第0章 Autoware学习大纲共15章第一部分架构与核心基础3章第1章 Autoware架构总览与技术栈对应代码: 整体架构、repositories/autoware.repos章节结构:1.1 Autoware项目概述1.1.1 项目历史与发展1.1.2 开源生态与社区1.1.3 商业应用案例1.2 整体架构设计1.2.1 多仓库管理机制meta-repository1.2.2 模块划分原则core/universe/launcher/sensor1.2.3 架构演进与版本管理1.3 ROS 2技术栈1.3.1 ROS 2基础概念Node/Topic/Service/Action1.3.2 DDS通信中间件1.3.3 QoS策略配置1.4 系统数据流1.4.1 传感器数据流1.4.2 感知结果传递1.4.3 规划控制链路1.5 系统启动与生命周期1.5.1 启动流程分析1.5.2 节点生命周期管理1.5.3 故障恢复机制第2章 核心消息与数据结构对应代码: core/autoware_msgs, core/autoware_adapi_msgs, core/autoware_internal_msgs章节结构:2.1 消息体系概述2.1.1 消息分层设计公共/内部/API2.1.2 消息演进与兼容性2.2 autoware_msgs核心消息2.2.1 感知消息DetectedObject/TrackedObject2.2.2 规划消息Trajectory/Path2.2.3 控制消息Control Command2.2.4 地图消息HADMapBin2.3 autoware_adapi_msgs应用层API2.3.1 车辆状态消息2.3.2 任务管理消息2.3.3 系统监控消息2.4 autoware_internal_msgs内部消息2.4.1 模块间内部通信2.4.2 调试与诊断消息2.5 tier4_autoware_msgs扩展消息2.5.1 Tier IV特有功能消息2.5.2 与标准消息的关系第3章 核心基础设施与开发工具对应代码: core/autoware_cmake, core/autoware_utils, core/autoware_core章节结构:3.1 编译系统autoware_cmake3.1.1 CMake工程组织3.1.2 自定义CMake函数3.1.3 依赖管理与rosdep3.2 工具库autoware_utils3.2.1 数学工具几何变换/插值3.2.2 时间处理工具3.2.3 ROS工具封装3.2.4 日志与调试工具3.3 核心功能包autoware_core3.3.1 核心算法库3.3.2 通用组件与接口3.4 可视化工具3.4.1 RViz插件autoware_rviz_plugins3.4.2 可视化最佳实践3.5 开发环境3.5.1 Docker开发容器.devcontainer3.5.2 Ansible自动化部署3.5.3 代码质量工具clang-tidy/pre-commit3.6 仿真工具3.6.1 Planning Simulatorautoware_simple_planning_simulator3.6.2 仿真器配置与使用第二部分传感器与驱动2章第4章 传感器驱动与数据采集对应代码: sensor_component/external/nebula, sensor_component/transport_drivers章节结构:4.1 传感器架构概述4.1.1 传感器组件设计模式4.1.2 sensor_component_description4.2 LiDAR驱动Nebula4.2.1 Nebula架构设计4.2.2 支持的LiDAR型号Velodyne/Ouster/Hesai/Robosense4.2.3 点云解码与校准4.2.4 多LiDAR融合4.3 摄像头驱动4.3.1 摄像头接口标准4.3.2 图像采集与同步4.3.3 摄像头标定4.4 IMU与GNSS4.4.1 IMU数据采集4.4.2 GNSS接收器接口4.4.3 RTK定位支持rtklib_ros_bridge4.5 CAN总线通信4.5.1 ros2_socketcan驱动4.5.2 CAN消息解析4.5.3 车辆信号采集4.6 传感器时间同步4.6.1 时间戳对齐sync_tooling_msgs4.6.2 硬件同步方案4.6.3 软件同步策略第5章 传感器数据预处理对应代码: universe/autoware_universe点云处理/图像预处理部分章节结构:5.1 