【Autoware】Autoware安装教程

此篇主要是从自己的csdn copy 在博客园上备份一下哈~

前提：大家需要换源【软件源和pip源】；git clone的时候走博主给的Gitee的链接吧 不然得等个十万年...

如果想看最终是啥样的可以直接点运行autoware书签查看Gif图，此次安装还没有给CUDA降级所以是without CUDA，这个系列后面应该还会继续写 因为要做一个拿autoware搭建的小车

参考：

1.Autoware官方Github

2.官方源码编译教程

3.官方运行BAG教程

大家记得点开左/右侧目录看哈！！记得看目录哈！

更新日记：

2022/12/16：看到这个于 2021-01-08 14:42:49 发布 的 当时真的是给自己记录的帖子 帮助了那么多人 也算是没有白写 hhhh，这次主要是重构了一下内容 把官方不见的wiki链接贴上，顺便贴一下对大家下载更友好的网盘方式

0. 系统依赖

换源，不然速度真的很慢哦！

pip升级

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U

换源pip

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

ROS源

基本在安装ROS的时候应该就改好了，这就不复述了

软件源

打开Software&Updates



更新软件源

sudo apt update

更新python-ros的一些东西（catkin_make rosdep有关ros装依赖的可以类比Python的requirement.txt）

sudo apt install -y python-catkin-pkg python-rosdep ros-$ROS_DISTRO-catkin

python的依赖

sudo apt install -y python3-pip python3-colcon-common-extensions python3-setuptools python3-vcstool

pip3的设置工具安装

pip3 install -U setuptools

1. CUDA (Additional system) 如果不用CUDA直接跳转第二部分拉取2.

注意！！！ATTENTION!!!!

显卡显存在4G以下的可以直接跳过这个部分了，如果想开Carla显卡显存至少6G，GPU就out of memory了

Autoware对CUDA的要求是：10.0 从2022年看来 这个版本着实有点低了

安装整合到另一篇文章内了 Ubuntu下的NVIDIA显卡【安装与卸载、CUDA安装】

2. 拉取repos

创建工作区 workspace

mkdir -p autoware.ai/src
cd autoware.ai

官方的

创建autoware.ai.repos的文件，拉取官方的repos链接 真的很慢很慢哈

wget -O autoware.ai.repos "https://raw.githubusercontent.com/Autoware-AI/autoware.ai/master/autoware.ai.repos"

repositories:
  autoware/common:
    type: git
    url: https://github.com/Autoware-AI/common.git
    version: master
  autoware/core_perception:
    type: git
    url: https://github.com/Autoware-AI/core_perception.git
    version: master
  autoware/core_planning:
    type: git
    url: https://github.com/Autoware-AI/core_planning.git
    version: master
  autoware/documentation:
    type: git
    url: https://github.com/Autoware-AI/documentation.git
    version: master
  autoware/messages:
    type: git
    url: https://github.com/Autoware-AI/messages.git
    version: master
  autoware/simulation:
    type: git
    url: https://github.com/Autoware-AI/simulation.git
    version: master
  autoware/utilities:
    type: git
    url: https://github.com/Autoware-AI/utilities.git
    version: master
  autoware/visualization:
    type: git
    url: https://github.com/Autoware-AI/visualization.git
    version: master
  drivers/awf_drivers:
    type: git
    url: https://github.com/Autoware-AI/drivers.git
    version: master
  citysim:
    type: git
    url: https://github.com/CPFL/osrf_citysim.git
    version: master
  car_demo:
    type: git
    url: https://github.com/CPFL/car_demo.git
    version: master
  drivers/ds4:
    type: git
    url: https://github.com/tier4/ds4.git
    version: master

