Index
yabLoc_particle_filter#
このパッケージには、パーティクルフィルタに関連する実行可能ノードが含まれています。
particle_predictor#
目的#
- このノードは、パーティクルの予測更新と再サンプリングを実行します。
- それは、Correctorノードによって決定されるパーティクルの重みを遡及的に反映します。
入出力#
入力#
/localization/particle_cloud/sample(ParticleCloud)
出力#
/localization/particle_cloud/prediction_sample(ParticleCloud)/localization/particle_cloud/prediction_weight(ParticleWeightArray)
パラメータ#
| パラメータ | 説明 | 型 | デフォルト |
|---|---|---|---|
resampling |
仮説の再サンプリングを実行するかどうか | bool | true |
resampling_threshold |
仮説が再サンプリングされる前の重みの最小しきい値 | double | 0.001 |
min_num_particles |
再サンプリング後の最小パーティクル数 | int | 100 |
max_num_particles |
再サンプリング後の最大パーティクル数 | int | 10000 |
temporal_variance |
'post resampling'仮説の生成に対する時系列的な分散 |
double | 0.0 |
translational_variance |
'post resampling'仮説の生成に対する並進的な分散 |
double | 0.0 |
rotational_variance |
'post resampling'仮説の生成に対する回転的な分散 |
double | 0.0 |
gnss_particle_corrector#
目的#
- このノードは、GNSS測定値に基づいてパーティクルの重みを修正します。
入出力#
入力#
/localization/particle_cloud/ground_truth(ParticleCloud)/localization/particle_cloud/prediction_sample(ParticleCloud)/localization/gnss/odometry(Odometry)
出力#
/localization/particle_cloud/correction_weight(ParticleWeightArray)
パラメータ#
| パラメータ | 説明 | 型 | デフォルト |
|---|---|---|---|
gnss_model |
GNSSの測定モデル | string | 'gnss_sim' |
gnss_device_model |
使用するGNSSデバイスモデル | string | 'ublox_f9p' |
gnss_max_age |
GNSS測定値の最大許容時間 | double | 1.0 |
camera_particle_corrector#
目的#
- このノードは、カメラ測定値に基づいてパーティクルの重みを修正します。
入出力#
入力#
/ localization / particle_cloud / ground_truth(ParticleCloud)/ localization / particle_cloud / prediction_sample(ParticleCloud)/localization/camera/detection(DetectionArray)
出力#
/localization/particle_cloud/correction_weight(ParticleWeightArray)
パラメータ#
| パラメータ | 説明 | 型 | デフォルト |
|---|---|---|---|
camera_model |
カメラの測定モデル | string | 'camera_sim' |
camera_device_model |
使用するカメラデバイスモデル | string | 'realsense_d435' |
camera_max_age |
カメラ測定値の最大許容時間 | double | 1.0 |
detection_distance_threshold |
検出とパーティクルの位置の距離の最大しきい値 | double | 1.0 |
| 名前 | 種類 | 説明 |
|---|---|---|
input/initialpose |
geometry_msgs::msg::PoseWithCovarianceStamped |
パーティクルの初期位置を指定 |
input/twist_with_covariance |
geometry_msgs::msg::TwistWithCovarianceStamped |
予測更新の線速度と角速度 |
input/height |
std_msgs::msg::Float32 |
地形高 |
input/weighted_particles |
yabloc_particle_filter::msg::ParticleArray |
補正ノードによって重み付けされたパーティクル |
出力#
自動運転ソフトウェア
Autowareの自動運転ソフトウェアは、Perception、Planning、Controlの3つの主要コンポーネントで構成されています。
Perception
Perceptionコンポーネントは、カメラ、LiDAR、レーダーなどのセンサーからのデータを処理し、「点群」と「カメラ画像」を生成します。これらのデータを使用して、障害物（車両、歩行者、自転車など）、道路標識、車線マーキングなどの周辺環境を認識します。
Planning
Planningコンポーネントは、Perceptionから得られたデータを基に、安全で効率的な走行経路を生成します。経路生成では、以下の要因が考慮されます。
- 周囲環境の認識
- 障害物回避
- 車両の運動力学（速度、加速度）
