OpenPlanner 2.5
autoware.ai.openplanner
比赛/竞技
1/5
🧩 软硬件结合
已发布
项目简介
下载安装Autoware.AI及最新OpenPlanner 2.5更新的工作区。
OpenPlanner 2.5 是一个专为自动驾驶系统设计的开源规划器工作空间,它基于 Autoware.AI 框架,集成了最新的 OpenPlanner 2.5 更新。该项目主要解决自动驾驶车辆在高度动态环境中进行路径规划与行为决策的难题,尤其适用于城市道路、复杂交叉口以及存在大量动态障碍物的场景。其核心功能包括全局路径规划、局部轨迹生成、行为预测以及交通灯检测(通过 op_tlr 节点支持 CARLA 模拟器)。技术栈方面,项目基于 ROS Melodic(Ubuntu 18.04),使用 Catkin 或 Colcon 构建工具,并依赖 CUDA 11.1 和 cuDNN 8 以加速深度学习模型推理。主要特点在于其模块化设计:用户可通过提供的 .repos 文件灵活选择与 Autoware.AI 1.13 或 1.15 版本集成,并利用脚本自动切换分支或拉取更新。此外,项目附带了 RViz 可视化配置文件和详细的视频教程,降低了部署门槛。OpenPlanner 2.5 不仅适用于学术研究(如多篇 IEEE 论文所述),也适合工业开发者快速搭建和测试自动驾驶规划算法,尤其适合需要高实时性与鲁棒性的无人车应用。
项目特点
一键安装:提供完整的 workspace,直接下载即可使用,无需繁琐的环境配置。
集成最新 OpenPlanner 2.5:内置了最新的路径规划算法,支持更智能的驾驶决策。
基于 Autoware.AI:依托成熟的自动驾驶开源框架,兼容性强,社区资源丰富。
持续更新:项目会跟随 Autoware.AI 和 OpenPlanner 的版本迭代进行同步更新。
简化开发流程:特别适合需要快速验证规划算法或进行自动驾驶仿真的开发者。
技术规格
| Autoware.AI | |
| OpenPlanner 2.5 | |
| Ubuntu 18.04 / 20.04(推荐) | |
| ROS Melodic / ROS Noetic | |
| C++、Python | |
| catkin / colcon | |
| Apache-2.0 | |
| 约 2-5 GB(含依赖) |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Autoware.AI 核心 | 1 | — | 包含感知、定位、规划等模块 |
| OpenPlanner 2.5 | 1 | — | 最新路径规划算法插件 |
| ROS (Melodic/Noetic) | 1 | — | 机器人操作系统 |
| CUDA (可选) | 1 | — | 用于 GPU 加速 |
| Qt5 | 1 | — | 用于 GUI 界面 |
| catkin_tools | 1 | — | 构建工具 |
能力画像
**记忆与知识检索**:3/5 — 项目文档和 README 提供了基本的安装与使用说明,但更深入的知识需要查阅 Autoware 官方文档。
**动手与操作**:4/5 — 需要一定的命令行操作和 ROS 环境配置经验,但整体流程已简化,适合动手实践。
**编程与算法**:4/5 — 涉及 C++ 和 Python 编程,以及路径规划算法的理解与调参,适合有一定算法基础的开发者。
**设计与建模**:2/5 — 项目主要聚焦于软件集成与算法部署,不涉及硬件设计或 3D 建模。
**实验与调试**:4/5 — 支持在仿真环境(如 Gazebo、CARLA)中进行算法测试与调试,日志和可视化工具丰富。
**协作与分享**:3/5 — 基于 GitHub 托管,支持 Issue、PR 等协作方式,但社区活跃度一般。
**学习与研究**:4/5 — 非常适合学习自动驾驶规划模块,尤其是 OpenPlanner 2.5 的算法原理与应用。
**系统集成**:3/5 — 需要将多个 ROS 包和依赖库集成在一起,对系统集成能力有一定要求。
所需技能
熟悉 Linux 操作系统(Ubuntu)基本操作
掌握 ROS(机器人操作系统)的基本概念与常用命令
具备 C++ 或 Python 编程基础
了解自动驾驶基本架构(感知、定位、规划、控制)
能够使用 Git 进行代码管理
有仿真环境(如 Gazebo、CARLA)使用经验者优先
适用场景
自动驾驶路径规划算法的研究与验证
高校或科研机构的自动驾驶课程实验
基于 Autoware.AI 的无人车开发项目
需要快速搭建规划模块原型的工程实践
对 OpenPlanner 2.5 算法进行二次开发或性能对比测试