http://fishros.com/install -O fishros && . fishros

安装ros2_dev_tools

sudo apt update && sudo apt install -y \
 build-essential \
 cmake \
 git \
 python3-colcon-common-extensions \
 python3-flake8 \
 python3-pip \
 python3-pytest-cov \
 python3-rosdep \
 python3-setuptools \
 python3-vcstool \
 wget

python3 -m pip install -U \
 flake8-blind-except \
 flake8-builtins \
 flake8-class-newline \
 flake8-comprehensions \
 flake8-deprecated \
 flake8-docstrings \
 flake8-import-order \
 flake8-quotes \
 pytest-repeat \
 pytest-rerunfailures \
 pytest \
 setuptools

安装 Ansible

sudo apt-get purge ansible
sudo apt-get -y update
sudo apt-get -y install pipx
python3 -m pipx ensurepath
pipx install --include-deps --force "ansible==6.*"
cd autoware/
ansible-galaxy collection install -f -r "ansible-galaxy-requirements.yaml"

安装 Build Tools

sudo apt-get update
sudo apt-get install -y ccache

安装 Dev Tools

sudo apt-get install -y git-lfs
git lfs install
pip3 install pre-commit
pip3 install clang-format==18.1.8 --user --extra-index-url=https://pypi.tuna.tsinghua.edu.cn/simple
sudo apt-get install -y golang
sudo apt-get install -y ros-${ROS_DISTRO}-plotjuggler-ros

安装 gdown

pip3 install gdown

安装 geographiclib

sudo apt install geographiclib-tools
sudo geographiclib-get-geoids egm2008-1

安装rmw_implementation

# 注意官网给的是mian，humble的
wget -O /tmp/amd64.env https://raw.githubusercontent.com/autowarefoundation/autoware/main/amd64.env && source /tmp/amd64.env
sudo apt update
rmw_implementation_dashed=$(eval sed -e "s/_/-/g" <<< "${rmw_implementation}")
sudo apt install ros-${rosdistro}-${rmw_implementation_dashed}
echo '' >> ~/.bashrc && echo "export RMW_IMPLEMENTATION=${rmw_implementation}" >> ~/.bashrc

安装pacmod

wget -O /tmp/amd64.env https://raw.githubusercontent.com/autowarefoundation/autoware/galactic/amd64.env && source /tmp/amd64.env
sudo apt install apt-transport-https
sudo sh -c 'echo "deb [trusted=yes] https://s3.amazonaws.com/autonomoustuff-repo/ $(lsb_release -sc) main" > /etc/apt/sources.list.d/autonomoustuff-public.list'
sudo apt update
sudo apt install ros-${rosdistro}-pacmod3

安装autoware_core

pip3 install gdown

安装autoware universe dependencies

sudo apt install geographiclib-tools
sudo geographiclib-get-geoids egm2008-1

安装pre_commit

clang_format_version=14.0.6
pip3 install pre-commit clang-format==${clang_format_version}
sudo add-apt-repository ppa:longsleep/golang-backports
sudo apt install golang

安装CUDA

查看amd64.env,可以看到推荐的CUDA版本为12.3，在https://developer.nvidia.com/cuda-toolkit 官网中选择版本，为了避免因为CUDA版本太高，cuDNN、TensorRT无法使用，故下载CUDA12.0
网页中选择好CUDA版本安装deb方式安装：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-0

设置环境变量

export PATH=/usr/local/cuda-12.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH

检查CUDA版本：

nvcc --version

安装cuDNN

在官网https://developer.nvidia.com/rdp/cudnn-archive 下载好cuDNN v8.9.5 for CUDA12.X后,解压文件

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz

将解压后的头文件和库复制到cuda目录中：

cd cudnn-linux-x86_64-8.9.5.30_cuda12-archive/
sudo cp include/cudnn* /usr/local/cuda/include 
sudo cp lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*

cuDNN安装完成，查看安装的版本：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

安装TensorRT

在官网https://developer.nvidia.com/nvidia-tensorrt-8x-download选择TensorRT 8.6进行下载后解压：

sudo dpkg -i nv-tensorrt-*.deb

配置环境变量：将TensorRT的库路径添加到LD_LIBRARY_PATH中，编辑~/.bashrc文件并添加以下内容：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/x86_64-linux-gnu/

重启终端：保存~/.bashrc文件并执行以下命令使配置生效：

source ~/.bashrc

安装完成后，您可以通过运行以下命令验证TensorRT是否已成功安装：

dpkg -l | grep TensorRT

下载 Autoware artifacts

cd autoware/
ansible-galaxy collection install -f -r "ansible-galaxy-requirements.yaml"
ansible-playbook autoware.dev_env.download_artifacts -e "data_dir=$HOME/autoware_data" --ask-become-pass

编译源码

克隆存储库：

cd autoware
mkdir src
vcs import src < autoware.repos

安装依赖的 ROS 包

sudo rosdep init
sudo rosdep update
rosdepc install
source /opt/ros/humble/setup.bash
rosdepc install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO

