autoware.ai原始版本已停止维护和更新
autoware原始版本已停止维护，autoware团队的开发转向了基于ROS2的autoware.universe系列版本，但是基于ROS1的Autoware仍然有很好的学习意义,但是由于停止维护，相关的资料较少，并且一些不合理的部分需要修改，所以本人fork了原始仓库，根据自己对源码的理解添加注释，并且对一些模块做了优化等。并且在完善各功能的操作方法等。 如果对你有帮助，欢迎star和fork。如果你有好的想法，也欢迎提出PR。
- 重规划优化
- op_simulation_package 模拟了聚类对象，加了噪点。这部分代码可以用在雷达获取的信息利用部分
- open planner 的**可以借鉴
- 状态机部分注意扩展性
- 暂未发现障碍物膨胀的参数(也许在costmap_generate),或许可以通过修改车辆的宽度信息而修改A star的搜索
- costmap生成的膨胀，预测占据的框格，A star的启发式函数修改
- 聚类+预测需要打开的选项compare_map_filter,lidar_euclidean_cluster_dectect,imm_ukf_pda_track,naive_motion_predict
gitlab的并不是最新版，github存档的单独仓库才是最新版
障碍物聚类二维化
costmap_generator /points_no_ground (sensor_msgs::PointCloud2) : from ray_ground_filter or compare map filter. It contains filtered points with the ground removed.
bool AstarAvoid::planAvoidWaypoints(int &end_of_avoid_index)
该C++函数是类AstarAvoid中的一部分，用于规划一条避开障碍物的路径。函数的主要逻辑如下：
初始化标志变量found_path为false
计算离当前全局位姿最近的避障路点索引closest_waypoint_index。
使用循环，以步长search_waypoints_delta_逐步更新目标路点索引（从一个避障路点开始，并加上一个与障碍物相关的偏移量obstacle_waypoint_index_）。
在每次循环内：
更新目标路点索引goal_waypoint_index，并检查是否越界。
根据新的目标路点索引获取目标全局位姿goal_pose_global_。
执行A*搜索，从当前局部位姿到目标局部位姿规划路径，并将结果存储在found_path变量中。
如果找到路径，则发布规划路径到名为“debug”的ROS话题，并更新end_of_avoid_index为当前目标路点索引。
调用mergeAvoidWaypoints函数处理避障路径点。
若处理后的避障路点集合非空，则输出提示信息并返回true，同时重置A*算法状态。
若处理后避障路点集合为空，则恢复found_path为false。
若循环结束后仍未找到路径，则输出错误信息并返回false。
总之，此函数通过迭代方式调用A*算法，在一系列预设的目标路点上寻找可行的避开障碍物的路径，成功找到则返回对应的路点索引和规划路径，并进行后续处理，否则返回未找到路径的信息
search_waypoints_delta_ AstarAvoid类的成员变量，用于设置每次搜索的步长，单位米。
getLocalClosestWaypoint 路线上和车辆距离最小的路点
nmea2kml tool 可以导出数据包中的GPS航点
lanelet_aisan_converter 高精地图转换
log_tool 日志工具
Packages for Autoware-specific visualisation and linking Autoware to external visualisation projects.