银川网站制作女教师遭网课入侵视频大全集

 1.首先安装autoware ，大家可以以下一下博客进行安装，如果缺少库什么的直接问ai安装对应的库就行。ubuntu18.04安装Autoware1.14---GPU版 最全环境配置说明_autoware1.14安装教程-CSDN博客

安装成功后运行：

source install/setup.bash

roslaunch runtime_manager runtime_manager.launch 

2.接下来下载vehicle_sim的gazebo仿真环境：

mkdir -p ~/vehicle_sim/src
cd ~/vehicle_sim/src
git clone https://github.com/yukkysaito/vehicle_sim.git
cd ~/vehicle_sim
catkin_make
source devel/setup.bash
roslaunch vehicle_sim_launcher gazebo_autoware.launch gpu:=true

运行上述命令之后会出现以下的汽车模型以及虚拟gazebo环境以及汽车控制界面

如果打开gazebo黑屏一直初始化加载不出来，把网络断了就OK

3.下载对应的点云地图文件以及坐标变化还有路径信息-下载autoware_word就行：https://drive.google.com/drive/folders/1GIKh2I5JTpJC7QJIYYtZ1YdJFTRdl8HW 

 4.接下来就正式开始操作：在autoware可视化操作界面中点击Topics页面中点击左下角Refresh刷新一下看有没有点云信息，有的话就证明与gazebo连接正常。

5.首先点击Map里面， 在Point Cloud中右边的Ref中选择3步骤中文件夹里的autoware-190107.pcd，同理TF选择文件夹里的tf.launch，点击右下角的RViz就可以看到相应的地图文件：

6.之后点击Sensing页面进行传感器的设置， 由于此次进行的虚拟仿真故不需要选择传感器，只需要选择Points Downsampler下的体素下采样voxel_grid_filter以及Points Preprocessor下的地面滤除ring_ground_filter,具体的参数可以默认就行（参数在选项右边的app里面设置，设置完记得点ok保存），。

7.之后点击Computing中Localization下的lidar_localizer中ndt_matching进行点云定位，具体的参数设置如下图，注意选择Initipal Pos，点击ok保存，打开rviz中可以看到已经定位成功

8.之后点击autoware_connector下的vel_pose_connect进行车速位置连接，参数设置如下所示，

9.接着点击 Semantics下的代价地图“costmap_generator_param”，参数采用默认设置，参数包括设置代价地图分辨率（grid_resolution）、地图长度（grid_length_x和grid_length_y）、起始位置（grid_position_x和grid_position_y）、激光雷达高度阈值（maximum_lidar_height_thres和minimum_lidar_height_thres）设置时注意避免自身点云的影响从而阻止车辆后续轨迹的生成、多边形扩展大小（expand_polygon_size）以及扩展核大小（size_of_expansion_kernel，必须是奇数）。这些参数共同作用，以生成一个精确的代价地图，用于自动驾驶系统中的路径规划和障碍物检测，重新点击RVIZ,会看到生成一个白色区域就是代价地图。

10.之后点击 Mission Planning下lan_planner的“lane_rule”和“lane_select”，负责规划车辆的车道路径，参数采用默认设置：

11.接着选择 Mission Planning下freespace_planner中的astar_navi来选择Hybrid A* 算 法 进 行 路 径 规 划。

12. 之后点击 Motion Planning 下的waypoint_planer的astar_avoid相应的astar_avoid和velocity_set相应的参数采用默认值，用于判断前方是否有障碍物,如果有,则计算与障碍物的距离进而判断是要减速还是停车。

 

12.最后点击 Motion Planning 下的waypoint_follower的pure_pursuit以及相应的twist_filter进行速度过滤，相应的参数采用默认值。

13.最后在rviz当中先选择2D Pose Estimate进行车辆的初始定位，接着选择2D Nav Goal进行目标终点的定位，生成的轨迹以及行驶过程如下图所示：