Apollo自动驾驶小车技术实战：从环境搭建到避坑指南

1次阅读

没有评论

共计 2034 个字符，预计需要花费 6 分钟才能阅读完成。

自动驾驶小车的开发过程中，环境配置和传感器集成往往是开发者遇到的第一个拦路虎。我自己最初接触 Apollo 平台时，就深深体会到了这一点。常见的痛点包括：

环境配置复杂：Apollo 依赖大量第三方库，版本兼容性问题频发
传感器同步困难：激光雷达、摄像头、IMU 等设备时间戳对齐是个技术活
性能调优门槛高：系统资源分配不当会导致关键模块延迟
二次开发文档分散：官方文档虽然全面，但针对小车的特化指导较少

Apollo 采用经典的分层架构：

感知层：处理传感器原始数据（激光雷达点云、相机图像等）
预测层：对周围物体运动轨迹进行预测
规划层：生成行驶路径
控制层：将路径转化为车辆控制指令

推荐使用 Apollo 官方提供的 Docker 镜像（v6.0+），关键配置：

# 示例：自定义镜像增加 CUDA 支持
FROM apolloauto/apollo:runtime-latest

# 安装特定版本驱动
RUN apt-get install -y nvidia-driver-450

# 增加 USB 设备访问权限
ENV USB_DEVICE_RULES="99-apollo-usb.rules"

修改modules/drivers/hesai/conf/hesai.conf：

model = "Pandar40P"
ip = "192.168.1.201"  # 设备实际 IP
port = 2368

标定文件放置于modules/calibration/data/pandar40p/

# 示例：多摄像头同步采集
import cv2

caps = [cv2.VideoCapture(i) for i in [0, 2]]  # 设备索引
while True:
    frames = [cap.read()[1] for cap in caps]
    # 时间对齐处理...

modules/control/conf/control_conf.pb.txt关键参数：

enable_csv_debug: true  # 记录调试数据
max_planning_interval_sec: 0.5  # 最大规划间隔
lat_controller_conf {preview_window: 10  # 预瞄窗口大小}

import numpy as np

# 激光雷达到相机的旋转矩阵
R = np.array([[0, -1, 0],
              [0, 0, -1],
              [1, 0, 0]]) 
# 平移向量               
T = np.array([0.5, 0.1, 1.2])

# 标定结果保存为 yaml
import yaml
with open('lidar_cam_calib.yaml', 'w') as f:
    yaml.dump({'rotation': R.tolist(), 'translation': T.tolist()}, f)

典型资源消耗（测试环境：NVIDIA Xavier NX）：

模块	CPU 占用(%)	内存(MB)	GPU 显存(MB)
感知	45	1200	1500
预测	15	800	200
规划	30	500	0

CyberRT 调优：

# 修改调度策略
export CYBER_SCHEDULE_POLICY=rr  # 轮询调度

降低传感器数据频率：

# modules/drivers/proto/sensor_conf.proto
message Config {optional double frequency = 1 [default = 10.0];  # 从 20Hz 降到 10Hz
}

Docker 容器无法访问 USB 设备
解决方法：添加 --privileged 参数并配置 udev 规则
传感器时间不同步
方案：使用 PTP 协议同步，或硬件触发信号
规划模块路径抖动
调整 smoothing_config 中的权重参数
CyberRT 通信延迟
检查 channel 的 QoS 配置，避免消息堆积
控制指令执行滞后
降低控制频率或优化 CAN 总线配置

以增加新的障碍物检测算法为例：

在 modules/perception 中创建新组件

实现基类接口：

class MyDetector : public BaseObstacleDetector {
 public:
  bool Detect(const ObstacleDetectorOptions& options,
              std::vector<Obstacle>* obstacles) override {// 实现你的算法}
};