Autoware.Universe 2025年11月27日 最新文档 下载地址 : https://download.csdn.net/download/han1202012/92412413

一、Autoware.Universe 安装简介

---

Autoware 安装文档 : https://autowarefoundation.github.io/autoware-documentation/main/installation/

Autoware 只支持 amd64 和 arm64 两种架构 , 也就是在 x86 和 arm 平台 部署 ;

Autoware 最低硬件要求 : 8 核 CPU , 16 GB 内存 , NVIDIA GPU 显卡 4G 显存 , 这是 Docker 安装要求 ; 如果需要 编译源码 , 则将上述硬件要求加倍 ;

安装方式有两种 : Docker 安装 和 源代码安装 ,

• Docker 安装 : 如果只是简单运行 默认配置 , 跑一下仿真器 , 不需要工程落地 , 使用 Docker 安装即可 ;
• 源代码安装 : 如果需要 定制硬件 , 实际工程落地 , 必须使用 源代码方式安装 ;

文档中提供了如下安装方式 : 涉及到 Autoware Core 和 Autoware Universe 的安装方式 ;

• Autoware Core Docker : Autoware Core Docker installation , 这是 Autoware Core 的 Docker 安装方式 , 该文档仅做参考 , 我们主要使用 Autoware.Universe ;
• Autoware Core source : Autoware Core source installation , 这是 Autoware Core 的 源码安装方式 , 该文档仅做参考 , 我们主要使用 Autoware.Universe ;
• Autoware Core Debian Package : Autoware Core Debian Package installation guide , 这是 Autoware Core 的 Debian Package 安装方式 , 该文档仅做参考 , 我们主要使用 Autoware.Universe ;
• Autoware Universe Docker ( 重点 ) : Autoware Universe Docker installation , 这是 Autoware Universe 的 Docker 安装方式 ;
• Autoware Universe source ( 重点 ) : Autoware Universe source installation , 这是 Autoware Universe 的 源码 安装方式 ;

1、Autoware Universe Docker 安装方式

安装文档 : https://autowarefoundation.github.io/autoware-documentation/main/installation/autoware/docker-installation/ ;

需要提前安装 如下 工具 或 组件 :

• Docker : 提供 Autoware 运行的 隔离容器环境 , 打包预编译的 Autoware 核心模块、依赖库、ROS 环境 ;
• NVIDIA Container Toolkit : 可选安装 , 让 Docker 容器能够 调用主机的 NVIDIA GPU , 支持 GPU 加速计算 ;
• NVIDIA CUDA 12 compatible GPU Driver : 可选安装 , 为 GPU 提供底层驱动支持 , 确保 CUDA 12 相关功能正常运行 ;

如果 没有 NVIDIA 显卡 , 可以 只安装 Docker , 但是 Autoware 运行性能极差 , 无法工程落地到实车 , 仅用于 学习和算法验证 ;

如果 NVIDIA 显卡 驱动版本太低 , 不支持 CUDA 12 , 安装 NVIDIA Container Toolkit 和 CUDA 也无法识别 , 需要升级 显卡驱动 ;

2、Autoware Universe 源码 安装方式

安装文档 : https://autowarefoundation.github.io/autoware-documentation/main/installation/autoware/source-installation/

Autoware Universe 源码 安装方式 需要 前置 条件 : Ubuntu 22.04、ROS 2 Humble、Git , 这三个 要素 都是强制必须得 , 否则无法进行安装 ;

• Ubuntu 22.04 系统 : 仅支持 Ubuntu 22.04 LTS , 提供 Autoware Universe 运行的底层操作系统环境 , 确保依赖兼容性 ;
  • 不兼容其它 Ubuntu 版本 : Autoware Universe 基于 ROS 2 Humble , ROS 2 Humble 是专门为 Ubuntu 22.04 定制的 LTS 版本 , 其它版本的 Ubuntu 不支持 ROS 2 Humble ;
  • 系统架构限制 : Autoware Universe 官方 仅支持 x86_64 架构 , 如果要在 ARM 架构中编译 Autoware 源码 , 需要自行修改编译配置 , 部分依赖库没有 ARM 架构版本 , ARM 架构编译难度极大 ;
  • 确保系统最新 : 确保该版本的 所有补丁 都是最新的 , sudo apt update && sudo apt upgrade ;
• ROS 2 Humble : 提供 Autoware 核心的机器人操作系统框架 , 包括 通信机制、工具链、消息格式 ;
  • 核心定位 : Autoware Universe 是基于 ROS 2 开发的高阶自动驾驶框架 , ROS 2 Humble 是其依赖的底层核心 , 所有模块（感知、定位、规划）均通过 ROS 2 的话题 / 服务 / 动作通信 ;
  • 推荐安装版本 : 安装 ros-humble-desktop 版本 , sudo apt install ros-humble-desktop , 包含 RViz（可视化工具）、Colcon（编译工具）、ROS 2 核心库 , 满足开发与调试需求 ; Autoware Universe 只兼容 ROS 2 Humble Hawksbill 版本 , 不兼容 ROS 2 Iron/Jazzy 或 ROS 1 Noetic 版本 ;
  • 前置组件 : 需要配置 ROS 2 国内镜像源 , 必须安装 ROS 2 编译工具 colcon-build 工具 , 设置环境变量 source /opt/ros/humble/setup.bash 确保命令行可执行 ROS 2 命令 ;
• Git : 用于拉取 Autoware 源码及子模块 , 管理版本迭代与分支切换 , 这个就不再介绍了 ;
  • Git 代理 : 拉取 Autoware 源码及子模块时需稳定的网络 , GitHub 国内访问可能较慢 , 可配置 Git 代理或使用国内镜像仓库 , 否则可能导致子模块拉取失败 ;

