Apollo自动驾驶大赛经验分享

引言

Apollo赛事围绕自动驾驶车辆在城市道路的行驶场景，开展自动驾驶软件算法研究。按照赛题要求，基于本地dreamview进行赛题场景开发测试，测试完成后按照规则提交代码到ApolloStudio线上评测系统进行评测。

赛题1--靠边启动

1.赛题要求：

绕开障碍物驶入主路，且与障碍物保持1米距离。

2.赛题思路：

直接运行，小车并不会驶入主路。一直处于ParkAndGoStageAdjust阶段。

观察日志发现不驶入主路的原因是主车的停车点无效。

定位至GetParkingOutBoundary函数，发现其是用停车位的box去计算的路径边界。

所以，我们用主车的box，即主车的位置，来去确定边界，并删除上方关于停车点的条件限制。

参考open_space_roi_decider算法中的GetParkingBoundary函数，修改代码，使其逻辑与GetParkingBoundary相同：

GetParkingOutBoundary代码主要逻辑为：

1.获取主车的信息，如初始位置，朝向，长宽，box等信息。

2.初始化坐标系，转换至以主车左上为原点的局部坐标系。

3.而后通过GetRoadBoundary函数，计算出道路边界，再根据车位与道路的位置关系将车位边界与道路边界组合。

赛题2--红绿灯路口行人避让

1.赛题要求：

1.等待行人完全走完人行道，主车才可通行。

2.检测到前方的红灯时, 主车停车在停止线前1.5-2.0米处。

2.赛题思路：

首先，直接运行，车辆检测到红绿灯停止，但是行人在人行道时主车就会运行。不符合题目要求。

查找相关traffic rules中模块crosswalk中的CheckStopForObstacle函数。

分析函数代码逻辑分为以下主要步骤：

1.获取障碍物类型，sl坐标、边界，主车的sl边界，为后续if判断提供参考。

2.判断主车与行人障碍物的横向距离，当横向距离大于参数stop_strict_l_distance当路径与主车重合时才会停止，当横向距离小于参数stop_strict_l_distance时，路径重合、走向主车、在主车前方都会停止。

3.当横向距离在两参数之间时，当路径重合时，才停止。这样就造成了当横向距离在两参数之间时，行人路径与主车路径不重合。主车行走的情况。

解决方法：

将限制条件去掉，不管是否路径重合皆停车，即可解决不等待行人过人行道问题。

最后再调整参数满足停止距离即可。

参数列表如下：

赛题3--路口减速通行

1.赛题要求：

1.主车行驶至路口时，需降低车辆速度至5米/秒通过路口，并在通过路口后恢复正常速度

2.赛题思路：

赛题主要目的就是写在经过限速区域时的减速代码。直接运行会发现，在人行道处并不会减速，原因是没有识别crosswalk并增加限速。

参考Apollo内减速带减速代码：

创建junction-speed-limit task并加入到lane follow流水线之中且配置相关依赖。

获取地图中的人行道，并调用Apollo中的函数AddSpeedLimit即可对其添加限速任务。再对前后限速的距离参数进行调整即可将此赛题完成。

此处代码主要是完成：

1.路径上的人行道放入到容器之中。

2.对每个人行道添加速度限制。

参数部分主要是对此区域forward_buffer和backward_buffer进行拓宽，不然会造成在此区域不能立即减速到指定速度。

赛题4--人行道跟车行驶

1.赛题要求：

1.当遇到前方有人行道行人通行时，不得借道绕行。

2.主车需要与前车保持2-2.5米的停车距离

2.赛题思路：

首先，直接运行，车辆会识别满足lane borrow条件，直接借道行驶。

所以我们需要观察lane borrow的主要过程：

代码逻辑如下：

1.检查变道的前置条件。

2.对是否进行变道判断。

3如果变道则确定路径边界，优化路径以及对路径评估，最终选出最终路径。

所以我们对IsNecessaryToBorrowLane函数进行是否借道检查，并对其中的IsBlockingObstacleFarFromIntersection函数检查，发现此函数对标志进行检查，所以我们加入crosswalk此限制条件，即可完成行人在人行道行走时，不可借道的任务。

此处代码逻辑如下：

1.找出参考线中无法借道的标志。

2.如若在不可借道的范围内，则禁止借道，否则则可以借道。

赛题5--道路施工，换道行驶

1.赛题要求：

1.前方道路施工，导致该段道路无法通行。主车应选取旁边匝道通过该区域。

2.赛题思路：

直接运行代码会发现，主车routing选择了最短的路径，也就是直线到达终点，但是这个路无法通行，导致主车一直被堵塞。

在这里尝试lane borrow和lane change没成功，所以直接去改变了routing，让routing直接去选择右方路线。

找到routing中的路径选择策略：A*算法。尝试改进算法，识别障碍物，增加障碍物代价。但并未成功。又去寻找其中的启发函数，尝试直接选右方的路去，也就是最长的路。只需将启发函数符号变化，就可以选择最长的路。

因为其余场景并无换道任务，所以此方法不会影响其他场景的运行。

赛题6--障碍物堵塞，自动泊车

1.赛题要求：

1.遇到障碍物时，主车可以选择绕过这些空置的泊车位，直接前往目的地。

2.到达泊车位时，完成自动泊车。

2.赛题思路：

首先直接运行，车辆会直接被障碍物堵塞。

查找lane follow流水线，发现可以用lane borrow去完成绕行。通过查询日志，找到lane borrow无法完成的原因：右侧无道。

将此行代码删去。并在识别到借道时，小车附近有停车点时，则可以拓宽车道，让小车nudge完成此任务。

从process中找到确定边界的函数DecidePathBounds函数，并找出其中的关键函数GetBoundaryFromNeighborLane。增加如下代码即可完成nudge，绕过障碍物。

增加代码主要逻辑为：

1.获取主车的位置，并检查主车附近是否有停车站。

2.若检测到停车点，则拓宽道路边界，否则不扩展。

绕行完成后发现并不触发泊车场景。

找到场景转换的函数valet_parking_scenario.cc中的IsTransferable函数。发现只有有外部命令的时候才会触发停车场景。所以增加终点检测停车位的代码，如果有停车位自动转换到泊车场景，否则不转换场景。

增加代码主要逻辑如下：

1.获取终点的位置。

2.设置在ENU坐标下的终点位置，为后续函数提供参考。

3.当无外部命令增加停车位id时，检测终点停车位的id赋值给target_parking_spot_id。

最后修改相应的参数：因绕行障碍物转弯的幅度较大，需调整lane borrow的相关参数，同时需调整转入泊车场景的参数，使其在合适的范围内识别出停车位。

相关参数如下，第一幅图主要是减少横向各阶导数的权重，让转弯可以更陡，让主车更快的回到参考线。第二幅图主要是条件进入泊车场景的距离：