点云预处理5.1.1 点云滤波地面分割/离群点去除5.1.2 点云投影与坐标变换5.1.3 点云下采样5.1.4 pointcloud_to_laserscan转换5.2 图像预处理5.2.1 图像去畸变5.2.2 图像增强5.2.3 图像压缩与传输5.3 传感器融合预处理5.3.1 坐标系变换managed_transform_buffer5.3.2 多传感器数据对齐5.3.3 数据质量评估第三部分感知系统3章第6章 3D目标检测与跟踪对应代码: universe/autoware_universeperception 3d部分章节结构:6.1 3D感知架构6.1.1 感知流程概述6.1.2 感知模块组织6.2 基于LiDAR的3D检测6.2.1 点云聚类算法6.2.2 3D目标检测网络6.2.3 目标分类6.3 基于摄像头的3D检测6.3.1 单目3D检测6.3.2 BEVDet算法bevdet_vendor6.3.3 深度估计6.4 多传感器融合检测6.4.1 早期融合策略6.4.2 后期融合策略6.4.3 融合置信度计算6.5 多目标跟踪6.5.1 跟踪算法卡尔曼滤波/粒子滤波6.5.2 数据关联6.5.3 轨迹管理6.6 目标预测6.6.1 运动模型6.6.2 轨迹预测算法6.6.3 意图识别第7章 2D感知与交通场景理解对应代码: universe/autoware_universeperception 2d部分章节结构:7.1 2D感知架构7.2 交通灯识别7.2.1 交通灯检测7.2.2 交通灯分类7.2.3 交通灯状态跟踪7.3 交通标志识别7.3.1 标志检测7.3.2 标志分类7.3.3 地图匹配7.4 车道线检测7.4.1 车道线检测算法7.4.2 车道线拟合7.4.3 车道类型识别7.5 语义分割7.5.1 场景语义分割7.5.2 可行驶区域检测7.5.3 障碍物分割7.6 占用栅格地图7.6.1 栅格地图生成7.6.2 动态障碍物映射7.6.3 代价地图构建第8章 感知融合与场景理解对应代码: universe/autoware_universeperception fusion部分章节结构:8.1 感知融合架构8.2 目标级融合8.2.1 3D与2D检测融合8.2.2 冗余目标消除8.2.3 目标属性补全8.3 场景理解8.3.1 场景要素提取8.3.2 交通参与者关系建模8.3.3 场景危险度评估8.4 感知不确定性建模8.4.1 检测不确定性8.4.2 跟踪不确定性8.4.3 不确定性传播第四部分定位与地图2章第9章 高精度定位对应代码: universe/autoware_universelocalization部分, universe/external/eagleye章节结构:9.1 定位系统架构9.1.1 定位模块组织9.1.2 多源定位融合策略9.2 NDT点云匹配定位9.2.1 NDT算法原理9.2.2 NDT实现细节9.2.3 NDT参数调优9.3 GNSS/INS融合定位9.3.1 GNSS定位原理9.3.2 INS惯性导航9.3.3 卡尔曼滤波融合9.4 Eagleye定位方案9.4.1 Eagleye架构9.4.2 低成本传感器融合9.4.3 城市峡谷场景优化9.5 定位精度评估9.5.1 定位误差分析9.5.2 协方差估计9.5.3 定位质量监控9.6 定位失效检测与恢复9.6.1 失效检测机制9.6.2 降级策略9.6.3 重定位算法第10章 高精度地图对应代码: core/autoware_lanelet2_extension, universe/autoware_universemap部分章节结构:10.1 地图系统架构10.2 Lanelet2地图格式10.2.1 Lanelet2数据结构10.2.2 地图要素建模Lane/Regulatory Element10.2.3 地图坐标系10.3 Autoware Lanelet2扩展10.3.1 autoware_lanelet2_extension功能10.3.2 Autoware特有属性10.3.3 地图验证工具10.4 地图加载与解析10.4.1 地图文件读取10.4.2 地图索引与查询10.4.3 地图缓存策略10.5 路网拓扑与路由10.5.1 路网图构建10.5.2 车道连接关系10.5.3 路由可达性分析10.6 动态地图10.6.1 动态对象层10.6.2 临时交通管制10.6.3 地图更新机制第五部分规划与决策3章第11章 任务规划与路由对应代码: