# perception_learn

**Repository Path**: giteewpu/perception_learn

## Basic Information

- **Project Name**: perception_learn
- **Description**: 感知融合注释代码，Apollo部分已注释
TODO:Autoware
- **Primary Language**: C++
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: https://gitee.com/leox24
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 29
- **Created**: 2025-05-27
- **Last Updated**: 2025-05-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AUTOPILOT LEARN 更新中
> 记录一些自动驾驶开源代码的学习，内容原创不易，禁止直接搬运。
> 
> 我的博客[GoodluckTian](https://blog.csdn.net/weixin_43152152)
> 
> 我的知乎[GoodluckTian](https://www.zhihu.com/people/tian-chang-xin-25/posts)

# 1 Apollo perception
> 想必Apollo就不用多做介绍了

- Apollo perception注释代码，主要是fusion、radar和lidar三部分，lidar深度学习部分不做阐述

- CyberRT和ROS：Apollo最初用的是ROS，但因为时延问题开发了CyberRT

- 通常 4 个步骤进行组件开发：设置组件文件结构--实现组件类--设置配置文件--启动组件

- 建议阅读参考文章后对Apollo有一定了解后阅读注释代码

## 1.1 参考文章
- [Apollo 感知模块 _study [ADS]](https://blog.csdn.net/chepwavege/article/details/95063679#t5)

- [自动驾驶 Apollo 源码分析系列，感知篇(二)：Perception 如何启动？](https://frank909.blog.csdn.net/article/details/111598755)

- [Apollo的感知融合模块解析](https://blog.csdn.net/u012423865/article/details/80386444?spm=1001.2014.3001.5501)
这是一篇2.5版本的解析，算法结构是差不多的，流程图比较详尽，没有过多的代码细节，文章比较短，容易理解整个过程。

- [Apollo 5.0源码学习笔记（二）| 感知模块 | 融合模块](https://blog.csdn.net/zhanghm1995/article/details/103539976)
讲的很清晰，没有代码细节，不想看源码可以看这篇很详细

- [Apollo 2.0 框架及源码分析(零) | 引言](https://zhuanlan.zhihu.com/p/33240932)

- [Apollo 2.0 框架及源码分析(一) | 软硬件框架](https://zhuanlan.zhihu.com/p/33059132)

- [Apollo 2.0 框架及源码分析(二) | 感知模块 | Lidar](https://zhuanlan.zhihu.com/p/33416142)

- [Apollo 2.0 框架及源码分析(三) | 感知模块 | Radar & Fusion](https://zhuanlan.zhihu.com/p/33852112)


## 1.2 源码剖析文章
> 顺序阅读更佳
- fusion
    - 融合框架：[Apollo perception源码阅读 | fusion](https://blog.csdn.net/weixin_43152152/article/details/114836882)

    - 关联匹配：[Apollo perception源码阅读 | fusion之关联匹配](https://blog.csdn.net/weixin_43152152/article/details/115175675)

    - 匈牙利匹配算法：[Apollo perception源码阅读 | fusion之匈牙利算法](https://blog.csdn.net/weixin_43152152/article/details/114235820)

    - 卡尔曼滤波：[Apollo perception源码阅读 | fusion之kalman](https://blog.csdn.net/weixin_43152152/article/details/115308664)

    - 证据推理：[Apollo perception源码阅读 | fusion之证据推理](https://blog.csdn.net/weixin_43152152/article/details/115648285)

- lidar ： [Apollo perception源码阅读 | lidar](https://blog.csdn.net/weixin_43152152/article/details/118221671)

- radar : [Apollo perception源码阅读 | radar](https://blog.csdn.net/weixin_43152152/article/details/118892974)

# 2 Autoware core_perception

## 2.1 参考文档

- [Autoware.Auto](https://autowarefoundation.gitlab.io/autoware.auto/AutowareAuto/)	官方说明文档以及各个模块设计方式
- [Autoware’s documentation](https://autoware.readthedocs.io/en/feature-documentation_rtd/index.html)    说明文档，有视频
- [autoware入门教程](https://www.ncnynl.com/archives/201910/3402.html)     国内v_1.12版本入门教程

