Autoware 官网给出了两种安装方式：源码编译安装Source Build 和 Docker 方式，使用 Docker 方式更为简单。优秀开源项目的源代码，宛如圣经，适合反复研读，为方便日后学习其源码，博主推荐源码安装的方式。

1 Autoware配置要求

1.1 硬件

首选 i7 处理器，i5 也可以（8核）；
16GB - 32GB 运行内存；
至少 30GB 硬盘存储空间（推荐使用固态硬盘）；
显卡 NVIDIA GTX GeForce GPU（980M或更高性能）。

1.2 软件

列出来的都是我安装的版本，也可以根据自己的需要安装最新版本：

Ubuntu 18.04；

Autoware 1.12.0（至少1.12.0版本）；

eigen3.3.7

OpenCV没装 ROS自带OpenCV（至少 3.0 版本）；

显卡驱动recommended-470

CUDA 10.0（可选）；

ROS Melodic；

Qt 5.12.0 （至少 5.9.5 版本以上）；

FlyCapture2 没装（相机的开发套件，可选）；

Armadillo没装（用于线性代数和科学计算的C ++库，可选）。

 

2 Ubuntu 18.04安装

双系统卸载与安装_ubuntu18_台式机_qq_39429669的博客-CSDN博客

3 Autoware安装

3.1eigen3.3.7

注意：要在 Melodic 上启用 CUDA 支持，需要安装eigen3.3.7

源码安装Eigen3.3.7_qq_39429669的博客-CSDN博客

3.2OpenCV没装（至少 3.0 版本）

ROS自带OpenCV

实战记录：Ubuntu18.04,autoware安装部署过程与问题记录 - 知乎

下条连接没有用，以后可能又用

Ubuntu18.04 ROS如何使用自带的Opencv3.2.0_Baozi_Jay的博客-CSDN博客

3.3显卡驱动

Ubuntu 18.04 安装 NVIDIA 显卡驱动_qq_39429669的博客-CSDN博客

3.4CUDA 10.0

Ubuntu18.04安装cuda10.0_qq_39429669的博客-CSDN博客

注意：cuDNN没有安装，也可以使用，下面是关于其介绍和安装

不得不说，安装显卡驱动和CUDA、cuDNN是深度学习工作者的必备技能。

CUDA(Compute Unified Device Architecture)，是NVIDIA推出的运算平台。

cuDNN 专门针对Deep Learning框架设计的一套GPU计算加速方案。

cuDNN 实际是一个库，并不存在安装过程，一定要下载对应版本。

不安装cudnn可不可以_关于CUDA和cuDNN的安装_愿水长流的博客-CSDN博客

Autoware 1.14 完整安装 - LeonHuo - 博客园

3.5ROS Melodic

Ubuntu18.04安装ROS-melodic_qq_39429669的博客-CSDN博客

3.6Qt 5.12.0 （至少 5.9.5 版本以上）

Ubuntu18.04 安装 QT5.12.0_qq_39429669的博客-CSDN博客

3.7安装 Autoware（以v1.12.0为例，对于v1.12.0及以上版本均适用）

3.7.1 安装依赖，配置环境

sudo apt update

sudo apt install -y python-catkin-pkg python-rosdep ros-$ROS_DISTRO-catkin

sudo apt install -y python3-pip python3-colcon-common-extensions python3-setuptools python3-vcstool

pip3 install -U setuptools

3.7.2 创建工作空间

 mkdir -p autoware.ai/src

 cd autoware.ai

3.7.3 下载autoware.ai的工作空间的配置

wget -O autoware.ai.repos "https://gitlab.com/autowarefoundation/autoware.ai/autoware/raw/1.12.0/autoware.ai.repos?inline=false"

下载更高版本的只需将指令中1.12.0替换为相应的版本号即可。

3.7.4 下载autoware.ai到工作区
 

vcs import src < autoware.ai.repos

这一步要很久，耐心等待。

由于某种原因，会有3个文件夹不能下载，将相关资源备份到 gitee,修改源码,把3个原来的链接改成gitee链接，重新定位资源。

3.7.5 使用rosdep安装依赖项

 rosdep update
 rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO

3.7.6 编译工作区

若已经配置好了 CUDA：

 AUTOWARE_COMPILE_WITH_CUDA=1 colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

若没有 CUDA支持，只使用 CPU：

colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

这一步耗时比较久，主要看电脑配置。139个全部成功的结果如下：

---
Finished <<< lidar_localizer [5min 19s]

Summary: 139 packages finished [12min 22s]
  50 packages had stderr output: adi_driver astar_search autoware_camera_lidar_calibrator autoware_connector autoware_driveworks_gmsl_interface autoware_driveworks_interface autoware_pointgrey_drivers citysim costmap_generator data_preprocessor decision_maker dp_planner glviewer kitti_player kvaser lidar_apollo_cnn_seg_detect lidar_euclidean_cluster_detect lidar_fake_perception lidar_localizer lidar_point_pillars lidar_shape_estimation map_file map_tf_generator microstrain_driver mqtt_socket multi_lidar_calibrator ndt_cpu ndt_gpu object_map op_ros_helpers op_simulation_package op_utilities pcl_omp_registration pixel_cloud_fusion points_downsampler points_preprocessor range_vision_fusion road_occupancy_processor sick_ldmrs_tools sick_lms5xx trafficlight_recognizer vector_map_server vision_darknet_detect vision_segment_enet_detect vision_ssd_detect vlg22c_cam way_planner waypoint_follower waypoint_maker waypoint_planner

