Apollo自动驾驶仿真比赛新手入门指南：从环境搭建到赛道实战

1次阅读

共计 1287 个字符，预计需要花费 4 分钟才能阅读完成。

Apollo 是百度开源的自动驾驶平台，其仿真比赛通过虚拟环境验证算法能力。对新手而言，这是低成本学习自动驾驶核心模块（感知 / 决策 / 控制）的理想场景。比赛通常要求参赛车辆在模拟城市中完成避障、跟车等任务，评分维度包括安全性、舒适性和效率。

Ubuntu 18.04/20.04 LTS（推荐原生系统，非虚拟机）
NVIDIA 显卡（显存≥4GB）
Docker 19.03+

基础环境配置

# 安装 NVIDIA 驱动和 CUDA
sudo apt install nvidia-driver-470 cuda-11-4

安装 Apollo 依赖

# 安装 docker-compose 和 GPU 支持
sudo apt install docker-compose nvidia-container-toolkit

启动仿真环境

git clone https://github.com/ApolloAuto/apollo
cd apollo && bash docker/scripts/dev_start.sh

# apollo/modules/perception/lidar_detection.py
class ObstacleDetector:
    def __init__(self):
        self.model = load_pretrained("pointpillars")  # 加载点云检测模型

    def process(self, point_cloud):
        # 输入：原始点云数据
        # 输出：障碍物 3D 框和类别
        return self.model.predict(point_cloud)

通过 HD 地图获取路线
根据感知结果生成参考线
使用 QP 算法规划平滑轨迹

// apollo/modules/control/controller/pid_controller.cc
double PIDController::Control(const double error) {
    integral_ += error * dt_;  // 积分项
    derivative = (error - prev_error_) / dt_;  // 微分项
    return Kp_*error + Ki_*integral_ + Kd_*derivative;
}

Docker 权限问题 ：将用户加入 docker 组后需重新登录
```
sudo usermod -aG docker $USER
```
CUDA 版本冲突 ：严格匹配 Apollo 文档要求的 CUDA 版本
仿真延迟高 ：关闭 GUI 可视化可提升性能
```
 bash scripts/bootstrap.sh stop  # 关闭 Dreamview
```