- 交通規則
Control
Controlコンポーネントは、Planningから生成された経路に従って、車両を制御します。これには、ステアリング、アクセル、ブレーキの操作が含まれます。
追加機能
- Lane Keeping Assist (LKA): 車線を維持するアシスタント
- Adaptive Cruise Control (ACC): 前方車両との車間距離を維持するクルーズコントロール
- Emergency Braking: 衝突の可能性がある場合に自動的にブレーキをかける機能
評価
Autowareの性能は、さまざまな指標を使用して評価できます。
- Planning評価:
- 障害物逸脱量（velocity, acceleration）
- 車線逸脱量
- 安全距離
- Control評価:
- 追従精度
- 'post resampling'精度
- 車両の安定性
使用例
Autowareの自動運転ソフトウェアは、自動運転車両、ロボタクシー、ラストワンマイル配送などのさまざまな用途で使用できます。
| 名前 | 内容 | 説明 |
|---|---|---|
output/pose_with_covariance |
geometry_msgs::msg::PoseWithCovarianceStamped |
粒子中心と共分散 |
output/pose |
geometry_msgs::msg::PoseStamped |
粒子中心と共分散 |
output/predicted_particles |
yabloc_particle_filter::msg::ParticleArray |
予測ノードで重み付けされた粒子 |
debug/init_marker |
visualization_msgs::msg::Marker |
初期位置のデバッグ用可視化 |
debug/particles_marker_array |
visualization_msgs::msg::MarkerArray |
粒子の可視化。visualize が true の場合に配信 |
パラメータ#
| Name | Type | Description | Default | Range |
|---|---|---|---|---|
| visualize | boolean | whether particles are also published in visualization_msgs or not | True | N/A |
| static_linear_covariance | float | overriding covariance of /twist_with_covariance |
0.04 | N/A |
| static_angular_covariance | float | overriding covariance of /twist_with_covariance |
0.006 | N/A |
| resampling_interval_seconds | float | the interval of particle resampling | 1.0 | N/A |
| num_of_particles | float | the number of particles | 500 | N/A |
| prediction_rate | float | frequency of forecast updates, in Hz | 50.0 | N/A |
| cov_xx_yy | array | the covariance of initial pose | [2.0, 0.25] | N/A |
サービス#
| 名称 | 種類 | 説明 |
|---|---|---|
yabloc_trigger_srv |
std_srvs::srv::SetBool |
yabloc推定の有効化および無効化 |
gnss_particle_corrector#
目的#
- このノードは、GNSSを使用して粒子重みを推定します。
- 2種類の入力に対応しています。
ublox_msgs::msg::NavPVTとgeometry_msgs::msg::PoseWithCovarianceStampedです。
入出力#
入力#
| 名前 | タイプ | 説明 |
|---|---|---|
input/height |
std_msgs::msg::Float32 |
地上高度 |
input/predicted_particles |
yabloc_particle_filter::msg::ParticleArray |
推定パーティクル |
input/pose_with_covariance |
geometry_msgs::msg::PoseWithCovarianceStamped |
GNSS測定 (use_ublox_msgがfalseの場合に使用) |
input/navpvt |
ublox_msgs::msg::NavPVT |
GNSS測定 (use_ublox_msgがtrueの場合に使用) |
自動運転ソフトウェアの設計に関するドキュメント
Planningコンポーネント
状態推定と構想
- 最新の自車位置、周囲環境のステータス、予定ルートを把握するための状態推定
- 障害物の検知、予測、および分類に基づいたパス計画の構想
動作計画
- 経路最適化と障害物回避のためのグローバルプランナー
- 局所プランナーによるリアルタイム動作計画の生成
制御
- 車両の動的特性を考慮した制御器の設計
- 経路追従、速度制御、障害物回避のための閉ループ制御
シミュレーションとテスト
- 仮想環境を使用した自動運転システムのシミュレーション
- 実際のテスト走路での実車テスト
システムアーキテクチャ
- モジュール化されたソフトウェアアーキテクチャ
- さまざまなセンサーとアクチュエーターとのインターフェース
Autowareソフトウェアスタック
- オープンソースの自動運転ソフトウェアプラットフォーム
- Planning、制御、センシング、シミュレーションのためのモジュールを提供
主要な概念