universe/autoware_universeplanning/mission_planning部分章节结构:11.1 任务规划架构11.2 全局路径规划11.2.1 A*路径搜索11.2.2 Dijkstra算法11.2.3 路径代价设计11.3 路由计算11.3.1 路由请求处理11.3.2 车道级路由11.3.3 路由重规划11.4 目标点管理11.4.1 目标点设定11.4.2 停车点选择11.4.3 目标点可达性验证11.5 多任务调度11.5.1 任务队列管理11.5.2 任务优先级11.5.3 任务中断与恢复第12章 行为规划与决策对应代码: universe/autoware_universeplanning/behavior_planning部分章节结构:12.1 行为规划架构12.2 场景识别与理解12.2.1 驾驶场景分类12.2.2 场景要素提取12.2.3 场景切换逻辑12.3 行为决策树12.3.1 决策树结构12.3.2 行为选择算法12.3.3 决策树可视化12.4 交通规则遵守12.4.1 交通灯遵守逻辑12.4.2 停止线处理12.4.3 让行规则12.4.4 速度限制12.5 交互式决策12.5.1 博弈论决策模型12.5.2 意图推理12.5.3 社会性行驶12.6 行为状态机12.6.1 状态定义与转换12.6.2 状态机实现12.6.3 状态监控与调试第13章 运动规划与轨迹生成对应代码: universe/autoware_universeplanning/motion_planning部分章节结构:13.1 运动规划架构13.2 轨迹生成算法13.2.1 采样式规划13.2.2 优化式规划13.2.3 混合式规划13.3 碰撞检测与避障13.3.1 碰撞检测算法13.3.2 安全距离计算13.3.3 动态避障策略13.4 路径平滑优化13.4.1 样条曲线拟合13.4.2 路径平滑算法13.4.3 曲率约束13.5 速度规划13.5.1 速度曲线生成13.5.2 加速度约束13.5.3 舒适性优化13.6 特殊场景规划13.6.1 停车规划13.6.2 变道规划13.6.3 掉头规划13.7 紧急停车规划13.7.1 紧急制动规划13.7.2 最小风险机动13.7.3 安全停靠第六部分控制与执行2章第14章 车辆控制对应代码: universe/autoware_universecontrol部分章节结构:14.1 控制系统架构14.1.1 控制模块组织14.1.2 控制周期与延迟14.2 纯跟踪控制器14.2.1 纯跟踪算法原理14.2.2 参数调优14.2.3 适用场景14.3 MPC模型预测控制14.3.1 MPC算法原理14.3.2 车辆运动学模型14.3.3 约束条件设计14.3.4 求解器选择14.4 PID控制器14.4.1 PID原理14.4.2 参数整定14.4.3 抗饱和设计14.5 横纵向解耦控制14.5.1 横向控制转向14.5.2 纵向控制加速/制动14.5.3 横纵向协调14.6 控制性能评估14.6.1 跟踪误差分析14.6.2 舒适性评估14.6.3 控制稳定性第15章 车辆接口与系统管理对应代码: universe/autoware_universevehicle/system部分, launcher/autoware_launch章节结构:15.1 车辆接口Vehicle Interface15.1.1 CAN通信协议15.1.2 底盘命令转换15.1.3 车辆状态反馈15.1.4 线控系统接口15.1.5 车辆接口适配15.2 系统管理与监控15.2.1 系统状态监控15.2.2 模块健康检查15.2.3 性能监控15.3 故障诊断与处理15.3.1 故障检测机制15.3.2 故障诊断算法15.3.3 降级策略15.4 应急管理15.4.1 紧急接管15.4.2 最小风险策略15.4.3 安全停车15.5 系统APIADAPI15.5.1 ADAPI架构基于autoware_adapi_msgs15.5.2 外部接口设计15.5.3 API使用示例15.6 启动与集成Launch Integration15.6.1 autoware_launch架构15.6.2 启动文件组织15.6.3 场景配置管理15.6.4 参数覆盖机制15.7 仿真测试15.7.1 仿真测试框架15.7.2 场景测试15.7.3 回归测试15.8 日志记录与回放15.8.1 ROS bag记录15.8.2 日志分析工具15.8.3 问题复现流程 第0章-Autoware学习大纲