## 2.2 Autoware简介

按[官网](https://www.autoware.org/autoware)的话来说：Autoware是世界领先的自动驾驶开源软件项目。 Autoware建立在机器人操作系统（ROS）之上，能够在广泛的车辆和应用中实现自动驾驶的商业部署。

架构如下图，主要包含感知、规划、决策、地图、定位、自车和传感器等。

Autoware同样也有自己的开发套件(软硬件解决方案)。单要说Apollo和Autoware孰高孰低，水平太低不能多做评价，感兴趣可以参考这篇文章的对比：[浅析Apollo和Autoware的异同](https://zhuanlan.zhihu.com/p/142775802)

![Autoware-GFX_edited.png](https://static.wixstatic.com/media/984e93_552e338be28543c7949717053cc3f11f~mv2.png/v1/crop/x_0,y_1,w_1500,h_879/fill/w_863,h_506,al_c,usm_0.66_1.00_0.01,enc_auto/Autoware-GFX_edited.png)

### 1.1 core_perception  
Github里的Autoware[主页](https://github.com/Autoware-AI/core_perception)中，主要包括`core_perception`、`core_planning`、`common`、`simulation`、`visualization`等。

本文主要阅读`core_perception`。对比tag1.14和master，master最近有更新。故本文阅读的是的master分支。不过大部分代码都是两年前的版本，并无太大变化。

- 基础知识

  cmake、ros、pcl、opencv等(如果ros和pcl都没有使用过，建议先从基础学习)

- 代码准备

  如下：

    ```shell
    ├── Autoware
    │   └── src
    │       ├── core_perception
    │       └── messages

    ```

- 说明

  因为`messages`里有自定义的各种消息结构体，建议安装环境后`catkin_make`编译，这样阅读时IDE(eg. vscode)才能找到对应的头文件。

  比如在各个障碍物模块内都会`#include "autoware_msgs/DetectedObject.h"`，这个消息的定义就在`./Autoware/src/messages/autoware_msgs/msg/DetectedObject.msg`里。

  不编译也行，只要能知道结构体的定义并能读懂代码即可。
  
  建议别编译了，浪费时间，直接看代码吧...

## 2 模块目录

先列一下TODO List，有更新的话会更新跳转的链接。

收藏这一篇就够了～


- [ ] ekf_localizer
- [ ] gnss_localizer
- [ ] image_processor
- [x] [imm_ukf_pda_track]()
- [ ] lidar_apollo_cnn_seg_detect
- [ ] lidar_euclidean_cluster_detect
- [ ] lidar_fake_perception
- [ ] lidar_imm_ukf_pda_track
- [ ] lidar_kf_contour_track
- [ ] lidar_localizer
- [ ] lidar_naive_l_shape_detect
- [ ] lidar_point_pillars
- [ ] lidar_shape_estimation
- [ ] naive_motion_predict
- [ ] ndt_cpu
- [ ] ndt_gpu
- [ ] ndt_tku
- [ ] obj_db
- [ ] pcl_omp_registration
- [ ] pixel_cloud_fusion
- [ ] points_downsampler
- [ ] points_preprocessor
- [ ] pos_db
- [ ] range_vision_fusion
- [ ] road_occupancy_processor
- [ ] roi_object_filter
- [ ] trafficlight_recognizer
- [ ] twist_generator
- [ ] vel_pose_diff_checker
- [ ] vision_beyond_track
- [ ] vision_darknet_detect
- [ ] vision_lane_detect
- [ ] vision_segment_enet_detect
- [ ] vision_ssd_detect

# 3 标定开源工具箱
> 深蓝学院开源标定代码

- 看了一下lidar2lidar的标定，是比较简单的demo代码，总之先mark一下吧，有空写一写