1. 前言

好多初创公司公布出来的视频明显都是循迹的效果，不是说循迹不好，相反可以证明，循迹是自动技术开始的第一步。

自动驾驶循迹：一种能够自动按照给定的路线（通常是采用不同颜色或者其他信号标记来引导）进行移动的车。

真车寻迹

真车寻迹与仿真寻迹类似，差别在于仿真定位采用事先记录的数据，真车定位采用实际的激光雷达。

2. 真车循迹

2.1 打开runtime manager

2.2 启动激光雷达

1）针对velodyne 多线lidar

如果你有velodyne激光可以启动默认配置：[Sensing] 页面下 [Lidars] 选项下针对你的velodyne选择，velodyne激光对应的发布的点云topic：/velodyne_packets，frame_id：velodyne，topic会被重映射成为/points_raw。

例如：假如你有16线激光，点选 [velodyne VLP-16] 的 [config]，点选[ref]，加载/home/pix/Autoware/ros/src/sensing/drivers/lid ar/packages/velodyne/velodyne_pointcloud/param s/VLP16db.yaml路径下的配置文件（自己多线激光雷达可以针对这个配置改写），退出 [config]，勾选 [velodyne VLP-16] 选项（一般的操作都是先修改config或者app下的配置或参数文件，然后勾选选项）。

 查看点云输出。

2）针对其他品牌多线lidar

如果你有其他品牌的激光，他们发布的topic不是/velodyne_packets，且frame_id同样不对应，这时可以自己写个程序转一下，参照：https://www.cnblogs.com/hgl0417/p/11067660.html。然后单独运行你的lidar driver node，将你的点云数据模拟成velodyne数据。此时，不需要点选runtime manager上的lidar配置文件（每个配置文件对应一个package或者node，意义在于将对应的topic发布，此时你已经发布了topic，所以不需要在点选上述配置文件）。

2.3 加载world到map以及base_link到velodyne的TF变化，加载地图

1) 设置从base_link到velodyne坐标系的TF

在 [Setup] 菜单中，确保 [Localizer] 下选项为 [Velodyne]，在 [Baselink to Localizer] 中设置好各个参数之后点击 TF 按钮，其中x、y、z、yaw、pitch、roll表示真车雷达中心点与车身后轴中心点的相对位置关系（右手坐标系，真车后车轴为原点），此时可以点击[Vehicle Model]，如果[Vehicle Model]为空，那么会加载一个默认模型（在rviz显示时，如果有激光雷达数据，车辆会显示为黑色）。如下图：

2）设置从world到map转换

点击 [Map] 页面，点击 [TF] 的 [ref] 选择 autoware/ros/src/.config/tf/tf_local.launch 文件，这是加载默认world到map的坐标转换，打开tf_local.launch文件如下：  

<launch>

    <node pkg="tf" type="static_transform_publisher" name="world_to_map" args="0 0 0 0 0 0 /world /map 10" />

</launch>
 args的参数“0 0 0 0 0 0 /world /map 10”表示：从/world坐标系转换到/map坐标系的x, y, z, roll, pitch, yaw转换，且频率为10Hz。

点击 [TF] 按钮，如下图：   

（2）加载地图

选择runtime manager的 [Map] 菜单，点击 [Point Cloud] 按钮的 [ref]，加载培训笔记 No. 1产生的.pcd文件（点云地图），并点击 [Point Cloud] 按钮，进度条显示OK，则加载完毕，如下图：

2.4 设置相关滤波器

 选择 [Sensing] 页面，点击 [Points Downsampler] 下 [voxel_grid_filter] 的 app，设置一些参数，[voxel_grid_filter] 是一种将采样方法，将点云数据用质心近似（用于降采用），如下图：

这里，[Voxel Leaf Size] 参数值为2，意义是2米的立方体内的全部点近似用1个质心代替。[Measurement Range]的参数值为2，意义是点云的有效的距离为200米。 

在[Sensing] 菜单下的 [Points Preprocesser] 下 [ring_ground_filter]，[app]设置如下：

             

[ring_ground_filter]用于区分地面与障碍物。参数描述如下：

[Sensor Model]参数为激光雷达的线扫条数，我们项目用的是16线激光雷达，这里我们选16；

[Sensor Height]参数表示传感器距离地面高度；

[Max Slope]表示最大的坡度，根据Alex如果不给出好坡度，容易将坡识别为障碍物；

[Vertical Thres]表示障碍物和地面的差异度，如果大于这个值则被认为是障碍。

2.5 设置导航

1）在 [Computing] 菜单栏右侧 [Mission Planning] 中勾选 [lane_rule]，[lane_stop]，[lane_select] 三个选项，如下图：

[Acceleration]表示到达/通过停止线的加速度；

[Stopline Search Radius]表示搜索停止线圆心，半径1m的waypoints；

2）在菜单栏 [Computing] 右侧的 [astar_planner] 下的 [obstacle_avold], [velocity_set] 并勾选，如下图：

[obstacle_avold]表示避障的相关参数；

[velocity_set]表示避障速度设置的相关参数。

3）在菜单栏 [Computing] 右侧的 [waypoint_maker] 下的 [waypoint_loader] 加载waypoints。

4）在 [Computing] 菜单栏，找到 [waypoint_follower] 下 [pure_pursuit] 与 [twist_filter] 的 [app] 进行设置并勾选。

在 [Computing] 菜单栏，找到 [lidar_localizer] 下 [ndt_matching]的 [app] 进行设置并勾选。

在 [Computing] 菜单栏，找到 [autoware_connect] 下 [vel_pose_connect]的 [app] 进行设置并勾选。

autoware循迹配置已完

3. 启动底盘连接

我这里是将autoware生成的速度、航向角数据信息通过rostopic下发给STM32模块处理，分别控制四轮转向驱动，也可以通过can下发给车的底盘。

4.室内外循迹效果，如下图：

停车场循迹效果如下：

无人驾驶从初学到精通，基于Autoware开源系统带你畅游自动驾驶SLAM、感知、定位、决策、路径规划、执行等关键模块。

具体代码请联系QQ:574226409 WX:18682265246