Apollo 9.0.0 自动驾驶系统整体架构分析

Apollo 9.0.0 自动驾驶系统整体架构分析 - 实践

news/2026/1/18 16:46:29/文章来源:https://www.cnblogs.com/gccbuaa/p/19498726

文章目录

1. 系统概览
- 1.1 技术特点
- 1.2 技术栈
2. 整体系统架构
- 2.1 分层架构设计
- 2.2 核心组件关系图
3. 核心模块详细分析
- 3.1 Cyber RT运行时框架
- - 3.1.1 核心特性
  - 3.1.2 关键组件
- 3.2 感知系统架构
- - 3.2.1 传感器配置
  - 3.2.2 感知流水线
  - 3.2.3 算法支持
- 3.3 规划系统架构
- - 3.3.1 规划层次
  - 3.3.2 规划器类型
- 3.4 控制系统架构
- - 3.4.1 控制层次
  - 3.4.2 控制算法
- 3.5 定位系统架构
- - 3.5.1 定位源
  - 3.5.2 融合算法
4. 数据流分析
- 4.1 主要数据流
- 4.2 关键消息类型
- - 4.2.1 感知消息
  - 4.2.2 定位消息
  - 4.2.3 规划消息
5. 系统部署架构
- 5.1 软件部署模式
- - 5.1.1 单机部署
  - 5.1.2 分布式部署
  - 5.1.3 容器化部署
- 5.2 硬件架构要求
- - 5.2.1 计算单元
  - 5.2.2 传感器配置
6. 性能与安全分析
- 6.1 实时性能指标
- - 6.1.1 延迟要求
  - 6.1.2 吞吐量指标
- 6.2 安全保障机制
- - 6.2.1 功能安全
  - 6.2.2 信息安全
7. 开发与调试体系
- 7.1 开发工具链
- - 7.1.1 构建系统
  - 7.1.2 调试工具
- 7.2 测试验证体系
- - 7.2.1 测试层次
  - 7.2.2 验证方法
8. 总结与展望
- 8.1 架构优势
- 8.2 技术趋势

团队博客:汽车电子社区

1. 系统概览

Apollo是百度开发的自动驾驶开放平台，采用模块化、分布式架构设计，为L4级别自动驾驶提供完整的软件解决方案。

1.1 技术特点

- 模块化设计：各功能模块独立，便于开发、测试和部署
- 分布式架构：基于Cyber RT实现高性能分布式通信
- 实时性保障：专为自动驾驶场景优化的低延迟设计
- 跨平台支持：支持x86_64和aarch64架构
- 算法可插拔：支持多种感知、规划、控制算法

1.2 技术栈

- 主要语言：C++17, Python 3.x
- 构建系统：Bazel 3.7.0+
- 通信框架：Cyber RT + FastDDS
- 计算库：Eigen3, OpenCV, PCL
- 机器学习：PyTorch, PaddlePaddle, TensorRT
- 系统依赖：Ubuntu 18.04+, Docker, CUDA/ROCm

2. 整体系统架构

2.1 分层架构设计

在这里插入图片描述

2.2 核心组件关系图

3. 核心模块详细分析

3.1 Cyber RT运行时框架

Cyber RT是Apollo的核心通信框架，专为自动驾驶设计：

3.1.1 核心特性

- 高性能通信：基于FastDDS，支持零拷贝内存优化
- 组件化架构：支持模块化开发和部署
- 实时调度：提供多种调度策略保证实时性
- 跨语言支持：C++/Python双语言接口

3.1.2 关键组件

- Node节点：通信的基本单位
- Component组件：功能实现的容器
- Scheduler调度器：任务调度和资源管理
- Channel通道：数据传输的管道

3.2 感知系统架构

多传感器融合感知方案：

3.2.1 传感器配置

- 摄像头：多个视角，覆盖不同距离和角度
- 激光雷达：360°扫描，精确测距
- 毫米波雷达：恶劣天气下的补充感知

3.2.2 感知流水线

原始数据 -> 预处理 -> 特征提取 -> 目标检测 -> 目标跟踪 -> 结果融合 -> 输出目标

3.2.3 算法支持

- 视觉算法：YOLO、Faster R-CNN、BEV Detection
- 激光算法：PointPillars、CenterPoint、VoxelNet
- 融合算法：卡尔曼滤波、匈牙利算法、贝叶斯融合

3.3 规划系统架构

分层规划架构，从全局到局部：

3.3.1 规划层次

- 路由规划：从起点到终点的全局路径
- 行为规划：驾驶行为决策（换道、超车等）
- 轨迹规划：具体的时空轨迹

3.3.2 规划器类型

- Lattice Planner：基于采样的解耦规划
- Public Road Planner：公开道路复杂场景
- RTK Planner：循迹规划模式
- Navi Planner：导航模式简化规划

3.4 控制系统架构

分层控制架构：

3.4.1 控制层次

- 路径跟踪：横向控制（方向盘）
- 速度控制：纵向控制（油门/刹车）
- 车辆执行：底层CAN通信

3.4.2 控制算法

- MPC控制：模型预测控制，处理多变量约束
- LQR控制：线性二次调节器，优化控制性能
- PID控制：经典的反馈控制

3.5 定位系统架构

多源融合定位方案：

3.5.1 定位源

- GNSS定位：卫星导航系统
- IMU积分：惯性测量单元
- LiDAR匹配：点云地图匹配
- 视觉里程计：相机运动估计

3.5.2 融合算法

- MSF融合：多传感器紧耦合
- 松耦合融合：独立定位结果的加权融合
- 图优化融合：基于图模型的优化方法

4. 数据流分析

4.1 主要数据流

4.2 关键消息类型

4.2.1 感知消息

message PerceptionObstacles {repeated PerceptionObstacle perception_obstacle;  // 障碍物列表optional apollo.common.Header header = 1;        // 消息头optional ErrorCode error_code = 2;               // 错误码
}

4.2.2 定位消息

message LocalizationEstimate {optional apollo.common.Header header = 1;optional Pose pose = 2;                          // 车辆位姿optional Uncertainty uncertainty = 3;            // 不确定性
}

4.2.3 规划消息

message ADCTrajectory {repeated TrajectoryPoint trajectory_point;       // 轨迹点序列optional DecisionResult decision;               // 决策结果optional EStop estop;                           // 紧急停止
}