快速开始

本教程将引导您逐步运行自动驾驶数据流，从简单的物体检测到完整的自动驾驶系统。

启动 CARLA 模拟器

首先，使用 Docker 启动 CARLA 模拟器：

# 拉取 CARLA Docker 镜像
docker pull carlasim/carla:0.9.13

# 启动 CARLA 模拟器
docker run --privileged --gpus all --net=host -e DISPLAY=$DISPLAY carlasim/carla:0.9.13 /bin/bash ./CarlaUE4.sh -carla-server -world-port=2000 -RenderOffScreen

模拟器将在 localhost:2000 运行。

数据流配置文件

graphs/oasis/ 目录包含多个数据流配置文件，每个文件展示自动驾驶的不同功能层级：

1. 物体检测 (oasis_agent_yolov5.yaml)

这是最简单的数据流，演示如何使用 YOLOv5 检测 CARLA 模拟器中的物体。

数据流结构

┌─────────────┐     ┌─────────┐     ┌──────┐
│ oasis_agent │────▶│ yolov5  │────▶│ plot │
│  (相机图像) │     │(物体检测)│     │(可视化)│
└─────────────┘     └─────────┘     └──────┘

节点说明

运行命令

dora up
dora start graphs/oasis/oasis_agent_yolov5.yaml --attach

预期输出

运行后会显示一个窗口，展示 CARLA 模拟器的相机画面，检测到的物体会用边界框标注。

2. 障碍物定位 (oasis_agent_obstacle_location.yaml)

在物体检测的基础上，结合 LIDAR 点云数据计算障碍物的全局坐标。

数据流结构

┌─────────────┐     ┌─────────┐     ┌────────────────────┐     ┌──────┐
│ oasis_agent │────▶│ yolov5  │────▶│ obstacle_location  │────▶│ plot │
│ (相机+LIDAR)│     │(物体检测)│     │    (障碍物定位)     │     │(可视化)│
└─────────────┘     └─────────┘     └────────────────────┘     └──────┘

节点说明

工作原理

1. 计算点云中每个点的角度
2. 将边界框像素角度映射到实际点
3. 将 LIDAR 相对坐标转换为全局坐标

坐标系统

使用 Unreal Engine 坐标系：

• Z 轴：向上
• X 轴：向前
• Y 轴：向右

运行命令

dora up
dora start graphs/oasis/oasis_agent_obstacle_location.yaml --attach

预期输出

检测到的障碍物会在边界框中显示一个点，表示其估计的全局坐标位置。

3. 路径规划 (oasis_agent_planning.yaml)

添加 GPS 路由和运动规划功能，使车辆能够规划避障路径。

数据流结构

                                    ┌────────────┐
                              ┌────▶│ carla_gps  │────┐
┌─────────────┐     ┌─────────┐     │  (GPS路由)  │    │     ┌─────────┐
│ oasis_agent │────▶│ yolov5  │     └────────────┘    ├────▶│  fot_op │
│             │     └─────────┘                       │     │(轨迹规划)│
│             │────▶│obstacle_location│───────────────┘     └─────────┘
└─────────────┘     └─────────────────┘

节点说明

GPS 路由

使用 CARLA 的 GlobalRoutePlanner 计算两点间的路线，航点格式为 [x, y, speed]。

运动规划

Frenet Optimal Trajectory (FOT) 规划器综合考虑：

• 当前位置和速度
• 障碍物位置
• GPS 航点

生成最优的避障轨迹。

运行命令

dora up
dora start graphs/oasis/oasis_agent_planning.yaml --attach

预期输出

可视化窗口会显示规划的路径轨迹，包括 GPS 航点和避障路径。

4. 完整自动驾驶 (oasis_full.yaml)

完整的自动驾驶系统，包含感知、规划和控制三个模块。

数据流结构

┌─────────────┐
│ oasis_agent │◀──────────────────────────────────────────┐
│  (传感器)   │                                           │
└──────┬──────┘                                           │
       │                                                  │
       ▼                                                  │
┌─────────────┐     ┌────────────────────┐               │
│   yolov5    │────▶│ obstacle_location  │               │
│ (物体检测)  │     │   (障碍物定位)      │               │
└─────────────┘     └─────────┬──────────┘               │
                              │                          │
       ┌──────────────────────┼──────────────────┐       │
       │                      │                  │       │
       ▼                      ▼                  ▼       │
┌─────────────┐     ┌─────────────┐     ┌──────────────┐ │
│ carla_gps   │────▶│   fot_op    │────▶│ pid_control  │─┘
│  (GPS路由)  │     │ (轨迹规划)   │     │  (PID控制)   │
└─────────────┘     └─────────────┘     └──────────────┘

新增节点

PID 控制器

将规划的航点转换为车辆控制命令：

• throttle: 油门 (0-1)
• steering: 转向 (-1 到 1)
• brake: 刹车 (0-1)

控制命令发送回 oasis_agent，形成闭环控制。

运行命令

dora up
dora start graphs/oasis/oasis_full.yaml --attach

预期输出

车辆将自动行驶，实时检测障碍物、规划路径并控制车辆。可视化窗口显示完整的感知和规划信息。

进阶扩展

可以添加更多功能节点：

故障排除

模拟器连接失败

确保 CARLA 在 localhost:2000 运行：

# 检查容器状态
docker ps

# 查看容器日志
docker logs <container_id>

GPU 内存不足

调整 YOLOv5 配置：

env:
  PYTORCH_DEVICE: cpu  # 使用 CPU 而非 GPU

显示问题

如果使用无头模式，确保设置了正确的 DISPLAY 环境变量。

源代码

• GitCode 仓库

完整文档

• CARLA 集成指南
• 障碍物定位
• 路径规划
• 车辆控制