如何在本地运行多传感器融合定位模块¶

本文档提供了如何在本地运行多传感器融合定位模块的方法。

1. 事先准备¶

从GitHub网站下载Apollo源代码
按照教程设置Docker环境
从Apollo数据平台下载多传感器融合定位demo数据包（仅限美国地区），使用其中apollo3.5文件夹下的数据。

此定位数据为实验性质的demo数据，用于验证定位模块的可用性。数据主要包含定位地图(local_map/), 车辆参数(params/), 传感器数据(records/)。具体属性如下：时长：5分钟里程：3km 场景：Sunnyvale 城市道路天气：晴天

2. 编译apollo工程¶

2.1 构建docker容器¶

我们提供了一个叫做dev-latest的docker镜像，docker容器会将你本地的apollo工程挂载到 /apollo 。

bash docker/scripts/dev_start.sh

2.2 进入docker容器¶

bash docker/scripts/dev_into.sh

2.3 编译工程¶

# To make sure you start clean
bash apollo.sh clean
# Build the full system
bash apollo.sh build_opt

3. 配置定位模块¶

为了使定位模块正确运行，需要对地图路径和传感器外参进行配置。假设下载的定位数据的所在路径为DATA_PATH。

在进行以下步骤前，首先确定你在docker容器中。

3.1 配置传感器外参¶

将定位数据中的传感器外参拷贝至指定文件夹下。

  cp -r DATA_PATH/params/* /apollo/modules/localization/msf/params/

文件夹中各个外参的意义

ant_imu_leverarm.yaml：杆臂值参数，GNSS天线相对Imu的距离
velodyne128_novatel_extrinsics.yaml： Lidar相对Imu的外参
velodyne128_height.yaml： Lidar相对地面的高度

3.2 配置地图和参数路径¶

在/apollo/modules/localization/conf/localization.conf中配置地图和参数的路径

# Redefine the map_dir in global_flagfile.txt
--map_dir=DATA_PATH

# The pointcloud topic name.
--lidar_topic=/apollo/sensor/lidar128/compensator/PointCloud2

# The lidar extrinsics file
--lidar_extrinsics_file=/apollo/modules/localization/msf/params/velodyne_params/velodyne128_novatel_extrinsics.yaml

这将会覆盖global_flagfile.txt中的默认值。

4. 运行多传感器融合定位模块¶

cyber_launch start /apollo/modules/localization/launch/msf_localization.launch

在/apollo/data/log目录下，可以看到定位模块输出的相关log文件。

localization.INFO : INFO级别的log信息
localization.WARNING : WARNING级别的log信息
localization.ERROR : ERROR级别的log信息
localization.out : 标准输出重定向文件
localizaiton.flags : 启动localization模块使用的配置

5. 播放演示record文件¶

cd DATA_PATH/records
cyber_recorder play -f record.*

从播放数据到定位模块开始输出定位消息，大约需要50s左右时间。

6. 记录并可视化定位结果（可选）¶

记录定位结果¶

python /apollo/scripts/record_bag.py --start

该脚本会在后台运行录包程序，并将存放路径输出到终端上。

可视化定位结果¶

运行可视化工具

cyber_launch start /apollo/modules/localization/launch/msf_visualizer.launch

该可视化工具首先根据定位地图生成用于可视化的缓存文件，存放在/apollo/cyber/data/map_visual目录下。

然后接收以下topic并进行可视化绘制。

/apollo/sensor/lidar128/compensator/PointCloud2
/apollo/localization/msf_lidar
/apollo/localization/msf_gnss
/apollo/localization/pose

可视化效果如下

注意: 在定位模块正常工作之后(/apollo/localization/pose开始输出消息)，可视化模块才会弹出显示窗口。可以用*/cyber_monitor*命令查看topic情况。

7. 结束运行定位模块¶

退出定位程序和播包程序,如果有运行步骤6的录包脚本，需执行以下命令关闭后台录包程序。

python /apollo/scripts/record_bag.py --stop

8. 验证定位结果（可选）¶

假设步骤6中录取的数据存放路径为OUTPUT_PATH，杆臂值外参的路径为ANT_IMU_PATH

运行脚本

/apollo/scripts/msf_local_evaluation.sh OUTPUT_PATH

该脚本会以RTK模式的定位结果为基准，与多传感器融合模式的定位结果进行对比。

注意: (注意只有在GNSS信号良好，RTK定位模式运行良好的区域，这样的对比才是有意义的。)

获得如下统计结果：

可以看到两组统计结果，第一组是组合导航(输出频率200hz)的统计结果，第二组是点云定位(输出频率5hz)的统计结果。

表格中各项的意义，

error：平面误差，单位为米
error lon：车前进方向的误差，单位为米
error lat：车横向方向的误差，单位为米
error roll：翻滚角误差，单位为度
error pit：俯仰角误差，单位为度
error yaw：偏航角误差，单位为度
mean：误差的平均值
std：误差的标准差
max：误差的最大值
<30cm：距离误差少于30cm的帧所占的百分比
<1.0d：角度误差小于1.0d的帧所占的百分比
con_frame()：满足括号内条件的最大连续帧数

目录

上一个主题

下一个主题

本页