2017年7月Apollo 1.0在Github上正式發布。當在新聞上讀到這條消息——“Apollo 1.0開放封閉場地的自動駕駛能力”時，我就在想，我們的農場就是封閉場地，是否可以把Apollo 1.0用做公司機器人系統的無人駕駛模塊呢？

第二天，一到公司我就把源碼下載下來，開始配置運行環境。當用Rosbag在Dreamview里跑起系統自帶的Demo時，我還是很興奮的，立刻被Apollo圈粉了。Apollo是一個比較完整的開放平臺，而且對林肯車和推薦硬件做了適配，偏重實戰。如果按照推薦方案配置，3天之內實現自動駕駛并不夸張。然而基于安全性、可靠性等因素，平臺推薦的硬件配置高、價格昂貴，這對農業場景并不適用。

我認為無人駕駛技術最終的目的是服務大眾，讓人們的生活更便捷、更美好。實際上，這項技術可以應用在很多行業，尤其是農業場景，比較容易落地。如果能夠簡化，實現低成本的方案，將大大加快無人駕駛在農業領域的發展。所以，簡化這項技術，使其更貼近大眾是非常值得一試的。因此，我們嘗試了低成本的硬件方案，下面將和大家分享一下適配過程。

1

車平臺

首先，要有一部實驗車。我們改裝了一部越野電動車，由一個專營電動車的車行定制而成。該車底盤為200x100cm，四輪都有減震，是一個越野底盤，后橋裝有一臺差速電機，能跑40km/h。

此外，我們加裝了EPS轉向助力系統和角度傳感器，同時更換了電機控制器，用來實現線控和RC遙控。然后，我們模擬農場環境做了測試，經過幾次迭代，在進一步改裝之后，增強了車身的可靠性和穩定性，使其可以比較順暢的在顛簸路面上行駛。

（ThorTec農場無人駕駛實驗車）

2

硬件平臺

Apollo 1.0推薦的硬件主要有：IPC、GNSS接收機、IMU和PCI-CAN卡。在1.0中定位是關鍵模塊，只有實現厘米級的定位，才能實現無人駕駛。

IMU的優點是頻率高，在高速的情況下表現好，缺點是存在累計誤差，需要GNSS提供的絕對位置來糾偏。而GNSS設備頻率低，恰好是在低速時表現好，并且在定位絕對位置時，采用RTK差分可以實現厘米級定位。

我們的測試場景是封閉園區低速行駛，速度不超過10km/h。于是，我們對定位設備做了裁剪，去掉了IMU，采用Novatel 617D 板卡RTK差分定位，同時采用雙天線取得航向，最終實現位置精度2cm，航向精度1°的厘米級定位。PCI-CAN卡使用esdcan-pcie402，IPC選用普通的工控機。GPS設備的裁剪一項，使成本降低了10幾萬元，實現了我們的目標。

3

軟件平臺

我們主要對以下5個模塊做了修改：

1.GPS驅動模塊：主要解析Novatel 617D 的三個協議，BestPos，BestVel和Heading。BestPos解析出WGS84大地坐標；BestVel解析水平和垂直速度；Heading解析航向角。具體內容可以參閱Nvatel的技術說明書。

2.Localization：定位模塊的修改，目的是將原來通過IMU獲取的航向、線性速度等數據替換為GNSS接收機解析的數據。

3.Canbus：添加角度傳感器，并適配車輛的控制器CanOpen協議。

4.Control：Apollo 1.0使用通用的LQR和PID控制算法，分別實現車輛動力學的橫向和縱向控制。這里我們主要修改了控制模塊的配置文件，針對我們的車輛調整各項參數，為控制模塊輸入合適的參數，保證控制模塊輸出正確的指令。

5.Common模塊：使用GNSS接收機獲取的數據，修改預瞄算法。

最后，我們模擬農場環境，成功的進行了測試驗證。事實證明，我們的低成本方案是可行的，完全實現了Apollo1.0封閉場地無人駕駛。

我們在適配過程中遇到的很多問題，都在Apollo開發者社區中得到了開發者和Apollo工程師的解答，這對我們的幫助很大。這里，我把我們的適配過程給大家做了簡單的分享，希望同樣對大家有所助益。