在自动驾驶开源平台领域，Autoware作为全球首个“All-in-One”全栈开源自动驾驶软件平台，凭借其完备的技术体系、持续的迭代升级以及广泛的行业适配性，确立了其在该领域的标杆地位，成为汽车行业工程师、科研机构及相关企业不可或缺的技术工具与研发底座。本文简单介绍Autoware的基本信息、系统架构、版本迭代、优势及局限。

基本信息与起源

Autoware 是世界领先的开源自动驾驶软件项目，提供从感知、定位、预测、规划到控制的完整自动驾驶功能栈，基于 Linux 和 ROS（机器人操作系统）构建，采用模块化架构，支持从 L2 到 L4 级别的自动驾驶开发与部署。

首次发布

2015 年，由日本名古屋大学加藤伸平教授（Shinpei Kato）开发推出，是世界上第一个 "All-in-One"（多合一）自动驾驶开源软件。

管理机构

2020 年成立非盈利的Autoware 基金会（Autoware Foundation），确保项目独立于单一公司，由全球社区共同维护。

许可协议

Apache License 2.0，允许商业使用和二次开发。

核心定位

为自动驾驶研究者和开发者提供灵活、可靠的开发平台，降低技术门槛，加速自动驾驶技术落地。

系统架构

一、核心架构理念：微自治(microautonomy)

Autoware的灵魂是微自治架构——将复杂自动驾驶功能解耦为多个职责明确、边界清晰的小型自治模块，而非单一固定流水线：

每个模块拥有清晰的输入输出接口，可像积木般自由组合。

支持按需替换单个模块（如用深度学习感知替换传统感知），无需重构整个系统。

便于并行开发、测试与维护，加速技术迭代与创新。

兼容不同硬件平台与传感器配置，降低适配成本。

二、分层架构设计

Autoware采用四层架构，自下而上清晰划分职责边界：

层级	核心组件	主要功能
硬件抽象层	传感器驱动、车辆接口、CAN通信	统一硬件接入标准，隔离底层硬件差异，提供标准化数据输出
中间件层	ROS2、DDS、消息接口	分布式通信基础，支持Topic/Service/Action三种通信模式，确保实时性与可靠性
核心功能层	七大核心模块（感知、定位、地图等）	实现自动驾驶核心算法，完成环境理解与决策控制
系统管理层	监控、诊断、日志、安全模块	保障系统稳定运行，处理异常，记录数据，确保功能安全

三、七大核心功能模块详解

Autoware的核心能力由七大功能模块组成，形成完整的自动驾驶闭环：

1. 传感(Sensing)模块

核心功能：多传感器数据采集、预处理与同步

关键组件：激光雷达驱动、摄像头驱动、毫米波雷达驱动、IMU/GNSS驱动、传感器校准、时间同步

输出：标准化点云、图像、雷达数据，为上层提供高质量输入

2. 地图(Map)模块

核心功能：高精度地图加载、解析与管理，提供环境参考框架

关键组件：地图加载器、地图分割、地图查询服务、车道级拓扑分析

支持格式：OpenDRIVE、Lanelet2（Autoware推荐标准）

输出：局部/全局地图数据、车道信息、交通规则等

3. 定位(Localization)模块

核心功能：融合多源数据实现厘米级高精度定位

关键组件：GNSS/IMU融合（卡尔曼滤波）、激光雷达匹配（NDT/ICP）、视觉SLAM、GPS-RTK

输出：车辆实时位姿（x,y,z,roll,pitch,yaw）、定位置信度、地图匹配结果

4. 感知(Perception)模块

核心功能：环境理解，识别障碍物、交通标志、车道线等关键要素

关键组件：目标检测：2D/3D 目标识别（车辆、行人、骑行者）、语义分割：图像 / 点云语义理解、多传感器融合、交通灯识别、车道线检测

输出：检测目标列表、语义地图、障碍物信息、交通规则理解结果

5. 预测(Prediction)模块

核心功能：预测周围交通参与者未来行为，为规划提供依据

关键组件：运动模型预测、意图推理、轨迹生成

输出：障碍物未来轨迹、行为概率分布

6. 规划(Planning)模块

核心功能：生成安全、可行、舒适的行驶路径与轨迹

关键组件：全局路径规划：基于起点终点生成宏观路线、局部轨迹规划：避障、车道保持、变道决策（Lattice Planner/Freespace Planner）、行为决策：处理交通规则、路口通行、汇入汇出等复杂场景