编译：

colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release

单独编译某个包：

colcon build --packages-up-to <name-of-pkg>

清理并重新构建：有时候构建过程中的残留文件可能会导致问题。尝试清理以前的构建文件并重新构建项目：

rm -rf build install log
colcon clean

编译报错

/home/buaa/TensorRT-8.6.1.6/include/NvInferRuntime.h:674:61: error: unused parameter ‘pluginFactory’ [-Werror=unused-parameter]
674 | void const blob, std::size_t size, IPluginFactory pluginFactory) noexcept
| ^~~
cc1plus: all warnings being treated as errors
gmake[2]: [CMakeFiles/tensorrt_common.dir/build.make:76: CMakeFiles/tensorrt_common.dir/src/tensorrt_common.cpp.o] Error 1
gmake[1]: [CMakeFiles/Makefile2:137: CMakeFiles/tensorrt_common.dir/all] Error 2
gmake: *** [Makefile:146: all] Error 2

这个错误主要是由于编译器将所有警告都视为错误，而NvInferRuntime.h中的一个未使用的参数pluginFactory触发了这个警告

解决方法：忽略未使用参数的警告

找到包含tensorrt_common包的CMakeLists.txt文件：

find . -name "CMakeLists.txt" | grep tensorrt_common

终端输出：

./src/universe/autoware.universe/common/tensorrt_common/CMakeLists.txt

修改CMakeLists.txt文件,在CMakeLists.txt文件中添加以下行，忽略未使用参数的警告：

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wno-error=unused-parameter")

出现警告

CMake Warning at CMakeLists.txt:20 (message):
cuda, cudnn, tensorrt libraries are not found

解决方法设置环境变量：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc

编译警告1：

— stderr: elevation_map_loader
CMake Warning at CMakeLists.txt:16 (find_package):
By not providing “Findrosbag2_storage_sqlite3.cmake” in CMAKE_MODULE_PATH
this project has asked CMake to find a package configuration file provided
by “rosbag2_storage_sqlite3”, but CMake did not find one.
Could not find a package configuration file provided by
“rosbag2_storage_sqlite3” with any of the following names:
rosbag2_storage_sqlite3Config.cmake
rosbag2_storage_sqlite3-config.cmake
Add the installation prefix of “rosbag2_storage_sqlite3” to
CMAKE_PREFIX_PATH or set “rosbag2_storage_sqlite3_DIR” to a directory
containing one of the above files. If “rosbag2_storage_sqlite3” provides a
separate development package or SDK, be sure it has been installed.

解决办法：安装对应的包

sudo apt-get install ros-$ROS_DISTRO-rosbag2-storage*

> 
> 
> 编译警告2： 
> --- stderr: yabloc_pose_initializer 
> CMake Warning (dev) at CMakeLists.txt:12 (find_package): 
> Policy CMP0074 is not set: find_package uses _ROOT variables. 
> Run "cmake --help-policy CMP0074" for policy details. Use the cmake_policy 
> command to set the policy and suppress this warning. 
> CMake variable PCL_ROOT is set to: 
> /usr 
> For compatibility, CMake is ignoring the variable. 
> This warning is for project developers. Use -Wno-dev to suppress it.

---

##### 解决办法：安装对应的包

CMP0074未设置，而在项目中使用了find_package命令，该命令使用了PCL_ROOT变量。 
在对应的包的project()命令之后，find_package()命令之前，添加

cmake_policy(SET CMP0074 NEW)


使用以下命令来查找功能包所在的位置,例如要寻找上面报错的yabloc_pose_initializer包的位置：

colcon list | grep yabloc_pose_initializer


然后单独编译这个包：

colcon build –packages-up-to yabloc_pose_initializer


编译警告3

> --- stderr: bag_time_manager_rviz_plugin 
> CMake Warning (dev) at CMakeLists.txt:7 (find_package): 
> Ignoring EXACT since no version is requested. 
> This warning is for project developers. Use -Wno-dev to suppress it.

---

##### 解决办法：

没安装QT5或者没在~/.bashrc中指明QT5的位置，查询QT5是否安装，若安装则或打印出安装位置:

qmake –version


终端输出：

> QMake version 3.1 
> Using Qt version 5.15.3 in /usr/lib/x86_64-linux-gnu

故在~/.bashrc添加:

export PATH="/usr/lib/x86_64-linux-gnu/qt5/bin:$PATH" export LD_LIBRARY_PATH="/usr/lib/x86_64-linux-gnu/qt5/lib:$LD_LIBRARY_PATH"


### 安装Autoware Build GUI

安装依赖：

sudo apt install libwebkit2gtk-4.1-0 libjavascriptcoregtk-4.1-0 libsoup-3.0-0 libsoup-3.0-common


安装Rust

curl –proto ‘=https’ –tlsv1.2 -sSf https://sh.rustup.rs/ | sh sudo apt install rustc


