准备工作
在Apollo D-Kit中，各个传感器的坐标系定义如下图所示：
基于Lidar的自动驾驶需要对Lidar相对于GNSS设备的外参进行标定，在此之前，需要先设定一个参数作为初始化参数，其中translation代表了以IMU坐标系为基坐标系，Lidar坐标系相对于IMU坐标系的一组平移变换，在默认的安装方式下，这一组默认参数可以被设定为
1
2
3
4
5
6
7
8
9rotation:
w: 0.7071
x: 0.0
y: 0.0
z: 0.7071
translation:
x: 0.0
y: 0.38
z: 1.33
Lidar2GNSS标定
标定数据采集
在进行Lidar-GNSS标定之前，需要先寻找一块平坦的地面，确保场地中心8米范围内有诸如电线杆、车辆、建筑等轮廓清晰的静态障碍物，避免有大量行人等动态障碍物出现。
进入Docker内环境，启动Dreamview，在
--setup mode--中选择模式Dev Kit Debug，并在--vehicle--中选择Dev Kit车型，在侧边栏中进入Module Controller页面，打开GPS、Localization和Lidar三个模块，在cyber_monitor中检查对应Channel下是否有数据，对应标准如前序环节所述。如各个Channel的输出没有问题，打开
Recorder模块开始记录数据，使用遥控器控制车辆缓慢绕“8”字至少5圈，这个过程中车辆的转弯半径应尽可能小，完成后，关闭Recorder模块，采集的驾驶数据将被保存在apollo/data/bag下，文件名是当前时间。
数据预处理
使用
cp -r docs/Apollo_Fuel/examples/sensor_calibration ./命令将数据抽取工作目录复制到工程根目录下，sensor_calibration目录中的每一个文件夹代表一个标定预处理任务，包括一个原始数据文件夹records、一个存放抽取后的数据的文件夹extracted_data以及一个配置文件XXX_to_XXXX.config，在本任务重，我们只需要其中的lidar_to_gnss文件夹。将
apollo/data/bag目录下采集到的数据拷贝到sensor_calibration/lidar_to_gnss/records，修改lidar_to_gnss.config文件，修改records字段下的record_path一项对应的路径为存储记录文件的路径，该路径下须有形如******.record.00001的记录文件，记录下io_config字段下的output_path一项对应的路径，这将是抽取后数据的保存路径，需注意，这里的路径需要时自/apollo/始的绝对路径。使用
cd /apollo/modules/tools/sensor_calibration切换工作目录，运行python extract_data.py --config /apollo/sensor_calibration/lidar_to_gnss/lidar_to_gnss.config命令，从记录数据中抽取出标定需要的数据，等待出现Data extraction is completed successfully!字样，抽取工作完成。运行过抽取命令后的目录结构如下所示1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16lidar_to_gnss/
├── extracted_data
│ ├── lidar_to_gnss-2020-10-27-20-26
│ │ ├── lidar16_to_gnss_calibration
│ │ │ ├── _apollo_localization_pose
│ │ │ ├── _apollo_sensor_lidar16_PointCloud2
│ │ │ └── sample_config.yaml
│ │ └── tmp
│ │ ├── _apollo_localization_pose
│ │ ├── _apollo_sensor_lidar16_PointCloud2
│ │ └── lidar16_sample_config.yaml
│ └── readme.txt
├── lidar_to_gnss.config
└── records
├── 20200723180717.record.00000
└── readme.txt编辑
extracted_data/lidar_to_gnss-XXXX-XX-XX-XX-XX/sample_config.yaml文件，修改transform字段下的translation的值，将其修改为前文所述的初始外参。
云标定
在BOS的Bucket中创建一个名为
sensor_calibration的文件夹存放原始数据，在建立一个名为out的文件夹存放输出的标定结果，将lidar16_to_gnss_calibration文件夹完整的上传至Bucket中sensor_calibration文件夹下，需要注意的是，目前BOS不支持文件夹上传，所以需要逐个文件夹的建立，再上传内部文件，同一次上传最多可以支持300个文件。上传完成之后，打开Apollo云服务，在Apollo Fuel中新建一个感知标定类型的任务，输入数据路径为
sensor_calibration，输出数据路径为out，然后将任务提交，标定过程大约需要持续1小时，完成后会收到邮件提醒。标定完成之后，标定结果会作为附件发送到邮箱里，附件名称为
velodyne16_novatel_extrinsics_example.yaml，同时在BOS的输出目录下会生成一个层次如下的目录：1
2
3
4
5
6
7
8
9
10
11
12
13
14out/
└── 20201104145626622504
└── lidar16_to_gnss_calibration
├── results
│ ├── tmp
│ │ └── lidar
│ │ ├── final_clouds
│ │ ├── init_clouds
│ │ ├── raw_clouds
│ │ ├── raw_pose
│ │ ├── lidar_result.pcd
│ │ └── lidar16_result_rgb.pcd
│ └── lidar16_novaltel_extrinsic.yaml
└── lidar_to_gnss_calibration_config.yaml对于标定结果的验证可以下载其中的