第0章 Autoware学习大纲共15章第一部分架构与核心基础3章第1章 Autoware架构总览与技术栈对应代码: 整体架构、repositories/autoware.repos章节结构:1.1 Autoware项目概述1.1.1 项目历史与发展1.1.2 开源生态与社区1.1.3 商业应用案例1.2 整体架构设计1.2.1 多仓库管理机制meta-repository1.2.2 模块划分原则core/universe/launcher/sensor1.2.3 架构演进与版本管理1.3 ROS 2技术栈1.3.1 ROS 2基础概念Node/Topic/Service/Action1.3.2 DDS通信中间件1.3.3 QoS策略配置1.4 系统数据流1.4.1 传感器数据流1.4.2 感知结果传递1.4.3 规划控制链路1.5 系统启动与生命周期1.5.1 启动流程分析1.5.2 节点生命周期管理1.5.3 故障恢复机制第2章 核心消息与数据结构对应代码: core/autoware_msgs, core/autoware_adapi_msgs, core/autoware_internal_msgs章节结构:2.1 消息体系概述2.1.1 消息分层设计公共/内部/API2.1.2 消息演进与兼容性2.2 autoware_msgs核心消息2.2.1 感知消息DetectedObject/TrackedObject2.2.2 规划消息Trajectory/Path2.2.3 控制消息Control Command2.2.4 地图消息HADMapBin2.3 autoware_adapi_msgs应用层API2.3.1 车辆状态消息2.3.2 任务管理消息2.3.3 系统监控消息2.4 autoware_internal_msgs内部消息2.4.1 模块间内部通信2.4.2 调试与诊断消息2.5 tier4_autoware_msgs扩展消息2.5.1 Tier IV特有功能消息2.5.2 与标准消息的关系第3章 核心基础设施与开发工具对应代码: core/autoware_cmake, core/autoware_utils, core/autoware_core章节结构:3.1 编译系统autoware_cmake3.1.1 CMake工程组织3.1.2 自定义CMake函数3.1.3 依赖管理与rosdep3.2 工具库autoware_utils3.2.1 数学工具几何变换/插值3.2.2 时间处理工具3.2.3 ROS工具封装3.2.4 日志与调试工具3.3 核心功能包autoware_core3.3.1 核心算法库3.3.2 通用组件与接口3.4 可视化工具3.4.1 RViz插件autoware_rviz_plugins3.4.2 可视化最佳实践3.5 开发环境3.5.1 Docker开发容器.devcontainer3.5.2 Ansible自动化部署3.5.3 代码质量工具clang-tidy/pre-commit3.6 仿真工具3.6.1 Planning Simulatorautoware_simple_planning_simulator3.6.2 仿真器配置与使用第二部分传感器与驱动2章第4章 传感器驱动与数据采集对应代码: sensor_component/external/nebula, sensor_component/transport_drivers章节结构:4.1 传感器架构概述4.1.1 传感器组件设计模式4.1.2 sensor_component_description4.2 LiDAR驱动Nebula4.2.1 Nebula架构设计4.2.2 支持的LiDAR型号Velodyne/Ouster/Hesai/Robosense4.2.3 点云解码与校准4.2.4 多LiDAR融合4.3 摄像头驱动4.3.1 摄像头接口标准4.3.2 图像采集与同步4.3.3 摄像头标定4.4 IMU与GNSS4.4.1 IMU数据采集4.4.2 GNSS接收器接口4.4.3 RTK定位支持rtklib_ros_bridge4.5 CAN总线通信4.5.1 ros2_socketcan驱动4.5.2 CAN消息解析4.5.3 车辆信号采集4.6 传感器时间同步4.6.1 时间戳对齐sync_tooling_msgs4.6.2 硬件同步方案4.6.3 软件同步策略第5章 传感器数据预处理对应代码: universe/autoware_universe点云处理/图像预处理部分章节结构:5.1 