3、Docker 与 源码 安装方式对比

对比维度	Docker 安装	源代码安装
本质	基于 预编译镜像 , 包含完整运行环境（ 依赖、二进制编译产物 ），开箱即用	从原始代码构建 , 可 自定义依赖、功能模块、驱动逻辑 , 按需定制
操作难度	极低 , 仅需安装 Docker 后 , 通过命令拉取镜像、启动容器 , 无需手动配置依赖	较高，需手动匹配系统版本、解决依赖冲突、配置编译参数 , 对开发环境有一定要求
灵活性	极低 , 无法修改 Autoware 核心代码 , 无法新增自定义驱动/模块 , 仅能使用镜像预集成功能	极高 , 可修改 核心源码、裁剪冗余功能、集成自定义硬件驱动/算法模块 , 支持深度定制
硬件适配	仅支持镜像中 预集成的官方兼容硬件（如 Velodyne 激光雷达、NovAtel RTK 等），无法适配非官方支持的硬件	支持 任意硬件适配 , 可自行开发/集成自定义驱动（如小众激光雷达、定制摄像头） , 灵活适配特殊硬件接口
编译需求	无需编译，镜像已 包含编译完成的二进制文件 , 启动即可运行	必须编译 , 需通过 Colcon（ROS 2）/Catkin（ROS 1）工具编译源码 , 支持增量编译指定模块
调试便利性	较差 , 无法直接断点调试 Autoware 源码 , 仅能通过日志排查表层问题	极佳 , 可 结合 IDE（如 CLion、VS Code）断点调试源码、驱动模块 , 快速定位底层问题
版本迭代	需下载完整新镜像更新 , 无法增量更新 , 版本切换依赖镜像替换	可通过 Git 拉取最新代码/切换分支 , 增量编译更新 , 版本迭代更灵活、高效
系统依赖	仅需安装 Docker 引擎 , 与主机系统依赖完全隔离 , 不受主机系统版本限制	需 严格匹配 Autoware 版本要求的系统（如 Ubuntu 20.04/22.04）、ROS 版本（Noetic/Humble），依赖关系强绑定

二、Autoware.Universe 仿真 / 评估 教程

---

1、仿真概述

Autoware.Universe 仿真 / 评估 教程文档 : https://autowarefoundation.github.io/autoware-documentation/main/tutorials/

Tutorials 文档 中 , 介绍了 仿真 / 评估 教程 , 其中涉及到 两种仿真方法 临时仿真（Ad hoc simulation） 、场景仿真（Scenario simulation） , 三种仿真类型 规划仿真（Planning simulation） 、数据包回放仿真（Rosbag replay simulation） 、数字孪生仿真（Digital twin simulation） ;

仿真方法 :

• 临时仿真（Ad hoc simulation） : 在 本地机器上运行 基础仿真 ;
• 场景仿真（Scenario simulation） : 通过 场景运行器 , 基于预定义场景运行更复杂的仿真 , 通常用于持续集成的自动化运行 , 也可在本地机器上执行 ;

仿真类型 :

• 规划仿真（Planning simulation） : 使用 简单的虚拟数据（dummy data） 测试 规划（Planning）和 控制（Control）组件 , 具体包括 路径生成、路径跟踪 和 避障功能 , 验证车辆能否在避开行人和周围车辆的同时到达目标目的地 , 验证 Lanelet2 地图有效性 ;
• 数据包回放仿真（Rosbag replay simulation） : 使用 预先录制的 rosbag 数据 , 测试 定位（Localization）和 感知（Perception） 组件功能 ;
• 数字孪生仿真（Digital twin simulation） : 这是仿真的重点 , 生成 真实数据 并 模拟 几乎整个系统的仿真类型 , 生成的数据 是 与 真实物理世界 1:1 对应的高保真虚拟世界 , 通常也称为 端到端仿真（end-to-end simulation） , 该仿真及其逼真 ;

Autoware.Universe 仿真 可参考 下图 :

2、数字孪生仿真 - CARLA 仿真

CARLA 仿真 文档 : https://autowarefoundation.github.io/autoware-documentation/main/tutorials/ad-hoc-simulation/digital-twin-simulation/carla-tutorial/

该文档中给出了 4 个 通过 CARLA 运行 Autoware 仿真 的 项目 :

• autoware_carla_interface ( 推荐使用 ) : Autoware ROS 功能包 , 用于实现 Autoware 与 CARLA 模拟器之间的通信，支持自动驾驶仿真 , 已集成至 autoware_universe 中 ;
  • GitHub 地址 : https://github.com/autowarefoundation/autoware_universe/tree/main/simulator/autoware_carla_interface
• carla_autoware_bridge : carla_ros_bridge 的扩展功能包，用于将 CARLA 模拟器与 Autoware Universe 软件对接 ;
  • GitHub 地址 : https://github.com/Robotics010/carla_autoware_bridge ;
  • 使用教程 : https://github.com/Robotics010/carla_autoware_bridge/blob/master/getting-started.md
• open_planner : 一款集成式开源规划器及相关工具，适用于自动驾驶车辆和移动机器人的自主导航 ;
  • GitHub 地址 : https://github.com/ZATiTech/open_planner/tree/humble
  • 使用教程 : https://github.com/ZATiTech/open_planner/blob/humble/op_carla_bridge/README.md
• zenoh_carla_bridge : 用于在 Carla 中控制多辆车，通过 Zenoh 实现 Autoware 与 Carla 的桥接，能够区分不同车辆的消息 ;
  • GitHub 地址 : https://github.com/evshary/zenoh_carla_bridge