拉到了gitee上

就是在创建好的autoware.ai.repos上直接全选覆盖掉

repositories:
  autoware/common:
    type: git
    url: https://gitee.com/kin_zhang/common.git
    version: master
  autoware/core_perception:
    type: git
    url: https://gitee.com/kin_zhang/core_perception.git
    version: master
  autoware/core_planning:
    type: git
    url: https://gitee.com/kin_zhang/core_planning.git
    version: master
  autoware/documentation:
    type: git
    url: https://gitee.com/kin_zhang/documentation.git
    version: master
  autoware/messages:
    type: git
    url: https://gitee.com/kin_zhang/messages.git
    version: master
  autoware/simulation:
    type: git
    url: https://gitee.com/kin_zhang/simulation.git
    version: master
  autoware/utilities:
    type: git
    url: https://gitee.com/n__n/utilities.git
    version: master
  autoware/visualization:
    type: git
    url: https://gitee.com/kin_zhang/visualization.git
    version: master
  drivers/awf_drivers:
    type: git
    url: https://gitee.com/kin_zhang/drivers.git
    version: master
  citysim:
    type: git
    url: https://gitee.com/kin_zhang/osrf_citysim.git
    version: master
  car_demo:
    type: git
    url: https://gitee.com/kin_zhang/car_demo.git
    version: master
  drivers/ds4:
    type: git
    url: https://gitee.com/kin_zhang/ds4.git
    version: master

3. 下载

如果在内地记得 先都换成gitee上的链接 再运行这这步 会快很多

vcs import src < autoware.ai.repos

4. rosdep的依赖

这一个我安装ROS的时候dep那步一直拉不过来所以一直没... rosdep的功能

如果有dep的功能的话，请直接运行：并忽略下面的安装依赖部分（并且十分建议rosdep这么做）

rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO

那就麻烦点，一个编译一个错误的安装？

ROS方面的

主机上直接安装的ROS-full-desktop，傻一点的方法碰到一个错误就安装一个漏掉的包这是所有的：运行这一堆的就是全部了

sudo apt-get install ros-melodic-jsk-recognition-msgs ros-melodic-jsk-rviz-plugins ros-melodic-lanelet2* ros-melodic-nmea* ros-melodic-grid-map* ros-melodic-automotive-* ros-melodic-velodyne* ros-melodic-gps-common ros-melodic-qpoases-vendor

下面是一个个的介绍：这里是一个个的介绍哦【运行了上面这条指令不需要再逐个运行这个了】

sudo apt-get install ros-melodic-jsk-recognition-msgs ros-melodic-jsk-rviz-plugins ros-melodic-lanelet2* ros-melodic-nmea* ros-melodic-grid-map* ros-melodic-automotive-* ros-melodic-velodyne*

sudo apt-get install ros-melodic-gps-common

sudo apt-get install ros-melodic-qpoases-vendor

错误及警告的示例

错误及警告的示例，其实远远不止这么点

#错误1
Finished <<< sick_lms5xx [20.4s]
Starting >>> system_monitor
Finished <<< imm_ukf_pda_track [31.5s]
Starting >>> twist2odom
--- stderr: system_monitor
CMake Error: The following variables are used in this project, but they are set to NOTFOUND.
Please set them or make sure they are set and tested correctly in the CMake files:
LIBNL3_INCLUDE_DIRS

#错误2
--- stderr: system_monitor
CMake Error: The following variables are used in this project, but they are set to NOTFOUND.
Please set them or make sure they are set and tested correctly in the CMake files:
NLGENL3
    linked by target "net_monitor" in directory /home/udi/autoware.ai/src/autoware/utilities/system_monitor
    linked by target "test_net_monitor" in directory /home/udi/autoware.ai/src/autoware/utilities/system_monitor

#警告
[6.285s] WARNING:colcon.colcon_cmake.task.cmake.build:Could not run installation step for package 'ndt_gpu' because it has no 'install' target

系统方面的

介绍：libnl的介绍，libnl官方网址介绍

sudo apt install libnl-3-*
sudo apt install libnl-genl-3-*

关于依赖的后话

我后面又在我的PC双系统上按着自己的教程走了一遍发现（同样没有dep）有些我没有写全，所以大家还是开一下小飞机 把dep过一下，让rosdep自己去搞定依赖，

还有有一个问题：velodyne的驱动中的一个系统的包升级了不存在旧包，当时的解决方法是删了新包，安了旧包的版本，但是不建议这样操作，因为很容易导致系统依赖出问题，之所以我当时这么做：是因为发送删新包的时候没有其他东西同时删除，也就说没有其他的影响（比如我安装plotjuggler就要删除一个系统包 基本附加删除删了整个ROS... 也就是不要这么干的原因）

