【无人驾驶系列】基于ROS的无人驾驶系统

作者简介：
刘少山，PerceptIn联合创始人，主要专注于增强现实、虚拟现实、机器人的核心SLAM技术及其在智能硬件上的实现与优化。创立PerceptIn之前在百度美国研发中心工作，负责无人车系统架构及产品化。
张伟德，百度美国研发中心高级架构师。曾在弗吉尼亚大学网格计算小组担任研究员，在Yahoo!、微软等公司负责大型分布式搜索构架设计。目前在百度从事大数据、深度学习架构和开发。
James Peng，百度首席架构师。斯坦福大学博士，研究方向包括云计算平台、深度学习、数据建模、大规模数据库等。曾在Google工作多年，加入百度后领导多个创新项目，并于2013年获得百度最高奖。
责编：周建丁（zhoujd@youkuaiyun.com）
本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2016年《程序员》

本文是无人驾驶技术系列的第二篇。在上篇解析光学雷达（LiDAR）技术之后，本文着重介绍基于机器人操作系统ROS的无人驾驶系统。文中将介绍ROS以及它在无人驾驶场景中的优缺点，并讨论如何在ROS的基础上提升无人驾驶系统的可靠性、通信性能和安全性。

无人驾驶：多种技术的集成

无人驾驶技术是多个技术的集成，如图1所示，一个无人驾驶系统包含了多个传感器，包括长距雷达、激光雷达、短距雷达、摄像头、超声波、GPS、陀螺仪等。每个传感器在运行时都不断产生数据，而且系统对每个传感器产生的数据都有很强的实时处理要求。比如摄像头需要达到60FPS的帧率，意味着留给每帧的处理时间只有16毫秒。但当数据量增大之后，分配系统资源便成了一个难题。例如，当大量的激光雷达点云数据进入系统，占满CPU资源，就很可能使得摄像头的数据无法及时处理，导致无人驾驶系统错过交通灯的识别，造成严重后果。

图1 无人驾驶系统范例

如图2所示，无人驾驶系统整合了多个软件模块（包括路径规划、避障、导航、交通信号监测等）和多个硬件模块（包括计算、控制、传感器模块等），如何有效调配软硬件资源也是一个挑战。具体包括三个问题：第一，当软硬件模块数据增加，运行期间难免有些模块会出现异常退出的问题，甚至导致系统崩溃，此时如何为提供系统自修复能力？第二，由于模块之间有很强的联系，如何管理模块间的有效通信（关键模块间的