Apollo環境下的調試

Apollo環境下的調試

在安裝完Apollo的環境之後如何使用Apollo系統進行調試運行是瞭解該系統的基礎，網上以及官方說明文檔也有，主要是下載Apollo提供的數據包，看看數據效果，本文主要是針對代碼調試自己需要了解的模塊，這裏主要以規劃控制模塊爲例，其他模塊與之類似。本文主要對規劃中的全局路徑規劃（Routing）模塊、決策規劃（Planning）模塊的運行過程進行說明，並介紹瞭如何在planning中添加障礙物，以及planning中對障礙物的決策進行說明。

1.啓動Apollo的環境

調試Apollo的環境需要先啓動Apollo的運行環境，對Apollo安裝有不懂的可以參考Apollo無人駕駛平臺的離線搭建與使用。啓動Apollo環境過程如下：

// 切換到docker目錄下
~$ cd apollo-3.0.0/docker/scripts/
// start（可能需要聯網，然後將--local去掉）
~$ ./dev_start.sh --local
// 進入
~$ ./dev_into.sh
//run system
~$ ./scripts/bootstrap.sh start

2.選擇車輛和地圖的配置參數

在瀏覽器中打開 http://localhost:8888 進入界面，車輛型號選擇 MkzExample，Apollo給了三個區域的高精度地圖，地圖可以任意選擇一個，這裏選擇 Sunnyvale Loop，並在Tasks裏面選擇 simcontrol，即可進入仿真模擬控制，如下圖所示：

3.啓動模塊進程

在選擇好配置參數啓動仿真模擬後，在ModuleControl中選擇你需要調試的模塊如下圖所示：

由於這是模擬環境下啓動的，沒有雷達攝像頭等硬件設備，因此很難直接在這個模擬平臺上調試感知的參數，當然如果有攝像頭激光雷達的數據包也可以使用感知模塊。感知與預測模塊得到的障礙物數據是給planning中使用的，當然如果需要測試planning中對障礙物的決策情況，還是可以手動添加的障礙物，會在後續文檔進行介紹。因此，這裏就很多情景中，無人車的軌跡跟隨的場景進行模擬，這裏啓動routing(全局規劃)，planning(決策規劃)，control(控制模塊的進程)，啓動完成後，可以進入routing Editing發送請求，如下圖，第一張圖表示Apollo給出的一張地圖，其地圖的詳細數據存儲在base_map.xml中，設置請求即在如下地圖中設置起點-途經點-終點，如下第二張圖所示：
可以在整張地圖上，拖動點擊鼠標可以在地圖上任意選擇兩個點，然後選擇send routing request可以發送請求，routing模塊就會在地圖中搜索出可行的路徑，planning模塊將指導車進行決策和局部規劃，進而指導車進行運動，其效果如下：
圖中可瞭解到，紅線就是routing規劃的，藍色的亮線爲planning規劃的。

4. 手動添加障礙物

在Apollo系統的代碼中因爲沒有感知和預測的數據，所以除了高精度地圖中的一些標誌，是沒有其他車輛和障礙物的約束，要想了解在planning模塊中對障礙物的決策過程，可以在程序中添加障礙物，planning中將預測得到的結果添加到frame中得到障礙物的軌跡，因此可以按照預測的結果直接添加到frame函數中，具體過程如下：

在這個目錄下按照這個文件格式添加障礙物

"modules/planning/common/testdata/sample_prediction.pb.txt"

其數據格式如下：

header {
  timestamp_sec: 1487029724.22
  module_name: "prediction"
  sequence_num: 9338
}
prediction_obstacle {
  perception_obstacle {
    id: 2161
    position {
      x: 585868.39
      y: 4139982.16
      z: 0
    }
    theta: 0.0249947936189
    velocity {
      x: 0
      y: 0
      z: 0
    }
    length: 0.357469637533
    width: 1.513933358
    height: 0.514804840088
	
	polygon_point {
      x: 97.2893624333
      y: 347.796489884
      z: -31.6976950117
    }
    polygon_point {
      x: 97.2902582356
      y: 347.923750521
      z: -31.6948381206
    }
    polygon_point {
      x: 97.3307050201
      y: 348.052103216
      z: -31.6921948431
    }
    polygon_point {
      x: 97.5875120205
      y: 348.394845337
      z: -31.6860325399
    }
    polygon_point {
      x: 97.6613368321
      y: 346.921045429
      z: -31.7196251173
    }
    polygon_point {
      x: 97.33956867
      y: 346.945560842
      z: -31.7171360436
    }
    polygon_point {
      x: 97.3009911378
      y: 347.136420518
      z: -31.7126110052
    }
    
    tracking_time: 0
    type: UNKNOWN
    timestamp: 0
  }
}

Header是數據頭包括時間戳、標籤名、序列號等，prediction_obstacle是具體的數據，包括障礙物的id、位置（該位置可以設置到地圖中，是全局座標）、航向角、速度，以及障礙物的尺寸（長寬高），polygon_point用來描述障礙物的的形狀，這裏採用多邊形來進行描述，type表示障礙物的類型，與感知的標籤有關，當然如果是unknown，planning會根據尺寸和爲位置進行判斷，考慮前車或者其他的交通進行決策，具體過程見planning的tasks中，這裏沒有加障礙物預測的軌跡，如有需要可自行添加。
然後在frame.cc中在 **Frame::CreateReferenceLineInfo()**函數中這行
bool has_valid_reference_line = false ;前添加如下代碼：

//添加一個靜態的障礙物
  PredictionObstacles prediction_obstacle;
  common::util::GetProtoFromFile(
        "modules/planning/common/testdata/sample_prediction.pb.txt",
        &prediction_obstacle);
    auto obstacles = Obstacle::CreateObstacles(prediction_obstacle);
  //AddObstacle(*obstacles1);
  for (auto& obstacle : obstacles) {
      AddObstacle(*obstacle);
    } 

這裏在車前設置一個障礙物，車認爲是靜止的前車，然後進行決策，採取stop，其效果如下所示：