点云预处理5.1.1 点云滤波地面分割/离群点去除5.1.2 点云投影与坐标变换5.1.3 点云下采样5.1.4 pointcloud_to_laserscan转换5.2 图像预处理5.2.1 图像去畸变5.2.2 图像增强5.2.3 图像压缩与传输5.3 传感器融合预处理5.3.1 坐标系变换managed_transform_buffer5.3.2 多传感器数据对齐5.3.3 数据质量评估第三部分感知系统3章第6章 3D目标检测与跟踪对应代码: universe/autoware_universeperception 3d部分章节结构:6.1 3D感知架构6.1.1 感知流程概述6.1.2 感知模块组织6.2 基于LiDAR的3D检测6.2.1 点云聚类算法6.2.2 3D目标检测网络6.2.3 目标分类6.3 基于摄像头的3D检测6.3.1 单目3D检测6.3.2 BEVDet算法bevdet_vendor6.3.3 深度估计6.4 多传感器融合检测6.4.1 早期融合策略6.4.2 后期融合策略6.4.3 融合置信度计算6.5 多目标跟踪6.5.1 跟踪算法卡尔曼滤波/粒子滤波6.5.2 数据关联6.5.3 轨迹管理6.6 目标预测6.6.1 运动模型6.6.2 轨迹预测算法6.6.3 意图识别第7章 2D感知与交通场景理解对应代码: universe/autoware_universeperception 2d部分章节结构:7.1 2D感知架构7.2 交通灯识别7.2.1 交通灯检测7.2.2 交通灯分类7.2.3 交通灯状态跟踪7.3 交通标志识别7.3.1 标志检测7.3.2 标志分类7.3.3 地图匹配7.4 车道线检测7.4.1 车道线检测算法7.4.2 车道线拟合7.4.3 车道类型识别7.5 语义分割7.5.1 场景语义分割7.5.2 可行驶区域检测7.5.3 障碍物分割7.6 占用栅格地图7.6.1 栅格地图生成7.6.2 动态障碍物映射7.6.3 代价地图构建第8章 感知融合与场景理解对应代码: universe/autoware_universeperception fusion部分章节结构:8.1 感知融合架构8.2 目标级融合8.2.1 3D与2D检测融合8.2.2 冗余目标消除8.2.3 目标属性补全8.3 场景理解8.3.1 场景要素提取8.3.2 交通参与者关系建模8.3.3 场景危险度评估8.4 感知不确定性建模8.4.1 检测不确定性8.4.2 跟踪不确定性8.4.3 不确定性传播第四部分定位与地图2章第9章 高精度定位对应代码: universe/autoware_universelocalization部分, universe/external/eagleye章节结构:9.1 定位系统架构9.1.1 定位模块组织9.1.2 多源定位融合策略9.2 NDT点云匹配定位9.2.1 NDT算法原理9.2.2 NDT实现细节9.2.3 NDT参数调优9.3 GNSS/INS融合定位9.3.1 GNSS定位原理9.3.2 INS惯性导航9.3.3 卡尔曼滤波融合9.4 Eagleye定位方案9.4.1 Eagleye架构9.4.2 低成本传感器融合9.4.3 城市峡谷场景优化9.5 定位精度评估9.5.1 定位误差分析9.5.2 协方差估计9.5.3 定位质量监控9.6 定位失效检测与恢复9.6.1 失效检测机制9.6.2 降级策略9.6.3 重定位算法第10章 高精度地图对应代码: core/autoware_lanelet2_extension, universe/autoware_universemap部分章节结构:10.1 地图系统架构10.2 Lanelet2地图格式10.2.1 Lanelet2数据结构10.2.2 地图要素建模Lane/Regulatory Element10.2.3 地图坐标系10.3 Autoware Lanelet2扩展10.3.1 autoware_lanelet2_extension功能10.3.2 Autoware特有属性10.3.3 地图验证工具10.4 地图加载与解析10.4.1 地图文件读取10.4.2 地图索引与查询10.4.3 地图缓存策略10.5 路网拓扑与路由10.5.1 路网图构建10.5.2 车道连接关系10.5.3 路由可达性分析10.6 动态地图10.6.1 动态对象层10.6.2 临时交通管制10.6.3 地图更新机制第五部分规划与决策3章第11章 任务规划与路由对应代码: