Autoware.ai人机交互开发实战：从零搭建自动驾驶交互系统

1次阅读

没有评论

共计 2106 个字符，预计需要花费 6 分钟才能阅读完成。

自动驾驶系统的人机交互（HMI）是确保安全性和用户体验的核心环节。Autoware.ai 作为开源自动驾驶框架，其交互系统需要处理车辆状态展示、异常报警、用户指令解析等复杂场景。主要面临三个挑战：

实时性要求 ：控制指令需在 100ms 内响应
多模态融合 ：需同时处理语音、触摸、物理按键输入
故障冗余 ：任何单点故障不应导致交互中断

采用 ROS2 的分布式架构，关键组件包括：

交互核心节点 ：用 C ++ 实现的状态机（lifecycle 节点）
前端界面 ：基于 Qt 或 Web 的 GUI（建议使用 rqt）
通信中间件 ：DDS 协议的 Quality of Service 配置

典型通信拓扑：

@startuml
component "用户终端" as UI
component "交互核心" as Core
component "控制系统" as Ctrl

UI -> Core : 指令消息 (DDS Topic)
Core -> Ctrl : 控制命令 (Action)
Ctrl --> Core : 状态反馈 (Custom Msg)
Core --> UI : 可视化数据 (JSON)
@enduml

class InteractionManager : public rclcpp_lifecycle::LifecycleNode {
public:
  // 状态枚举需与 Autoware 标准对齐
  enum class SystemState {BOOT, STANDBY, ACTIVE, FAULT};

  InteractionManager() : LifecycleNode("interaction_mgr") {
    // 初始化状态发布者
    state_pub_ = create_publisher<std_msgs::msg::UInt8>("/hmi/state", 10);

    // 配置状态转换回调
    register_transition_callback(SystemState::STANDBY, 
      [this]() { return this->check_sensors_ready(); });
  }

  // 关键线程：每 50ms 发布状态
  void state_update_loop() {while (rclcpp::ok()) {auto msg = std_msgs::msg::UInt8();
      msg.data = static_cast<uint8_t>(current_state_);
      state_pub_->publish(msg);
      std::this_thread::sleep_for(50ms);
    }
  }

private:
  SystemState current_state_ = SystemState::BOOT;
  rclcpp::Publisher<std_msgs::msg::UInt8>::SharedPtr state_pub_;
};

采用三级容错策略：

硬件层 ：Watchdog 定时检测

通信层 ：QoS 配置示例：

/control/emergency:
  reliability: RELIABLE
  durability: TRANSIENT_LOCAL
  deadline: 100ms  # 必须小于控制周期

应用层 ：使用 ROS2 的 LifecycleNode 管理节点状态

推荐使用 ROS2 的 rqt 插件体系快速开发：

创建基础插件类继承 rqt_gui_cpp::Plugin

关键信号绑定示例：

self._state_sub = self.create_subscription(
    UInt8, '/hmi/state',
    lambda msg: self._update_ui(SYSTEM_STATES[msg.data]),
    qos_profile=QoSPresetProfiles.SENSOR_DATA.value)

实测表明通信延迟主要来自序列化，优化方案：

使用 zero-copy 传输（需共享内存支持）
消息字段对齐到 32 位边界
对于高频数据（如车辆姿态），采用 FlatBuffers 替代原生 ROS 消息

消息丢失问题 ：
检查 DDS 配置中的 history depth
避免在回调函数中进行耗时操作
状态不同步 ：
实现 NTP 时间同步
关键状态采用 Action 而非 Topic

推荐采用中介者模式（Mediator）处理复杂交互逻辑：

class InteractionMediator:
    def __init__(self):
        self._components = []

    def register(self, component):
        self._components.append(component)

    def notify(self, sender, event):
        for comp in self._components:
            if comp != sender:
                comp.handle_event(event)

通过本文介绍的架构，我们在实车测试中实现了平均 83ms 的指令响应延迟。建议读者进一步探索：