如何添加新的lidar匹配算法

Perception中的lidar数据流如下：

本篇文档所介绍的lidar检测算法位于图中的Recognition Component中。当前Recognition Component的架构如下： lidar recognition

从以上结构中可以清楚地看到lidar匹配算法是位于Recognition Component的 base_lidar_obstacle_tracking 中的抽象成员类 base_multi_target_tracker 的派生类。下面将详细介绍如何基于当前结构添加新的lidar匹配算法。

Apollo默认的lidar匹配算法为MlfEngine，它可以轻松更改或替换为不同的算法。本篇文档将介绍如何引入新的lidar匹配算法，添加新算法的步骤如下：

  1. 定义一个继承基类 base_multi_target_tracker 的类

  2. 实现新类 NewLidarTracker

  3. 为新类 NewLidarTracker 配置config的proto文件

  4. 更新 lidar_obstacle_tracking.conf

为了更好的理解，下面对每个步骤进行详细的阐述:

定义一个继承基类 base_multi_target_tracker 的类

所有的lidar匹配算法都必须继承基类 base_multi_target_tracker，它定义了一组接口。 以下是匹配算法继承基类的示例:

namespace apollo {
namespace perception {
namespace lidar {

class NewLidarTracker : public BaseMultiTargetTracker {
 public:
  NewLidarTracker();
  virtual ~NewLidarTracker() = default;

  bool Init(const MultiTargetTrackerInitOptions& options =
                        MultiTargetTrackerInitOptions()) override;

  bool Track(const MultiTargetTrackerOptions& options, LidarFrame* frame) override;

  std::string Name() const override;

};  // class NewLidarTracker

}  // namespace lidar
}  // namespace perception
}  // namespace apollo

基类 base_multi_target_tracker 已定义好各虚函数签名，接口信息如下：

struct MultiTargetTrackerInitOptions {};

struct MultiTargetTrackerOptions {};

struct LidarFrame {
  // point cloud
  std::shared_ptr<base::AttributePointCloud<base::PointF>> cloud;
  // world point cloud
  std::shared_ptr<base::AttributePointCloud<base::PointD>> world_cloud;
  // timestamp
  double timestamp = 0.0;
  // lidar to world pose
  Eigen::Affine3d lidar2world_pose = Eigen::Affine3d::Identity();
  // lidar to world pose
  Eigen::Affine3d novatel2world_pose = Eigen::Affine3d::Identity();
  // hdmap struct
  std::shared_ptr<base::HdmapStruct> hdmap_struct = nullptr;
  // segmented objects
  std::vector<std::shared_ptr<base::Object>> segmented_objects;
  // tracked objects
  std::vector<std::shared_ptr<base::Object>> tracked_objects;
  // point cloud roi indices
  base::PointIndices roi_indices;
  // point cloud non ground indices
  base::PointIndices non_ground_indices;
  // secondary segmentor indices
  base::PointIndices secondary_indices;
  // sensor info
  base::SensorInfo sensor_info;
  // reserve string
  std::string reserve;

  void Reset();

  void FilterPointCloud(base::PointCloud<base::PointF> *filtered_cloud,
                        const std::vector<uint32_t> &indices);
};

实现新类 NewLidarTracker

为了确保新的匹配算法能顺利工作，NewLidarTracker至少需要重写base_multi_target_tracker中定义的接口Init(),Track()和Name()。其中Init()函数负责完成加载配置文件，初始化类成员等工作；而Track()则负责实现算法的主体流程。一个具体的NewLidarTracker.cc实现示例如下：

namespace apollo {
namespace perception {
namespace lidar {

bool NewLidarTracker::Init(const MultiTargetTrackerInitOptions& options) {
    /*
    你的算法初始化部分
    */
}

bool NewLidarTracker::Track(const MultiTargetTrackerOptions& options, LidarFrame* frame) {
    /*
    你的算法实现部分
    */
}

std::string NewLidarTracker::Name() const {
    /*
    返回你的匹配算法名称
    */
}

PERCEPTION_REGISTER_MULTITARGET_TRACKER(NewLidarTracker); //注册新的lidar_tracker

}  // namespace lidar
}  // namespace perception
}  // namespace apollo

为新类 NewLidarTracker 配置config的proto文件

按照下面的步骤添加新lidar匹配算法的配置和参数信息:

  1. 根据算法要求为新lidar匹配算法配置config的proto文件。作为示例，可以参考以下位置的multi_lidar_fusion的proto定义：modules/perception/lidar/lib/tracker/multi_lidar_fusion/proto/multi_lidar_fustion_config.proto

  2. 定义新的proto之后，例如newlidartracker_config.proto，输入以下内容:

    syntax = "proto2";
package apollo.perception.lidar;

message NewLidarTrackerConfig {
    double parameter1 = 1;
    int32 parameter2 = 2;
}

  3. 参考如下内容更新 modules/perception/production/conf/perception/lidar/config_manager.config文件:

    model_config_path: "./conf/perception/lidar/modules/newlidartracker_config.config"

  4. 参考同级别目录下 modules/multi_lidar_fusion.config 内容创建 newlidartracker.config:

    model_configs {
name: "NewLidarTracker"
    version: "1.0.0"
    string_params {
        name: "root_path"
        value: "./data/perception/lidar/models/newlidartracker"
    }
}

  5. 参考 multi_lidar_tracker 在目录 modules/perception/production/data/perception/lidar/models/ 中创建 newlidartracker 文件夹，并根据需求创建不同传感器的 .conf 文件：

    注意：此处 "*.conf" 文件应对应步骤1，2中的proto文件格式.

更新 lidar_obstacle_tracking.conf

要使用Apollo系统中的新lidar匹配算法，需要将 modules/perception/production/data/perception/lidar/models/lidar_obstacle_pipline 中的对应传感器的 lidar_obstacle_tracking.conf 文件的 multi_target_tracker 字段值改为 “NewLidarTracker”

在完成以上步骤后，您的新lidar匹配算法便可在Apollo系统中生效。