Autoware 开源自动驾驶栈用最小成本跑通一条完整驾驶链路【免费下载链接】autowareAutoware - the worlds leading open-source software project for autonomous driving项目地址: https://gitcode.com/GitHub_Trending/au/autowareAutoware 是一个开源自动驾驶软件栈覆盖从传感器输入、环境理解到路径规划与控制的完整链路。面向刚接触它的读者用最小成本看到运行结果理解一条完整行驶链路如何衔接并为你的硬件挑到合适的运行方式。它解决什么问题想亲手做自动驾驶最大的开销往往不在写算法而在环境ROS 2、CUDA、TensorRT、编译工具链要逐个安装装完还得搞懂定位、感知、规划、控制这些节点如何拼成一套能开起来的东西。Autoware 的做法是把这整套打包好——这个仓库本身不存放全部算法代码而是以元仓库形式持有版本清单与环境自动化脚本把各独立算法仓库按版本号钉死说明见 src/README.md再提供一组分层预构建的 Docker 镜像进入容器即得到可用的开发环境。对新手意味着不需要在本机逐个装依赖拉一个镜像就能开始验证想法。 如何第一次看到运行结果无需本地编译直接用预构建镜像。如果本地还没有这份代码先 clone 本仓库地址为 https://gitcode.com/GitHub_Trending/au/autoware 。docker pull ghcr.io/autowarefoundation/autoware:core-jazzy拉取含稳定核心功能的运行时镜像标签规则是stage-ros_distrodocker images里出现该标签即成功。docker run --rm -it --net host ghcr.io/autowarefoundation/autoware:core-jazzy进入容器交互 shell入口脚本会自动加载 ROS 2 环境。ros2 doctor在容器内执行检查 RMW、话题与节点发现状态没有致命报错说明基础环境已验证通过。想看真正开车的效果用 docker/examples/demos/planning-simulator/ 下的 compose 配置。核心链路是怎么工作的以规划模拟器 demo 为例一次车动起来是这样串起来的输入数据样本地图从宿主机~/autoware_data/maps挂进容器该 demo 使用 dummy 感知即感知环节被桩掉只真实跑规划与控制所以纯 CPU 机器也能启动。环境理解launch 入口传入map_path、vehicle_model、sensor_model三个参数即哪张地图、哪辆车、哪套传感器栈加载地图后在图中建立自身位置。策略处理路径规划、行为决策、轨迹生成各作为独立的 ROS 2 节点运行靠话题图传递中间结果任何一环的输出都可以单独查看。执行与输出仿真车沿轨迹行驶rviz2 实时显示车辆、轨迹与地图。验证launch 退出后容器不立刻结束而是落到交互 shell可用ros2 topic list等检查状态docker/examples/demos/ 里的 scenario-simulator demo 则把场景测试器接入同一套规划栈等/api/operation_mode/state健康检查通过后才开跑适合做自动化回归。 怎样适配自己的硬件或环境按 GPU 情况选 composedocker/examples/basic/ 给了三种现成组合dev-nvidiaNVIDIA 专有驱动机器用runtime: nvidia注入 CUDA 与 GLX对应universe-devel-cuda-*镜像dev-driIntel / AMD或 NVIDIA Nouveau 开源驱动走/dev/dri直通dev-cpu无 GPU强制 Mesa llvmpipe 软件渲染。启动后在容器内执行glxinfo -Brenderer 显示你的 GPU 说明硬件加速生效显示llvmpipe就该换 compose。注意一个静默坑NVIDIA 专有驱动机器上dev-dri会无声降级为软件渲染此时必须改用dev-nvidia。其他常见取舍ROS 2 版本镜像标签可在jazzy与humble间切换需要逐位可复现的构建时加USE_LOCKFILEtrue会锁定基础镜像 digest 与包版本锁文件见 ansible/vars/目前仅 humble 与 jazzy 支持。多容器或与宿主互通用--net host或network_mode: host并可挂载自己的配置覆盖默认 docker/files/cyclonedds.xml默认只监听 lo。自己构建镜像先vcs import src repositories/autoware.repos引入源码再docker buildx bake -f docker/docker-bake.hcl target按目标构建。 去哪里找配置、文档和源码docker/各层镜像的 Dockerfile 与 docker/docker-bake.hcl 构建目标docker/README.md 有完整镜像分层图和标签说明docker/examples/shell 容器与 4 个 demoplanning-simulator、awsim、scenario-simulator、carla的 compose 示例repositories/全部 .repos 清单autoware.repos是核心源码的清单文件ansible/一键搭建环境的 Ansible 角色ros2、cuda、tensorrt、docker_engine 等CONTRIBUTING.md贡献规范src/算法源码实际落地的目录由清单引入⚠️ 新手最容易卡在哪里Compose 报bind source path does not exist~/autoware_data/maps或~/autoware_data/ml_models在宿主不存在且 Compose 不会替你创建自动创建的路径属 root容器内aw用户写不进去。先建好两个目录或用demo_artifactsansible 角色放置样本地图。rviz 卡、稠密点云卡顿先跑glxinfo -Brenderer 是llvmpipe就是软件渲染按compose 选对没 → GPU 的 runtime 与环境变量传了没 → X11 转发变量全不全的顺序排查。跨容器节点互相发现不了确认两边都在--net host/network_mode: host下并检查默认 cyclonedds.xml仅 lo 接口没有限制监听范围。容器内写出的文件属主不对没传HOST_UID/HOST_GID入口脚本无法把aw用户重映射到宿主compose 默认是 1000与宿主不一致就显式传入。src/ 是空的以为 clone 失败这是元仓库源码要靠vcs import src repositories/autoware.repos按清单引入且需先装python3-vcs2l。如何参与项目维护提问先查项目的问答讨论区确认是否已知问题再提 issue贡献流程见 CONTRIBUTING.md。改代码算法包在独立仓库autoware.core、autoware.universe 等见 repositories/去对应仓库修改并提交 PR元仓库侧通常只需更新清单版本号。长期协作项目按主题组织 working groups挑一个与方向相关的加入。下一步可以做什么把样本地图放到~/autoware_data/maps/sample-map-planning跑通 planning-simulator demo在 rviz 里看车完成一次行驶。有 GPU 就换universe-cuda系列镜像跑同一个 demo用glxinfo -B对比渲染差异。读一遍 ansible/playbooks/install_dev_env.yaml 及其引用的角色在自己的机器上复现一套源码级开发环境。【免费下载链接】autowareAutoware - the worlds leading open-source software project for autonomous driving项目地址: https://gitcode.com/GitHub_Trending/au/autoware创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考