保姆级教程：在Ubuntu 20.04上从零跑通Autoware 1.14的第一个Demo（含避坑指南）-编程阁

保姆级教程：在Ubuntu 20.04上从零跑通Autoware 1.14的第一个Demo（含避坑指南）

Autoware作为全球首个开源的自动驾驶全栈解决方案，其1.14版本在点云处理、路径规划等核心模块上进行了重要升级。但对于刚接触ROS生态的开发者来说，复杂的依赖关系和晦涩的错误提示往往让人望而却步。本文将手把手带你完成从系统配置到Demo运行的完整流程，特别针对常见的"地图加载失败"、"节点启动顺序错误"等问题提供经过验证的解决方案。

1. 环境准备：打造稳定的Autoware开发基础

1.1 系统配置检查

在开始之前，请确保你的Ubuntu 20.04系统满足以下最低要求：

硬件配置：
- CPU：4核以上（推荐Intel i7或同级）
- 内存：16GB以上（处理点云数据时建议32GB）
- 存储：至少50GB可用空间（地图数据占用较大）
- GPU：支持CUDA的NVIDIA显卡（GTX 1060以上）
系统验证：

# 检查Ubuntu版本 lsb_release -a # 检查显卡驱动 nvidia-smi # 检查CUDA版本 nvcc --version

1.2 依赖安装与配置

Autoware 1.14需要ROS Noetic作为基础环境，以下是关键步骤：

安装ROS Noetic：

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install ros-noetic-desktop-full

配置ROS环境：

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrc

安装额外依赖：

sudo apt install -y \ python3-catkin-tools \ libnlopt-dev \ libgoogle-glog-dev \ libeigen3-dev \ libproj-dev \ libpcl-dev \ ros-noetic-jsk-recognition-msgs

注意：如果遇到"Unable to locate package"错误，请先运行sudo apt update更新软件源

2. Autoware 1.14安装与验证

2.1 源码编译安装

推荐使用catkin工具进行源码编译，可以获得更好的灵活性：

mkdir -p ~/autoware/src cd ~/autoware git clone https://github.com/autowarefoundation/autoware.git -b 1.14.0 src rosdep install -y --from-paths src --ignore-src --rosdistro noetic catkin build

编译过程可能需要1-2小时，取决于硬件配置。常见问题处理：

内存不足：增加swap空间或使用catkin build -j2限制编译线程
CUDA错误：检查CUDA版本是否为10.2+，并正确配置环境变量

2.2 环境变量配置

将以下内容添加到~/.bashrc文件末尾：

source ~/autoware/install/setup.bash export AUTOWARE_COMPILE_WITH_CUDA=1 export PYTHONPATH=$PYTHONPATH:/usr/lib/python3/dist-packages

3. Demo数据准备与处理

3.1 下载官方数据包

Autoware 1.14的Moriyama Demo包含以下关键数据：

数据类型	文件大小	下载链接
ROS Bag	2.4GB	sample_moriyama_150324.bag
点云地图	1.8GB	moriyama_data.tar.gz

下载完成后解压到指定目录：

mkdir -p ~/.autoware/data tar -xzf moriyama_data.tar.gz -C ~/.autoware/data

3.2 解决地图加载问题

原始数据包可能因地图过大导致传输错误，可通过以下方式优化：

降低点云密度：

rosrun pcl_ros voxel_grid_filter \ input:=/points_raw \ output:=/filtered_points \ leaf_size:=0.2

修改通信参数：在runtime_manager.launch中添加：

<param name="/tcp_buffer_size" value="2147483647" /> <param name="/udp_buffer_size" value="2147483647" />

4. 完整Demo运行流程

4.1 启动Runtime Manager

roslaunch runtime_manager runtime_manager.launch

4.2 分步执行流程

按照以下严格顺序操作：

基础配置：
- 点击"Simulation"标签加载ROS Bag
- 在"Setup"中启用"TF"和"Vehicle Model"
感知模块：
- 加载点云地图（Map → Point Cloud）
- 启动"voxel_grid_filter"降采样
定位系统：
- 选择"nmea2tfpose"转换GNSS数据
- 启动"ndt_matching"进行点云配准
路径规划：
- 依次启动：
  - waypoint_loader
  - lane_planner系列节点
  - astar_avoid避障算法
  - pure_pursuit路径跟踪

4.3 Rviz可视化配置

在Rviz中添加以下显示类型：

PointCloud2：订阅/filtered_points话题
BoundingBoxArray：订阅/detection/lidar_detector/objects
Path：订阅/lane_waypoints_array

关键提示：坐标系必须设置为"velodyne"，否则显示异常

5. 常见问题排查指南

5.1 节点启动失败处理

依赖缺失：使用rosdep check验证所有依赖
端口冲突：netstat -tulnp | grep ros检查端口占用
内存不足：top命令监控资源使用情况

5.2 典型错误解决方案

错误现象	可能原因	解决方案
TF树不完整	节点启动顺序错误	严格按照4.2节顺序操作
点云显示异常	坐标系设置错误	检查Rviz中坐标系设置
路径规划失败	地图未正确加载	验证点云地图路径是否正确