- 'post resampling'：状態推定後の予測された経路
- 速度逸脱量：目標速度からの逸脱
- 加速度逸脱量：目標加速度からの逸脱
- 制御限界：車両の物理的な制約による制御器の入出力の限界
- Lanelet2：道路環境を表現するためのデータ構造
| 名前 | タイプ | 説明 |
|---|---|---|
output/weighted_particles |
yabloc_particle_filter::msg::ParticleArray |
重み付けられた粒子 |
debug/gnss_range_marker |
visualization_msgs::msg::MarkerArray |
GNSS の重み分布 |
debug/particles_marker_array |
visualization_msgs::msg::MarkerArray |
粒子のビジュアライゼーション. visualize が真の場合に公開される |
パラメータ#
| Name | Type | Description | Default | Range |
|---|---|---|---|---|
| acceptable_max_delay | float | how long to hold the predicted particles | 1 | N/A |
| visualize | boolean | whether publish particles as marker_array or not | 0 | N/A |
| mahalanobis_distance_threshold | float | if the Mahalanobis distance to the GNSS for particle exceeds this, the correction skips. | 30 | N/A |
| for_fixed/max_weight | float | gnss weight distribution used when observation is fixed | 5 | N/A |
| for_fixed/flat_radius | float | gnss weight distribution used when observation is fixed | 0.5 | N/A |
| for_fixed/max_radius | float | gnss weight distribution used when observation is fixed | 10 | N/A |
| for_fixed/min_weight | float | gnss weight distribution used when observation is fixed | 0.5 | N/A |
| for_not_fixed/max_weight | float | gnss weight distribution used when observation is not fixed | 1 | N/A |
| for_not_fixed/flat_radius | float | gnss weight distribution used when observation is not fixed | 5 | N/A |
| for_not_fixed/max_radius | float | gnss weight distribution used when observation is not fixed | 20 | N/A |
| for_not_fixed/min_weight | float | gnss weight distribution used when observation is not fixed | 0.5 | N/A |
camera_particle_corrector#
目的#
- このノードは GNSS を使用してパーティクルの重みを見積もります。
入出力#
入力#
| 名称 | タイプ | 説明 |
|---|---|---|
input/predicted_particles |
yabloc_particle_filter::msg::ParticleArray |
予測粒子 |
input/ll2_bounding_box |
sensor_msgs::msg::PointCloud2 |
路面標示を線分に変換したもの |
input/ll2_road_marking |
sensor_msgs::msg::PointCloud2 |
路面標示を線分に変換したもの |
input/projected_line_segments_cloud |
sensor_msgs::msg::PointCloud2 |
投影線分 |
input/pose |
geometry_msgs::msg::PoseStamped |
自車位置周辺のエリアマップを取得するための参照 |
出力#
Autoware Planning 2.x のモジュール開発チュートリアル
このチュートリアルでは、Planning 2.x のモジュール開発に関するエンドツーエンドのプロセスをご紹介します。必要なスキルと知識、および Planning 2.x でモジュールを開発するための推奨アプローチについて説明します。
必要条件#
- C++ の中級レベルの知識
- ROS の基本的な知識
- Autoware の基本的な知識
推奨アプローチ#
Planning 2.x でモジュールを開発するには、以下の推奨アプローチに従うことをお勧めします。
- 要件の定義: モジュールの目的、入力、および出力について明確に定義します。
- インターフェースの設計: モジュールと外部コンポーネントとのインターフェースを設計します。
- モジュールの実装: モジュールのアルゴリズムとロジックを実装します。
- テスト: 単体テスト、統合テスト、システムテストを通じてモジュールをテストします。
- ドキュメント化: モジュールのインターフェース、実装、テストについて文書化します。
モジュール構成#
Planning 2.x のモジュールは、以下のような構成になっています。