//home/user/anaconda3/lib/libfontconfig.so.1: undefined reference to `FT_Done_MM_Var'

参考：

ubuntu18 anaconda3/lib/libfontconfig.so.1: undefined reference to `FT_Done_MM_Var‘ collect2: error:

cd /usr/lib/x86_64-linux-gnu
ll |grep libfontconfig.so.1
cd ~/anaconda3/lib
ll | grep libfontconfig.so.1

方法就是把1.10.1复制到anaconda文件夹下，删除原有链接并创建新链接

cp /usr/lib/x86_64-linux-gnu/libfontconfig.so.1.10.1 ~/anaconda3/lib/libfontconfig.so.1.10.1
ls ~/anaconda3/lib/libfontconfig.so*

5. 编译 Compile the workspace

建议走CPU【也就是without CUDA support】比较简单，如果想用GPU运行一些节点的话，测试过的是需要3G以上的显存才行，CUDA版本是10.0

【两个方式二选一！！！】 不是都要做哈！！！选其一！！！比如不用GPU就选without的哈！！【也就是without CUDA support】

With CUDA support

编译Autoware

1.14版本的或者直接master拉下来的，在其中一个地方有点问题没有define，记得改一下这个。在cnn_segmentation.h中没有define__APP_NAME__

gedit ~/autoware.ai/src/autoware/core_preception//lidar_apollo_cnn_seg_detect_include/cnn_segmentation.h

#define __APP_NAME__ "lidar_apollo_cnn_seg_detect"
//加入这行进去就行 不然会报错

caffe详情见：请记得跳转GPU版本，这句命令一定要建立在安装好了CUDA和caffe的！

$ AUTOWARE_COMPILE_WITH_CUDA=1 colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

Without CUDA Support【两个方式二选一！！！执行了上面的就跳过这段】

Without CUDA Support 【我没装CUDA那步 所以使用的是这条命令】

$ colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

编译完成后：

单独编译某个包

colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release --packages-select detected_objects_visualizer

6. 下载Bag包并运行

下载BAG包

这个过期了：官方的下载地址 但是很慢很慢很慢

2022/12/14这是我找到的官方gitlab上还有存留下来的：官方下载地址 但是在内地很慢很慢很慢

百度云下载地址 但是不是会员也很慢 password: kinz，阿里云盘无法分享 所以就无了

这里是把下载下来的BAG包复制到.autoware的文件夹下：

mkdir .autoware
cd .autoware
cp ~/Downloads/sample_moriyama_* .

这一步是把BAG解压出来：

tar zxfv sample_moriyama_150324.tar.gz

moriyama的数据解压出来：

tar zxfv sample_moriyama_data.tar.gz

图形化界面下是这样的：

运行autoware

cd autoware.ai
source install/setup.bash
roslaunch runtime_manager runtime_manager.launch

运行的截图界面如下：



剩下复制官方的哈~

1. 导入BAG：Go to the Simulation tab of Autoware Runtime Manager (ARM), and load the sample ROSBAG data, which is located in ~/.autoware. Show Hidden Files needs to be checked for the .autoware folder to be displayed.
2. 设置开始时间并运行：Set the start time to 140, then click Play and Pause just after it has started playing.
3. 启动rviz：Launch RViz through the RViz button in the bottom-right corner of the ARM and load the default.rviz config provided with Autoware. To do this got to File -> Open Config and navigate to autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/rosbag_demo/default.rviz.
4. Go to the Quick Start tab of ARM, and load the preinstalled roslaunch scripts one by one. The scripts are located in autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/rosbag_demo/. The scripts need to be enabled by clicking on the left button as shown in the image for the Map.
5. Un-pausing the simulation after starting the Map will show the pointcloud map in Rviz.
   
