原文链接：进阶课程㉚丨Apollo ROS背景介绍
ROS是机器人学习和无人车学习最好Linux平台软件，资源丰厚。无人车的规划、控制算法通常运行在Linux系统上，各个模块通常使用ROS进行连接。
上周阿波君为大家详细介绍了「进阶课程㉙Apollo控制技术详解——控制器的类型」。
主要介绍控制器的类型，大致分为三类，分别是开环控制、前馈环控制和后馈环控制。其中详细地讲解了前馈环控制器的分类以及控制策略，控制策略主要介绍了三种，分别是Optimal Control（优化控制）、 Adaptive Control（自适应控制）、Robust Control（鲁棒性控制）等。
本周阿波君将继续与大家分享Apollo ROS介绍——背景的相关课程。下面，我们一起进入进阶课程第30期。
目录
1.引入ROS的背景介绍
2.选择ROS的原因
1.引入ROS的背景介绍
自动驾驶系统组成
如上图所示：自动驾驶系统包括障碍物检测、行为决策、路径规划等一系列复杂的工程模块，同时还要支持激光雷达、相机、GPS等一系列传感器的实时数据收集和实时处理。如何将这些功能模块相互独立又相互交互集成一起，构建成一个稳定的自动驾驶系统是一个巨大的挑战，也是自动驾驶计算框架所承载的基本功能。
首先自动驾驶系统还处在一个快速发展的阶段，算法和整体方案还在持续迭代优化。使用框架开发，可以将更多的精力放在算法模块的迭代上。开发者不需要关心具体配置管理、部署运行、底层通信等功能。
其次是感知、定位、决策控制等模块各自承载了一部分独立功能，相互之间有一定的数据依赖。框架能够在开发阶段减少各个模块之间的耦合，在运行阶段可以将各个模块串联起来。
最后是自动驾驶涉及大量的图像点云处理算法，对于可视化和调试工具有很大的需求。比如调试过程中，障碍物检测需要看Detection的那个框准不准；路径规划需要看自动驾驶算法规划的路径是否符合当前的一些决策行为；定位也需要看车辆当前是否在准确的车道内。
2.选择ROS的原因
ROS的基本框架
上图是一个ROS的基本框架，自动驾驶底层通信框架选择ROS，主要有三个方面的原因：
ROS是一个比较强大、灵活的机器人编程框架。从软件架构的层面来说，它是一个基于消息传递的分布式多进程框架，很早就被机器人行业广泛使用。很多著名的机器人开发框架，如基于四元数的坐标转换、3D点预处理驱动、定位算法、SLAM等都是基于ROS开发的开源的现成方案。
ROS基于消息机制，开发者可以根据功能把软件拆分成独立的子模块，子模块通过不断的组合能够建立起比较复杂的系统来完成复杂的功能。
ROS是学术界广泛使用的一个框架，对实验各种新算法提供了一些支持。
基于以上三点，我们在初期选择ROS作为自动驾驶底层框架，用于快速验证顶层算法和技术方案。