- リソース: モジュールによって使用される設定ファイルやパラメータです。
- インターフェース: モジュールと外部コンポーネントとのやり取りに使用されるクラスと関数です。
- アルゴリズム: モジュールの内部ロジックを実装するコードです。
- テスト: モジュールを検証するためのテストケースです。
- ドキュメント: モジュールのインターフェース、実装、テストについての説明です。
モジュールの例#
以下に、Planning 2.x で実装されているモジュールの例をいくつか示します。
- Local Planner: 自車位置から近接将来の軌道を生成します。
- Global Planner: 長期的な将来の軌道を生成します。
- Behavior Planner: 自車の動作を決定します。
- Prediction Module: 他者の動きを予測します。
モジュール開発の手順#
Planning 2.x でモジュールを開発するには、以下の手順に従います。
- Planning モジュールテンプレートを複製する: Planning リポジトリからモジュールテンプレートを複製します。
- モジュールに名前を付ける: モジュールを適切な名前に変更します。
- インターフェースを編集する: モジュールのインターフェースを編集して、独自の要件に合わせます。
- アルゴリズムを実装する: モジュールのアルゴリズムを実装します。
- テストを追加する: モジュールを検証するためのテストを追加します。
- リソースを追加する: モジュールによって使用されるリソースを追加します。
- ドキュメントを追加する: モジュールのインターフェース、実装、テストについてのドキュメントを追加します。
- モジュールをコンパイルしてインストールする: モジュールをコンパイルして Autoware にインストールします。
モジュールのメンテナンス#
Planning 2.x のモジュールをメンテナンスするには、以下のベストプラクティスに従うことをお勧めします。
- コードの変更を記録する: コードの変更をコミットログに記録します。
- 継続的な統合を使用する: 変更があると自動的にモジュールをテストおよびビルドする継続的な統合システムを使用します。
- モジュールを更新する: Planning の新しいバージョンがリリースされたら、モジュールを更新します。
サポート#
Planning 2.x のモジュール開発に関するサポートについては、Autoware フォーラム にアクセスしてください。
| 名前 | タイプ | 説明 |
|---|---|---|
output/weighted_particles |
yabloc_particle_filter::msg::ParticleArray |
ウェイト付き粒子 |
debug/cost_map_image |
sensor_msgs::msg::Image |
lanelet2 から生成されたコストマップ |
debug/cost_map_range |
visualization_msgs::msg::MarkerArray |
コストマップ境界 |
debug/match_image |
sensor_msgs::msg::Image |
投影線分画像 |
debug/scored_cloud |
sensor_msgs::msg::PointCloud2 |
ウェイト付き3D線分 |
debug/scored_post_cloud |
sensor_msgs::msg::PointCloud2 |
ウェイト付き3D線分（不確実なもの） |
debug/state_string |
std_msgs::msg::String |
ノード状態を表す文字列 |
debug/particles_marker_array |
visualization_msgs::msg::MarkerArray |
粒子ビジュアライゼーション.visualize が True の場合に公開 |
パラメータ#
| Name | Type | Description | Default | Range |
|---|---|---|---|---|
| acceptable_max_delay | float | how long to hold the predicted particles | 1 | N/A |
| visualize | boolean | whether publish particles as marker_array or not | 0 | N/A |
| image_size | float | image size of debug/cost_map_image | 800 | N/A |
| max_range | float | width of hierarchical cost map | 40 | N/A |
| gamma | float | gamma value of the intensity gradient of the cost map | 5 | N/A |
| min_prob | float | minimum particle weight the corrector node gives | 0.1 | N/A |
| far_weight_gain | float | exp(-far_weight_gain_ * squared_distance_from_camera) is weight gain. if this is large, the nearby road markings will be more important |
0.001 | N/A |
| enabled_at_first | boolean | if it is false, this node is not activated at first. you can activate by service call | 1 | N/A |
サービス#
| 名 | 種類 | 説明 |
|---|---|---|
switch_srv |
std_srvs::srv::SetBool |
補正の有効化と無効化 |