知乎网友说没有显卡可使用CUDA的代价就是：耗时28分10秒，RavenRaven使用CUDA耗时7分47秒。作者是使用了CUDA，耗时12分22秒

Autoware 1.12.0 源码安装总结——补充 - 知乎

至此 Autoware.AI 已经安装完毕，接下来是使用官方给出的 demo 测试下软件

 4Autoware.AI 的 demo 演示

干巴巴地介绍软件没什么意思，最快的上手方法就是跑官方 demo 了，这次就先演示一下流程，下一章再详细地介绍软件

可以参考 demo 演示的官方网址
官方也有上传演示的视频，我也在bilibili上转载了，方便学习https://www.bilibili.com/video/BV14g4y1q7uW

4.1 数据下载（浏览器中点击链接or命令行输入指令均可）

下载样本3D 点云 / 地图数据。

wget https://autoware-ai.s3.us-east-2.amazonaws.com/sample_moriyama_data.tar.gz

以ROSBAG格式下载示例数据（LiDAR：VELODYNE HDL-32E，GNSS：JAVAD GPS RTK Delta 3）。链接

wget https://autoware-ai.s3.us-east-2.amazonaws.com/sample_moriyama_150324.tar.gz

如果上述数据下载速度较满的话，可以使用官方提供的 云端镜像

如果云端镜像还比较慢，可以复制链接使用迅雷下载

如果迅雷下载还比较慢，可以保存到云盘使用迅雷云盘下载

如果迅雷云盘还比较慢，可以开一个超级hy

4.2 Demo 运行

1.运行 demo 的前提是 data 和 rosbag 都已经下载到了 Downloads文件夹中

创建.autoware目录（.开头为隐藏文件夹，ctrl+H显示隐藏文件夹）并提取 demo 所需数据

cd ~
mkdir .autoware
cd .autoware
cp ~/Downloads/sample_moriyama_* .
tar zxfv sample_moriyama_150324.tar.gz
tar zxfv sample_moriyama_data.tar.gz

2.运行 Autoware

cd autoware.ai
source install/setup.bash
roslaunch runtime_manager runtime_manager.launch

如果闲每次运行都要source ，可以将这条指令加入到 .bashrc启动文件中；

每次只是source  .bashrc就行了

3.运行起来之后，需要加载 demo 示例的 data，转到Simulation选项卡，单击Ref按钮找到如下图所示路径的 bag 包，若是找不到文件夹，右击看一下Show Hidden Files有没有勾选上。加载完毕之后设置开始时间140，点击play，然后再点击Pause暂停播放。

注意：由于配置原因，先加载包autoware界面会模糊，可以先其他操作，最后加载包

4.再点击 Quick Start 选项卡，然后分别点击 map 和 localizations 右侧Ref按钮，分别加载下图中所示路径的对应文件，选择好后，点击左侧的Map和Localizations按钮，显示变暗。（对应路径autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/rosbag_demo/）

5.然后再点击Rviz按钮启动rviz插件，找到File -> Open Config，然后按照下面的步骤顺序并加载.rviz文件。
autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/rosbag_demo/default.rviz

6.回到simulation，点击pause按键开始播放，软件运行。

Autoware入门学习（二）——Ubuntu18.04下的源码安装和配置_阿川_LiDAR的博客-CSDN博客_ubuntu18.04安装autoware

​​​​​​Autoware入门学习（三）——Autoware软件功能使用介绍（1/3）及demo演示_阿川_LiDAR的博客-CSDN博客_autoware使用手册中文版
Autoware学习笔记_齐天大圣的博客-CSDN博客

Autoware1.12花屏问题解决方法_wweweiweiweiwei的博客-CSDN博客

---

autoware入门教程-源码安装autoware1.12.0 - 创客智造

• velodyne多线雷达需要单独编译，参考文章

• 按正常ros包编译既可以

• 官方demo查看官方指引

• 如果出错，提示ndt_GPU升级为eigen3.3.7，包括兼容处理,参考文章

Source Build · Wiki · Autoware Foundation / MovedToGitHub / autoware · GitLab

---

Autoware 1.12.0 源码安装总结 - 知乎

• 意第一个坑！ 安装完ubuntu系统之后最好不要去安装anaconda
• 因为装完anaconda会把原始Ubuntu自带的python 2.7替换为Python3（ROS很多包都会用到python 2.7）我第一次试着装autoware的时候就装了anaconda，重新创建了一个python 2.7的conda环境之后在跑autoware demo的时候出现了打不开autoware的运行时系统的问题，所以为了节省精力，还是不要装anaconda的好。