   Simulation的界面：
   
   
   
   Quick Start的界面：
   
   

运行所有的launch后的示意图：



运行时的graph图：

一些需要注意的问题

ndt_mapping 无法建图 [GO TO Autoware: ndt_mapping doesn't compute transformation matrix]

2022年：或者这个就别用了，我直接抽取了一个simple_ndt_mapping，内核是一样的 只是变得更适配了 hhh 比较简单就能上手，脱离Autoware，但是！生成出来的map可以直接load autoware的GUI里 这一点都是一样的哈

1. https://github.com/Kin-Zhang/simple_ndt_slam
2. https://gitee.com/kin_zhang/mapping_ws

这个问题出现在0.1.14里，如果换成1.13就可以了，具体原因还在compare找一下，Autoware: ndt_mapping doesn't compute transformation matrix

直接在1.14里的解法是：在原ndt_mapping.cpp的1016-1046之间换成这个：

  double tf_x, tf_y, tf_z, tf_roll, tf_pitch, tf_yaw;
  // 3. Try getting base_link -> lidar TF from tf_* params
  if (!received_tf)
  {
    if (nh.getParam("tf_x", tf_x) &&
        nh.getParam("tf_y", tf_y) &&
        nh.getParam("tf_z", tf_z) &&
        nh.getParam("tf_roll", tf_roll) &&
        nh.getParam("tf_pitch", tf_pitch) &&
        nh.getParam("tf_yaw", tf_yaw))
    {
      tf::Vector3 trans(tf_x, tf_y, tf_z);
      tf::Quaternion quat;
      quat.setRPY(tf_roll, tf_pitch, tf_yaw);
      tf_baselink2primarylidar.setOrigin(trans);
      tf_baselink2primarylidar.setRotation(quat);
      received_tf = true;
    }
    else
    {
      ROS_WARN("Query base_link to primary lidar frame through tf_* params failed");
    }
  }
  if (received_tf)
  {
    ROS_INFO("base_link to primary lidar transform queried successfully");

    tf_baselink2primarylidar.getOrigin();
    tf_x = tf_baselink2primarylidar.getOrigin().getX();
    tf_y = tf_baselink2primarylidar.getOrigin().getY();
    tf_z = tf_baselink2primarylidar.getOrigin().getZ();
    Eigen::Translation3f tl_btol(tf_x, tf_y, tf_z);// tl: translation

    tf::Matrix3x3(tf_baselink2primarylidar.getRotation()).getRPY( tf_roll, tf_pitch,tf_yaw);
    Eigen::AngleAxisf rot_x_btol(tf_roll, Eigen::Vector3f::UnitX());  // rot: rotation
    Eigen::AngleAxisf rot_y_btol(tf_pitch, Eigen::Vector3f::UnitY());
    Eigen::AngleAxisf rot_z_btol(tf_yaw, Eigen::Vector3f::UnitZ());
    tf_btol = (tl_btol * rot_z_btol * rot_y_btol * rot_x_btol).matrix();
    tf_ltob = tf_btol.inverse();
  }

主要原因是他没有更新tf_ltob这个需要在计算变换矩阵里用到的矩阵，然后我们做的就是看了看1.13 对比了，发现更新没有在1.14里所以emmm 就是这样

最后的bag包的建图局部效果：

关于后续

更多关于autoware.ai的学习请关注后续文章的发出，主要是移植路上遇到的问题、学习笔记、看代码笔记更多一些的~ 噢 当然也包含操作视频 想想应该搞完会拍一个系列到b站 毕竟真的是约到后面越难记清开这么多节点 \lol

2022年：其实吧 之前留的言 也算是实现了几个flag 确实搞了几个视频，写了更多一点的博客，回想当时第一次用autoware.ai的稚嫩，hhh 对很多东西都不太清楚 包括ubuntu本身 ros 算法 C++，现在看来自己一年成长的这么快也是算欣慰啦；很幸运第一次的入门是与autoware.ai，真的是一个很好很好的学习资料（除了网速拖累了我们的学习进度

希望此贴仅仅是开启 让你们步入使用，但是学习远不止于此，一起加油

记住这个博文是我2021年写的 很多东西确实会过时的哦，学有余力的大佬们可以抽取自己需要的部分，再分享给大家 更简易的使用！

最后Autoware 万岁！

---

赠人点赞 手有余香 ；正向回馈 才能更好开放记录 hhh