新手也能玩转Apollo规划控制：从Dreamview调试到人行横道参数修改实战

新手也能玩转Apollo规划控制：从Dreamview调试到人行横道参数修改实战

自动驾驶技术正以前所未有的速度改变着我们的出行方式，而Apollo作为业界领先的开源自动驾驶平台，为开发者提供了强大的工具链和完整的解决方案。对于刚接触Apollo的新手来说，规划控制模块往往是第一个需要攻克的难关。本文将带你从零开始，通过Dreamview可视化工具和配置文件修改，逐步掌握Apollo规划控制的核心调试技巧。

1. 搭建Apollo开发环境与Dreamview基础操作

在开始规划控制模块的调试前，我们需要确保开发环境正确配置。Apollo推荐使用Docker容器来保证开发环境的一致性，避免因系统差异导致的各种问题。

启动Apollo开发环境的基本步骤如下：

1. 进入Apollo根目录
2. 执行./docker/scripts/dev_start.sh启动Docker容器
3. 执行./docker/scripts/dev_into.sh进入容器内部
4. 在容器内执行aem bootstrap start启动Dreamview

提示：如果遇到端口冲突，可以使用aem bootstrap stop先停止已有服务，再重新启动。

Dreamview是Apollo提供的可视化调试工具，它能够直观地展示自动驾驶车辆的规划轨迹、感知结果和控制指令。界面主要分为以下几个区域：

• 地图显示区：展示高精地图和车辆当前位置
• 模块状态区：显示各模块的运行状态
• 控制面板：提供车辆启停、模式切换等功能
• 调试信息区：输出各类调试信息

初次使用时，建议先熟悉Dreamview的基本操作：

# 在Docker容器内编译特定模块（如planning） buildtool build -p modules/planning/ # 重启planning模块 buildtool build -p modules/planning/ && mainboard -d modules/planning/dag/planning.dag

2. 人行横道场景的规划控制参数解析

人行横道是城市道路中常见的场景，也是自动驾驶必须妥善处理的关键场景之一。Apollo通过traffic_rule_config.pb.txt文件中的配置参数来控制车辆在人行横道前的行为。

让我们深入分析CROSSWALK相关的配置参数：

修改这些参数会直接影响车辆在人行横道前的行为表现。例如，增大stop_distance会使车辆更早开始减速停车，而减小stop_timeout则会缩短车辆等待行人通过的时间。

实际操作中，我们可以按照以下步骤修改参数：

1. 定位到配置文件：/apollo/modules/planning/conf/traffic_rule_config.pb.txt
2. 找到rule_id: CROSSWALK的部分
3. 修改相应参数值
4. 保存文件并重新编译planning模块

config: { rule_id: CROSSWALK enabled: true crosswalk { stop_distance: 2.5 # 修改为更大的停车距离 max_stop_deceleration: 4.0 # 减小最大减速度使停车更平顺 stop_timeout: 30.0 # 缩短最长等待时间 } }

3. 红绿灯场景的调试与参数优化

红绿灯场景比人行横道更为复杂，因为它不仅涉及停车决策，还需要考虑不同信号灯状态下的行为策略。Apollo将红绿灯场景分为多个阶段来处理：

1. LANE_FOLLOW：正常跟车行驶阶段
2. TRAFFIC_LIGHT_PROTECTED_APPROACH：接近红绿灯路口阶段
3. TRAFFIC_LIGHT_PROTECTED_INTERSECTION_CRUISE：通过路口阶段

红绿灯相关的配置参数位于同一个配置文件中，但使用rule_id: TRAFFIC_LIGHT标识。关键参数包括：

• stop_distance：距离停止线的停车距离
• max_stop_deceleration：最大允许减速度
• enable_right_turn_on_red：是否允许红灯右转

调试红绿灯场景时，建议先在仿真环境中测试以下场景：

• 绿灯正常通过
• 黄灯紧急制动
• 红灯停车等待
• 红灯右转（如允许）

通过调整stop_distance可以优化停车舒适性：

config: { rule_id: TRAFFIC_LIGHT enabled: true traffic_light { stop_distance: 2.0 # 从默认1.8增加到2.0 max_stop_deceleration: 3.5 # 减小最大减速度 } }

4. 速度规划的高级调试技巧

速度规划是规划控制模块的核心功能之一，它决定了车辆行驶的平顺性和安全性。Apollo提供了多种速度规划算法，包括：

1. 动态规划（DP）：生成粗略的速度曲线
2. 二次规划（QP）：效率高但精度有限
3. 非线性规划（NLP）：精度高但计算量大

我们可以通过Jupyter Notebook来可视化分析速度规划结果：

# 在Dreamview终端中启动Jupyter jupyter-notebook # 新建Notebook并运行以下命令 import matplotlib.pyplot as plt from modules.planning.tools.plot_st_nlp import plot_st_data # 加载planning日志文件 data = plot_st_data('/opt/apollo/neo/data/log/planning.INFO', '19:56:37') plt.show()

调试速度规划时，有几个关键参数值得关注：

• 横向加速度权重：影响弯道速度
• 纵向加速度限制：决定加减速强度
• 曲率约束：保证转弯安全性

在planning_config.pb.txt中，我们可以调整以下参数来优化速度规划：

planning_config { task_config { task_type: PATH_DECIDER ... } speed_heuristic_config { enable_dp_speed: true enable_qp_speed: true max_acceleration: 2.0 max_deceleration: 3.0 curve_speed_limit_factor: 0.8 } }

5. 开放空间规划实战：泊车与靠边停车

开放空间规划（Open Space Planning）是Apollo处理非结构化场景的重要功能，典型应用包括自动泊车和靠边停车。与常规的道路行驶不同，开放空间规划需要考虑更复杂的车辆动力学约束。

调试泊车场景时，建议关注以下参数：

1. distance approach算法权重：

   • weight_x：x方向轨迹跟随权重
   • weight_y：y方向轨迹跟随权重
   • weight_phi：航向角跟随权重

2. 平滑算法选择：

   • use_iterative_anchoring_smoother：是否使用迭代锚点平滑
   • enable_parallel_trajectory_smoothing：是否启用并行轨迹平滑

实际操作中，我们可以通过修改planning_config.pb.txt来调整泊车行为：

open_space_config { enable_parallel_trajectory_smoothing: true iterative_anchoring_smoother_config { weight_anchor_points: 10.0 weight_smoothness: 100.0 } distance_approach_config { weight_x: 10.0 weight_y: 10.0 weight_phi: 100.0 } }

靠边停车场景的调试则需要关注不同的参数组合。首先需要确保在planning.conf中启用了该场景：

enable_scenario_pull_over: true

然后可以通过调整以下参数来优化靠边停车行为：

• pull_over_min_distance：最小靠边距离
• pull_over_max_distance：最大靠边距离
• pull_over_plan_distance：开始规划靠边的距离