Алгоритм Афина: развёртывание и демонстрация

Документация: описание функций, принцип работы алгоритма (опционально), развёртывание программного обеспечения (загрузка файлов), подключение оборудования, демонстрационные операции и тестирование, а также примечания о том, какие файлы являются внутренними и не подлежат разгласке.

Слияние данных

• Описание функций: Демонстрация основана на локальных видеоданных и данных с лидарного облака точек. Она позволяет обнаруживать людей, транспортные средства, дорожную разметку и другие объекты. Данные объединяются с информацией о расстоянии и скорости из лидарного облака точек для выполнения различных задач.

• Создание среды слияния:

  • Загрузите набор данных и инструменты эмуляции с сайта https://gitee.com/sensor_fusion в каталог home Titan4. Размер файла составляет 3,5 ГБ.
  • Удалите каталоги devel и build в ~/Fusion/camera_lidar_fusion/catkin_ws/.
  • Удалите каталоги devel и build в ~/Fusion/lib_lidar_ros/catkin_ws/
  • Скопируйте файл ~/Fusion/yolov3_608_fp16.engine в каталог ~/Fusion/camera_lidar_fusion/catkin_ws/src/tensorrt_yolov3/config/608.
  • В каталоге ~/Fusion/camera_lidar_fusion/catkin_ws выполните команду ./build.sh 0 1 для создания среды компиляции.

• Тестирование слияния:

  • Выполните команду ./start_fusion.sh в домашнем каталоге. Это эквивалентно выполнению команды catkin_ws каталог source devel/setup.bash.
  • Войдите в каталог catkin_ws и выполните команду roslaunch camera_lidar_fusion camera_lidar_fusion_trt_tolov3.launch для запуска программы и загрузки данных.
  • Откройте другой терминал и выполните команду rosbag play Fusion/out.bag/out.bag -l для воспроизведения данных. Последний параметр L указывает на циклическое воспроизведение данных.
  • Запустите программу rviz -f hesai_center для просмотра результатов слияния.
    • Xavier1 может не отображать видео слияния по умолчанию. Необходимо вручную добавить видео, следуя инструкциям:
      • Добавьте ImageTopLc в левой нижней части окна Display.
      • Перетащите и увеличьте изображение.
      • ImageTopLc = /yolo_trt_detection_result представляет визуальное обнаружение.
      • ImageTopLc = /camera_lida_fusion_result представляет слияние визуального обнаружения и данных лидара.
  • Проверьте частоту кадров с помощью команды rostopic hz /camera_lidar_fusion_results.

Планирование симуляции

• Описание функций: Программное обеспечение surface имитирует окружающую среду и данные о шасси для Titan. Titan планирует действия на основе этих данных, а затем управляет транспортным средством. Информация передаётся на компьютер через LCM и отображается в виде трёхмерной симуляции.

• Симуляция основана на Unity и системе моделирования PreScan от Siemens.

• Развёртывание программного обеспечения:

  • Скачайте программное обеспечение surface с веб-сайта http://www.athena-fans.com/download?index=2 и установите его.
  • Существуют версии для Windows и Ubuntu. Выберите подходящую версию в зависимости от ваших потребностей.
  • Скопируйте папку Athena в домашний каталог Titan4. Файлы предоставляются отделом развёртывания и могут быть скопированы на развёрнутый Titan.
  • Перейдите в каталог install_arm.sh и запустите команду ./install_arm.sh.
  • Установите разрешения на выполнение для всех файлов в каталоге bin/1 с помощью команды chmod +x *.

• Подключение оборудования:

  • Подключите Titan4 и компьютер с помощью сетевого кабеля. Измените IP-адрес компьютера так, чтобы он находился в той же подсети, что и Titan4. По умолчанию используется 192.168.4.xxx, но последняя цифра не должна быть 1, 101 или 102.
  • После подключения сетевого кабеля перезагрузите компьютер и настройте его в качестве основного сетевого устройства.

• Тест в режиме онлайн:

  • Запустите программное обеспечение для симуляции на компьютере и настройте параметры по умолчанию. Выберите режим управления беспилотным автомобилем.
  • На Titan перейдите в каталог bin/ и выполните команду launch.sh для запуска симуляции. Убедитесь, что автомобиль находится в правильном положении.
  • Переключитесь между маршрутами d/e/f/g/i/j. Красный цвет означает остановку на конечной точке маршрута. При необходимости выберите новый маршрут.
  • Выберите автоматический режим a. Введите пароль при запуске. Не требуется никаких действий.
  • Завершите симуляцию и выполните команду dd.sh для очистки памяти задач.
  • Когда автомобиль достигнет конечной точки, можно выбрать новый маршрут и продолжить симуляцию. Сохраняем существующие образы на машине в виде файлов для последующего удобного повторного импорта. Сохранение образов включает в себя различные команды, такие как export и save. Команда export сохраняет только текущее состояние определённого контейнера, а команда save сохраняет историю образа, что позволяет выполнять операции, такие как откат.

Сначала можно использовать следующую команду для просмотра текущего состояния образа: docker image ls Вы увидите информацию, подобную следующей: REPOSITORY TAG IMAGE ID CREATED SIZE apolloauto/apollo dev-aarch64-20190924_titan4_v1.0 5ffebae879fb 7 days ago 6.52GB apolloauto/apollo map_volume-sunnyvale_big_loop-latest 1b805b4390f5 2 months ago 438MB ...

Команда save позволяет сохранить образ локально в файл. Это можно сделать с помощью команды save, указав либо image-id, либо repository:tag. Если используется image-id для сохранения, то при загрузке будет сохранён исходный image-id. Если же используется repository:tag, то будут сохранены предыдущие значения repository и tag: docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/dev-aarch64-20190924_titan4_v1.0.tar

2. Скопируйте локальный образ Docker на целевую машину.
3. Импортируйте образ в Docker: docker load < /media/titan/DATA/backup/docker_image/dev-aarch64-20190924_titan4_v1.0.tar
4. Для ветки apollo-r3.1, если вы не хотите загружать оставшиеся ветви из сети, вы можете сохранить необходимые образы локально и импортировать их: Сохраните соответствующие образы: dev-aarch64-20190924_titan4_v1.0.tar docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/dev-aarch64-20190924_titan4_v1.0.tar map_volume-sunnyvale_big_loop-aarch64-latest docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/map_volume-sunnyvale_big_loop-aarch64-latest map_volume-sunnyvale_loop-aarch64-latest docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/map_volume-sunnyvale_loop-aarch64-latest localization_volume-aarch64-latest docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/localization_volume-aarch64-latest yolo3d_volume-aarch64-latest docker save apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 > /media/titan/DATA/backup/docker_image/yolo3d_volume-aarch64-latest Импортируйте соответствующие образы: dev-aarch64-20190924_titan4_v1.0.tar docker load apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 < /media/titan/DATA/backup/docker_image/dev-aarch64-20190924_titan4_v1.0.tar map_volume-sunnyvale_big_loop-aarch64-latest docker load apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 < /media/titan/DATA/backup/docker_image/map_volume-sunnyvale_big_loop-aarch64-latest map_volume-sunnyvale_loop-aarch64-latest docker load apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 < /media/titan/DATA/backup/docker_image/map_volume-sunnyvale_loop-aarch64-latest localization_volume-aarch64-latest docker load apolloauto/apollo:dev-aarch64-20190924_titan4_v1.0 < /media/titan/DATA/backup/docker_image/localization_volume-aarch64-latest yolo3d_volume-aarch64-latest docker load