输出：平滑的车辆行驶轨迹（包含速度、加速度信息）

7. 控制(Control)模块

核心功能：将规划轨迹转化为车辆控制指令，实现精准跟踪

关键组件：MPC控制器、PID控制器、车辆动力学模型、纵向/横向控制

输出：加速、制动、转向指令，通过车辆接口发送到底层执行器

8. 车辆接口(Vehicle Interface)

核心功能：连接Autoware与车辆底层控制系统，实现指令下发与状态反馈

关键组件：车辆控制接口、状态监测、故障诊断

通信协议：支持CAN总线、Ethernet、ROS 2消息等多种通信方式

四、通信机制与接口标准

Autoware基于ROS 2与DDS构建通信体系，确保模块间高效协作：

三种核心通信模式

Topic：用于高频实时数据传输（如传感器数据、车辆状态），采用发布-订阅模式

Service：用于请求-响应式交互（如地图查询、参数配置），适合低频操作

Action：用于长时间任务执行（如路径规划、车辆控制），支持进度反馈与任务取消

标准化消息接口

Autoware定义了autoware_xxx_msgs系列消息类型，确保模块间数据格式统一：

感知消息：DetectedObjects、TrafficLightResult

规划消息：Trajectory、Path

控制消息：ControlCommand、VehicleState

定位消息：PoseWithCovarianceStamped

五、安全与扩展设计

功能安全保障

模块级故障检测与隔离，防止单点故障扩散

支持硬件/软件冗余设计，关键组件双备份

符合ISO 26262标准，提供安全开发工具链

灵活扩展机制

Autoware Core：稳定可靠的核心组件，经过严格测试验证

Autoware Universe：社区贡献的创新组件，支持快速实验与迭代

支持第三方算法集成，兼容TensorRT、ONNX等深度学习框架

六、数据流闭环

Autoware的典型数据流路径：

传感器采集数据 → Sensing模块预处理与同步

Localization模块融合数据 → 输出车辆精确位姿

Perception模块处理感知数据 → 输出障碍物与环境信息

Map模块提供高精度地图 → 结合定位结果构建环境模型

Prediction模块预测目标行为 → 为规划提供动态环境信息

Planning模块生成轨迹 → 考虑交通规则与避障需求

Control模块转化为控制指令 → 通过Vehicle Interface下发车辆

车辆执行指令 → 状态反馈至各模块，形成闭环控制

版本迭代

Autoware的发展历程可分为三个主要阶段：ROS 1时代(Autoware.AI)、ROS 2过渡阶段(Autoware.Auto)和ROS 2成熟阶段(Autoware Core/Universe)。

1. Autoware.AI(ROS 1 时代)

项目	详情
核心基础	基于ROS 1.0，世界首个自动驾驶all-in-one开源软件
发布时间	2015年8月正式发布，最后版本1.14.0(2021年)
版本现状	2022年底停止维护，已进入End-of-Life状态
核心特点	功能全面但架构松散，无严格软件质量标准，模块间依赖复杂
适用场景	自动驾驶初学者入门、高校科研验证、快速原型开发
优势	文档丰富、社区成熟、学习资源多、部署门槛低
劣势	实时性不足、无严格安全机制、难以商业化部署

2. Autoware.Auto (ROS 2 过渡版本)

项目	详情
核心基础	基于ROS 2，作为Autoware.AI的下一代继任者
发布时间	2020年开始开发，2021年发布1.0.0版本(专注自动代客泊车ODD)
版本现状	已停止独立开发，功能已整合到Autoware Core中
核心特点	采用现代软件工程最佳实践，重写代码库，定义明确的ODD场景，严格的测试覆盖
适用场景	高安全性应用、自动代客泊车(AVP)、货物配送等特定场景
优势	架构清晰、接口标准化、可重现性强、确定性高
劣势	功能有限、仅覆盖特定ODD、生态尚未成熟

3. Autoware Core (ROS 2 稳定版)

项目	详情
核心基础	基于ROS 2，继承Autoware.Auto的稳定化策略
发布时间	2022年开始推出，持续更新中
版本现状	活跃维护，作为Autoware生态的核心基础组件
核心特点	轻量化ROS 2核心，强调实时性和安全性(ISO 26262兼容)，支持Apex.AI中间件
适用场景	车规级硬件部署、安全关键应用、商业原型开发
优势	代码充分测试、可靠性高、基础组件稳定、支持车规级要求
劣势	功能较少、依赖部分商业组件、扩展灵活性有限

