2. Apollo学习路径 | 自动驾驶小白说

前情回顾

在上一节中，我们首先介绍了Apollo的开源平台框架，从下到上分为四个层次：硬件设备层、软件核心层、软件应用层、工具服务层，能够满足车辆硬件、软件工程以及自动驾驶算法等不同类型人才的学习需求。

它还包括四大核心能力：丰富的自动驾驶算法、优化的实时通信框架Cyber RT、开放车辆认证平台和硬件标准、车+云一体工具链。这些能力不仅帮助我们快速仿真验证算法，也使我们能方便地在实车部署，实现自主导航、泊车等功能。

了解了Apollo的概况，那对于开发者来说，到底如何来一步步学习呢？此处，我们将Apollo的学习路径分为上机仿真和上车实践两个阶段。

一、上机仿真

上机仿真的目标主要是为了学习Apollo的软件框架与算法、掌握Apollo的调试工具，借助Apollo平台进行算法仿真。在上机仿真阶段，只要你有符合配置要求的电脑就进行学习，门槛很低。

具体而言，电脑配置要求为：

4核以上的CPU

16G以上内存

安装Ubuntu 18.04+系统

GTX1060以上显卡（感知需要，可选）

无论要学习什么算法，都应从学习Cyber RT开始。因为Cyber RT是车端工程框架的基础，任何扩展开发都离不开它。在掌握Cyber RT的基础上，就可以根据自己的需要来选择适合的算法模块进行学习。整体上，算法被分为感知和规控（PnC）两大类。对于每一类，Apollo都有对应的学习路线和工具链，下面我们分别具体介绍。

1. Cyber RT

学习Apollo，第一步就是通过Cyber RT学习自动驾驶的开发模式，这是期望从事自动驾驶软件开发的同学所需掌握的基础知识。

通过Cyber RT了解分布式系统开发的模式，掌握Cyber RT中的Talker/Listener、Service/Client以及Parameter Service三种通信模式，并可以尝试从创建你的第一个reader/writer通信案例开始。

掌握包管理、Cyber Monitor、Cyber Visualizer等开发工具，提升你的开发调试效率。

更深一步可以学习Cyber RT API、软件包发布，对Apollo进行定制开发。

2. 感知模块

对于期望在自动驾驶感知软件开发方向深入的同学，可以学习了解Apollo中的感知模块。

刚开始可以通过Apollo提供的传感器原始数据集和Cyber等工具，了解传感器数据特性。

之后可以逐步了解感知流程和算法，Apollo提供了Lidar点云，单目等多模态、检测、分割等多任务的算法，学习时可以根据自己的兴趣点选择性的了解。

这个过程中，可以通过Apollo提供的Dreamview/Visualizer等可视化工具，来直观了解感知数据的处理流程。

更进一步，当你需要解决场景问题，而Apollo自带的感知模型无法满足你的需求时，你可以基于模型部署向导来部署其他的感知模型。

再进一步，可以自己采集数据进行感知模型的训练，Apollo会提供相关的模型验证工具，来确保接入的效果。基于此，可以不断的迭代优化。

3. 规划与控制模块（PnC）

对于期望在自动驾驶决策规划软件开发方向深入的同学，可以学习了解Apollo中的决策规划模块，这也是开发者关注最多的技术方向之一。

刚开始可以通过Apollo了解流程和算法，Apollo提供基于场景的规划管理，适用于高速城市、低速园区等多场景，同时提供了基于车道和开放空间的规划器。

在了解规划流程的基础上，可以从云端的Studio仿真，下载场景数据，到本地Dreamview进行仿真调试，来进一步理解规划数据处理的流程。

再往后，当Apollo自带的规划算法以及场景无法满足需求的时候，也可以自主扩展，并使用Studio云端的集群仿真服务，来进行效果评测和回归测试，这样就可以不断的迭代优化。

二、上车实践

使用Apollo进行学习的第二阶段，便是上车实践。通过上机仿真的学习，我们可以方便的学习理解各独立的模块，但是无法集成验证，缺乏非常重要的车辆硬件层。通过上车，我们要解决车辆闭环和集成验证的问题。

在最开始，我们需要一台符合Apollo要求的车辆及相应的设备。通过学习Apollo车辆适配流程，可以掌握自动驾驶线控设计，并最终开发出适配Apollo的线控车辆。之后，通过上车循迹闭环流程，可以完成车辆集成闭环验证。最后，通过感知避障闭环的流程，可以了解车辆的安全操作，测试流程，以及定位、控制调车。

为了帮助开发者解决这些问题，19年三月份Apollo发布了开发套件D-kit。D-kit是纯电线控底盘，适配了Apollo线控协议，搭配了摄像头、激光雷达、组合导航、IPC以及结构件，易于扩展。D-kit车辆属于低速小型车，适合封闭园区场景，减小了对测试场的约束要求。同时，还有专为D-kit适配的软件配置场景，开发者不用再为软件适配而烦恼。

因而，有了D-kit，你可以马上专注并实践Apollo相关的软件能力。不用再为硬件驱动、适配等事情苦恼，最大限度的降低学习Apollo的门槛。

在开发套件的选择上，提供了Lite S、Standard S以及Advanced多种型号，提供了多种底盘规格、传感器布置方案以及多重安全保障。此外，针对开发者调车场景，提供了调车辅助工具，更方便开发者日常的调车使用。

接下来，再详细介绍一下上车实践的各个步骤

1. 车辆适配

对于有能力自己定义车辆的开发者，比如车辆相关专业的同学，可以基于Apollo的线控标准，开发符合Apollo要求的线控车辆与数据总线通信协议（DBC）。

之后基于Apollo提供的车辆适配手册和工具，开发与车辆通信的canbus驱动。

最后通过teleop等工具，开环的验证车辆的适配情况。整个适配流程，配备了非常详细的技术指导手册。

2. 车辆集成

上车实践第二个重要的场景是车辆的集成。基于Apollo，我们可以学习到自动驾驶车辆集成的完整流程，从传感器布置设计到硬件拓扑，再到底盘标定、传感器标定，最后是循迹闭环的验证。

首先进行传感器布置设计和硬件拓扑链接，这为自动驾驶系统运行提供了物理基础保障。

通过使用Fuel的车辆集成工具，了解车辆标定原理和流程，让每台车辆的物理差异在软件层面打平。

同时，了解传感器标定的原理和流程，把不同传感器的自身坐标系，统一到车身坐标系，为感知模块提供统一的参考系。

最后是循迹闭环，通过循迹闭环验证，可以评测车辆线控性能情况。

3. 实车测试和调试

自动驾驶安全是第一位的，首先我们可以基于D-kit的多重安全机制，学习正确的实车操作方式。

然后，通过Apollo的智能数据采集器，了解基于实车的功能测试和路测的核心流程。

最后，基于Dreamview和Cyber RT提供的各种调试工具，可以学习实车控制调参，定位调试等等操作。

结语

这一节，我们按照上机仿真和上车实践的顺序介绍了Apollo的学习路径。但在开始上机仿真的正式学习之前，我们先了解另外一个工具：Apollo Studio 云实验平台。Apollo Studio 云实验平台提供了云端的代码调试和仿真环境，无需安装配置环境，在线就能对Apollo进行学习，对新手朋友十分友好。