Apollo自动驾驶源码解析：新手入门指南与关键模块解读

共计 1680 个字符，预计需要花费 5 分钟才能阅读完成。

系统架构概览

Apollo 采用经典的三层架构：感知 (Sensing)- 决策(Decision)- 控制(Control)。通过/apollo/modules/common/msgs 下的 proto 文件可以看到模块间通信的数据结构定义。核心流程如下：

1. 感知层 ：激光雷达 / 摄像头数据通过/apollo/modules/perception 处理，输出障碍物列表
2. 决策层 ：/apollo/modules/planning 生成轨迹路径
3. 控制层 ：/apollo/modules/control 将路径转化为油门 / 刹车指令

Lidar 目标检测实战

以 /apollo/modules/perception/lidar/lib/detection/lidar_point_pillars 为例，关键处理流程：

// 点云预处理（移除地面点）void PointPillarsDetection::Process(/*...*/) {ground_detector_->Detect(frame); // 使用 GPF 算法
  roi_filter_->Filter(frame);      // 感兴趣区域过滤
  // ...
}

// 特征提取网络（基于 PaddlePaddle）void FeatureNet::Forward(/*...*/) {paddle::Tensor input_tensor = ConvertToPaddleTensor(points);
  feature_extractor_->Run(input_tensor); 
}

Apollo 特有的Cyber 组件命名规则：
– Component后缀表示数据处理器
– Updater后缀表示状态维护模块
– Adapter后缀用于硬件接口

调试工具对比

Dreamview vs Cyber RT Monitor：

推荐开发期使用 Cyber RT 命令行工具：

# Ubuntu 18.04 需先安装 ncurses
cyber_monitor -c /apollo/data/bag/2023-01-01/channel_list.txt

Docker 部署避坑

GPU 驱动版本矩阵：

常见报错解决方法：

# 检查 NVIDIA 容器工具包
docker run --gpus all nvidia/cuda:11.4-base nvidia-smi

# 修复 libnvidia-ml.so 缺失
sudo apt install --reinstall nvidia-utils-$(dpkg -l | grep nvidia-driver | awk '{print $3}')

CAN 总线数据解析

使用 /apollo/modules/canbus/proto/chassis.proto 定义的数据结构：

from modules.canbus.proto import chassis_pb2

# 解析 CAN 帧（需要先安装 apollo-wheel）def parse_can_data(raw_bytes):
    chassis = chassis_pb2.Chassis()
    chassis.ParseFromString(raw_bytes)
    print(f"车速: {chassis.speed_mps:.2f}m/s 方向盘角度: {chassis.steering_percentage}%")

进阶方向建议

1. 时序融合 ：研究/apollo/modules/perception/fusion 中的卡尔曼滤波实现
2. 轨迹优化 ：分析/apollo/modules/planning/math/piecewise_jerk 的二次规划算法
3. 硬件加速 ：尝试用 TensorRT 优化/apollo/modules/perception/inference 中的模型

从实际项目经验看，建议先通过 Dreamview 熟悉系统整体行为，再逐步深入单个模块。遇到编译问题时，注意检查 /apollo.sh 中设置的编译选项是否与硬件匹配。