验证:

rustc –version


安装Node.js：

sudo apt install nodejs


验证 Node.js 安装

node –version


安装npm

npm install -g pnpm


下载源码：

git clone https://github.com/leo-drive/autoware-build-gui.git


安装.deb

sudo dpkg -i autoware-build-gui_1.0.3_amd64.deb


### 下载好高精地图后就可运行案例

source install/setup.bash ros2 launch autoware_launch planning_simulator.launch.xml map_path:=autoware_map/sample-map-planning vehicle_model:=sample_vehicle sensor_model:=sample_sensor_kit


![](/uploads/2024/08/Autoware-Universe-1024x574.png)

Autoware安装（踩坑指南）

Sun, 12 Nov 2023 13:25:34 +0800

由于工作需要需要学习一下autoware这个框架，但是在安装的时候遇到了数不进的坑，网上的教程基本都跑不起来。自己搞了好半天，终于跑起了个demo，记录一下踩坑的过程。

本次要安装的是Autoware.ai这个版本，他是基于ROS1 Melodic的，需要Ubuntu 18.04的环境，由于我的系统是Ubuntu 20.04，因此需要在Docker中运行ROS1 Melodic环境。

一、安装Docker

首先验证系统上没有安装旧版本或不兼容版本的Docker

sudo apt-get remove docker docker-engine docker.io

看到以下提示就没问题

继续安装一些依赖：

sudo apt-get update

sudo apt-get install apt-transport-https ca-certificates curl software-properties-common

然后设置密钥

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

sudo apt-key fingerprint 0EBFCD88

接下来设置软件源

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

接下来就可以安装Docker了

sudo apt-get install docker-ce

二、安装docker-nvidia

如果电脑没有英伟达独显则跳过这一步。有独显的话先确保已经安装了nvidia显卡驱动，输入nvidia-smi即可确定是否已经成功安装。

确保有nvidia驱动后，安装docker-nvidia，运行以下命令：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get install -y nvidia-docker2

三、安装Autoware Docker镜像

先git clone一下源码

git clone https://gitlab.com/autowarefoundation/autoware.ai/docker.git

cd docker/generic

sudo ./run.sh

如果没有独显没有装docker-nvidia 会显示以下报错：

使用如下命令关闭cuda的支持就可以了：

 sudo ./run.sh -c off

如果报以下错误“usermod: UID ‘0’ already exists”则需要修改run.sh,加入以下语句

USER_ID="$(id -u)"
if [ USER_ID != 0 ]; then
USER_ID=1000;
else
USER_ID=${USER_ID};
fi

加入的位置如下图中的红色框所示

四、编译

在docker环境下输入以下指令：

cd /home/autoware/Autoware

colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

编译需要耐心等一段时间，视电脑性能而定。

五、下载rosbag数据集

编译完成后就可以运行官方的rosbag实例，先要下载稍后会用到的测试数据：

wget http://db3.ertl.jp/autoware/sample_data/sample_moriyama_data.tar.gz

wget http://db3.ertl.jp/autoware/sample_data/sample_moriyama_150324.tar.gz

如果无法科学上网下载太慢的话，可通过以下百度网盘下载

链接：https://pan.baidu.com/s/1lg0lnjVwmdOb8r9U_bEsXA
提取码：i0v5

我看网上其他教程都是下载完后用docker cp命令从主机拷贝到docker镜像中，然后在docker中解压，我一开始就是这样干的，但是后来再打开docker后发现拷贝过来解压的文件都不见了！后来才了解到Docker 的容器使用容器层文件系统,退出容器后文件层会被删除和清空，重启docker后,之前运行的容器都会退出,容器层文件系统被清空,docker cp 拷贝的文件就都丢失了。

其实运行run.sh后，安装完会在主机目录下生成shared_dir文件夹，方便传文件到docker，其实这是通过挂载宿主机目录的方式实现数据的永久保存。当然你也可以自己挂载一个目录，在run.sh脚本里找到这几行：

VOLUMES="--volume=$XSOCK:$XSOCK:rw
 --volume=$XAUTH:$XAUTH:rw
 --volume=$SHARED_HOST_DIR:$SHARED_DOCKER_DIR:rw

在其下面加入你要挂载的目录，前面是你主机文件夹的路径，冒号后面的是docker里的路径。

 -v /home/leo/autoware_rosbag:/home/autoware/rosbag" # 加入挂载数据目录

解压命令为：

tar zxfv sample_moriyama_150324.tar.gz
tar zxfv sample_moriyama_data.tar.gz

六、运行demo实例

在docker中进入Autoware文件夹下然后运行

source install/setup.bash

roslaunch runtime_manager runtime_manager.launch

运行后可显示出可视化配置界面

然后网上的教程都是直接加载bag与launch文件运行，但实际上遇到很多问题导致这样跑不起来。

于是在autoware项目issue里看到了一个正确的配置顺序。

注意Point Cloud与Vctor Map要鼠标左键拖住全选，这两个最好最后等rviz加载出来后再点击加载。

按顺序点击完后，再点击“Pause”继续播放rosbag包，一开始车辆会乱飘，这是ndt在匹配，等ndt点云匹配完车辆就会在道路上正常行驶

NDT点云匹配中

NDT匹配完成