universe/autoware_universeplanning/mission_planning部分章节结构:11.1 任务规划架构11.2 全局路径规划11.2.1 A*路径搜索11.2.2 Dijkstra算法11.2.3 路径代价设计11.3 路由计算11.3.1 路由请求处理11.3.2 车道级路由11.3.3 路由重规划11.4 目标点管理11.4.1 目标点设定11.4.2 停车点选择11.4.3 目标点可达性验证11.5 多任务调度11.5.1 任务队列管理11.5.2 任务优先级11.5.3 任务中断与恢复第12章 行为规划与决策对应代码: universe/autoware_universeplanning/behavior_planning部分章节结构:12.1 行为规划架构12.2 场景识别与理解12.2.1 驾驶场景分类12.2.2 场景要素提取12.2.3 场景切换逻辑12.3 行为决策树12.3.1 决策树结构12.3.2 行为选择算法12.3.3 决策树可视化12.4 交通规则遵守12.4.1 交通灯遵守逻辑12.4.2 停止线处理12.4.3 让行规则12.4.4 速度限制12.5 交互式决策12.5.1 博弈论决策模型12.5.2 意图推理12.5.3 社会性行驶12.6 行为状态机12.6.1 状态定义与转换12.6.2 状态机实现12.6.3 状态监控与调试第13章 运动规划与轨迹生成对应代码: universe/autoware_universeplanning/motion_planning部分章节结构:13.1 运动规划架构13.2 轨迹生成算法13.2.1 采样式规划13.2.2 优化式规划13.2.3 混合式规划13.3 碰撞检测与避障13.3.1 碰撞检测算法13.3.2 安全距离计算13.3.3 动态避障策略13.4 路径平滑优化13.4.1 样条曲线拟合13.4.2 路径平滑算法13.4.3 曲率约束13.5 速度规划13.5.1 速度曲线生成13.5.2 加速度约束13.5.3 舒适性优化13.6 特殊场景规划13.6.1 停车规划13.6.2 变道规划13.6.3 掉头规划13.7 紧急停车规划13.7.1 紧急制动规划13.7.2 最小风险机动13.7.3 安全停靠第六部分控制与执行2章第14章 车辆控制对应代码: universe/autoware_universecontrol部分章节结构:14.1 控制系统架构14.1.1 控制模块组织14.1.2 控制周期与延迟14.2 纯跟踪控制器14.2.1 纯跟踪算法原理14.2.2 参数调优14.2.3 适用场景14.3 MPC模型预测控制14.3.1 MPC算法原理14.3.2 车辆运动学模型14.3.3 约束条件设计14.3.4 求解器选择14.4 PID控制器14.4.1 PID原理14.4.2 参数整定14.4.3 抗饱和设计14.5 横纵向解耦控制14.5.1 横向控制转向14.5.2 纵向控制加速/制动14.5.3 横纵向协调14.6 控制性能评估14.6.1 跟踪误差分析14.6.2 舒适性评估14.6.3 控制稳定性第15章 车辆接口与系统管理对应代码: universe/autoware_universevehicle/system部分, launcher/autoware_launch章节结构:15.1 车辆接口Vehicle Interface15.1.1 CAN通信协议15.1.2 底盘命令转换15.1.3 车辆状态反馈15.1.4 线控系统接口15.1.5 车辆接口适配15.2 系统管理与监控15.2.1 系统状态监控15.2.2 模块健康检查15.2.3 性能监控15.3 故障诊断与处理15.3.1 故障检测机制15.3.2 故障诊断算法15.3.3 降级策略15.4 应急管理15.4.1 紧急接管15.4.2 最小风险策略15.4.3 安全停车15.5 系统APIADAPI15.5.1 ADAPI架构基于autoware_adapi_msgs15.5.2 外部接口设计15.5.3 API使用示例15.6 启动与集成Launch Integration15.6.1 autoware_launch架构15.6.2 启动文件组织15.6.3 场景配置管理15.6.4 参数覆盖机制15.7 仿真测试15.7.1 仿真测试框架15.7.2 场景测试15.7.3 回归测试15.8 日志记录与回放15.8.1 ROS bag记录15.8.2 日志分析工具15.8.3 问题复现流程