lidar16_result_rgb.pcd文件，使用点云查看工具打开，比较推荐的工具是开源软件CloudCompare，其官网为http://www.cloudcompare.org/，打开点云后，红色的线条代表驾驶的轨迹，如果周围的障碍物清晰锐利、边缘整齐，说明标定成功。
更新配置文件
- 如果标定成功，使用邮件附件
velodyne16_novatel_extrinsics_example.yaml中的rotation值和translation值替代工程目录中modules/calibration/data/dev_kit/lidar_params/velodyne16_novatel_extrinsics.yaml中对应的值以应用标定数据。
虚拟车道线生成
数据采集
将Apollo D-Kit驾驶至将进行自动驾驶的区域，进入Docker内环境，打开Dreamview，在
--setup mode--中选择模式Dev Kit Debug，并在--vehicle--中选择Dev Kit车型，在侧边栏中进入Module Controller页面，打开GPS、Localization和Lidar三个模块，另启动两个终端，分别进入Docker内环境并运行以下两条命令，启动相应Channel的Publisher。1
2python modules/tools/sensor_calibration/ins_stat_publisher.py
python modules/tools/sensor_calibration/odom_publisher.py检查
/apollo/localization/pose、/apollo/sensor/gnss/odometry、/apollo/sensor/gnss/ins_stat、/apollo/sensor/lidar16/compensator/PointCloud2四个Channel上的输出是否正常，如若正常输出，可以开始采集必要的数据。打开
Recorder模块，驾驶车辆沿计划实施自动驾驶的道路中央运行至路段终点，关闭Recorder模块，在apollo/data/bag中找到对应的记录以备后续使用，需要注意的是，虚拟车道线的生成环节中，提交的数据包不能超过5GB。
提交云服务
打开BOS中的Bucket，建立两个文件夹，用于存储原始数据的
virtual_lane和用于存储生成的虚拟车道线的lane_out，将上述文件夹下形如******.record.00001的记录文件上传至BOS上的virtual_lane目录下，再将上一个环节中邮箱里收到的外参文件重命名为velodyne16_novatel_extrinsics_example.yaml，也上传到这一目录下。打开Apollo云服务，在Apollo Fuel中提交虚拟车道线任务，输入数据路径为
virtual_lane，输出数据路径为lane_out，区域编号为51（此为大连地区的UTM投影编号），雷达类型为lidar16，车道宽度设置为理想的虚拟车道线宽度，譬如2.2，额外ROI扩展是虚拟车道线与实际车道线边缘的距离，为了安全，虚拟车道线可能设置的比实际宽度更窄，但是对于不在虚拟车道线范围内的环境也要建立感知，这就需要设定这一参数。设定完成后，提交任务。
应用虚拟车道线
在提交标定任务的约4-5小时后，预留的邮箱中会收到一条邮件提醒，代表标定工作已经完成，生成的地图将在BOS中的
lane_out目录下，将其下载下来，重命名为相应的名字并拷贝到/apollo/modules/map/data/下，路径即可生效。（Optional）由于BOS网页版不支持文件夹的下载，可以在https://cloud.baidu.com/doc/BOS/s/lk4tnbkrm中下载BOS桌面版，使用Access Key和Secret Access Key进行登录，在BOS桌面端里进行文件夹的下载。
自动驾驶实验
感知适配
在进行感知适配之前，需要先修改
modules/common/data/global_flagfile.txt，为其添加一行--half_vehicle_width=0.43，进入Docker内环境使用bash apollo.sh build_opt_gpu命令重新编译工程。启动Dreamview，在
--setup mode--中选择模式Dev Kit Debug，并在--vehicle--中选择Dev Kit车型，并选择生成的地图，在侧边栏中进入Module Controller页打开Canbus、GPS、Localization、Transform、Lidar以及Lidar Preception六个模块，检查tf、tf_static、/apollo/localization/pose、/apollo/sensor/lidar16/PointCloud2、/apollo/sensor/lidar16/Scan、/apollo/sensor/lidar16/compensator/PointCloud2、/apollo/perception/obstacles等Channel上是否有输出。在Dreamview的界面中观察，界面中是否有障碍物出现。在Dreamviewer中，绿色代表车辆、黄色代表行人、青色代表自行车，带有箭头的线代表对目标运动方向和归集的预测，目标的上方是它的ID、速度以及Apollo为他执行的策略，如IGNORE或CAUTION等。
规划适配
在感知适配的基础上再在
Module Controller页打开Planning、Prediction、Routing、Control模块。再在
Route Editing页中点击Add Point of Interest，然后在车道线上点击一个点作为终点，点击Send Routing Request发送路径规划请求。在这一页面中，按住鼠标右键可以拖动地图，使用鼠标滚轮可以对地图进行放缩，点击鼠标左键可以添加一个PoI点。此时，应看到一条红色的细线，标记着从当前位置到终点位置的路径，蓝色的粗线，代表着当前一个局部的具体规划，在终点处有一个红色的平面标志停止，当有行人出现在规划路径上时，同样会出现停止标志，并重新规划路径。
自动驾驶
将
--setup mode--切换为Dev Kit Closeloop，启动上述感知适配和规划适配中启动的各个模块，待模块完全启动后，发送路径规划请求，遥控器放权，在Tasks页面中点击Start Auto，此时，应看到车辆按照所规划的路径自动驾驶，此时可以观察界面中不断replan的轨迹和车辆的实时驾驶状态是否科学安全，如有异常，随时使用遥控器接管车辆。到达终点后，车辆会自动停止，此时先使用遥控器接管车辆，发送下一个目的地点，或结束实验。