4. Autoware.Universe (ROS 2 开发者版)

项目	详情
核心基础	基于ROS 2，作为Autoware Core的扩展模块
发布时间	2022年开始推出，持续更新中
版本现状	活跃开发，是当前Autoware的主要功能开发分支
核心特点	模块可插拔(使用tier_projects管理)，集成前沿算法(如BEVFusion)，支持多种传感器融合
适用场景	前沿技术验证、复杂场景开发、多模态感知测试、自定义功能开发
优势	功能全面、更新频繁、社区贡献活跃、支持最新ROS 2版本(Humble/Galactic)
劣势	代码质量要求相对宽松、稳定性不如Core版本、对硬件要求较高

版本对比分析

1. 技术架构对比

特性	Autoware.AI	Autoware.Auto	Autoware.Core	Autoware.Universe
ROS版本	ROS 1.0	ROS2 (Foxy/Galactic)	ROS2 (Humble)	ROS2 (Humble)
软件架构	模块化但松散	严格分层架构，定义明确的接口	轻量化核心，最小依赖	可扩展架构，模块可插拔
消息系统	ROS 1原生消息	重新设计的标准化消息	与Auto兼容的消息系统	扩展消息类型，支持更多传感器
构建系统	Catkin	Colcon	Colcon	Colcon
安全机制	基本安全功能	安全设计开始引入	ISO 26262兼容设计	可选安全组件
实时性	非实时优先	实时性增强	硬实时支持	可配置实时性

2. 功能覆盖对比

功能模块	Autoware.AI	Autoware.Auto	Autoware.Core	Autoware.Universe
感知	激光雷达为主，摄像头辅助	多传感器融合，支持深度学习	核心感知组件	完整感知栈，支持BEVFusion等先进算法
定位	GNSS+IMU+激光雷达SLAM	优化的定位算法，支持多传感器融合	核心定位组件	完整定位栈，支持多种地图格式
规划	多种路径规划算法	针对AVP优化的规划算法	核心规划组件	完整规划栈，支持复杂场景
控制	基础车辆控制	模型预测控制(MPC)	核心控制组件	完整控制栈，支持多种车辆
地图	支持标准HD地图	标准化地图接口	核心地图组件	完整地图栈，支持动态地图
车辆接口	基础接口	标准化车辆接口	核心车辆接口	完整车辆接口，支持多种协议

3. 适用场景对比

应用场景	推荐版本	理由
学术研究/高校教学	Autoware.AI	学习资源丰富，部署简单，适合快速验证概念
快速原型开发	Autoware.Universe	功能全面，支持最新算法，开发灵活
车规级部署	Autoware.Core	轻量化，实时性强，安全性高，ISO 26262兼容
自动代客泊车	Autoware.Auto	针对AVP场景优化，功能稳定
货物配送	Autoware.Universe	支持低速场景，功能全面
初学者入门	Autoware.AI	社区成熟，文档丰富，学习曲线平缓

优势 & 局限

核心优势

1、自动驾驶开源界成熟的全栈方案

从感知、定位、规划、控制到地图、车端接口全覆盖，是业内最早、生态最完整的开源自动驾驶平台。

2、完整覆盖「科研→原型→车规→量产」全链路

通过 AI → Auto → Core/Universe 完成了从 ROS1 到 ROS2、从玩具级到车规级的演进。

3、社区与产业背书强

历史久、资料多，有 Tier IV、丰田等产业方支持，落地案例和适配资源丰富。

4、架构分层清晰，可按需裁剪

Core 保稳定、Universe 保新功能，兼顾安全性与迭代速度。

局限分析

1、版本割裂、迁移成本高

AI/Auto/Core/Universe 接口不兼容，工程化迁移工作量大。

2、纯开源版本离真正量产仍有差距

功能、稳定性、冗余、故障处理、ISO 26262 合规仍需大量自研补齐。

3、稳定性与新功能难以兼得

Core 稳但功能少，Universe 全但质量管控松。

4、实时性与车规安全依赖外部组件

硬实时、功能安全依赖 Apex.AI 等商业中间件，纯开源方案不够 “车规”。

5、文档与工程化碎片化

不同版本教程、工具链不统一，中高阶开发门槛高。

Autoware 是目前最适合做自动驾驶快速开发与验证的开源全栈方案，但纯开源版本只能到原型和车规验证阶段，真正量产必须走 Core + 定制化方案。

文章转载自公众号：小白学智能驾驶
原文链接：https://mp.weixin.qq.com/s/HVgHSdIFFst7iI0yH1fW_A

自动驾驶框架 | Autoware