esmini:开源自动驾驶场景引擎全攻略
2026-03-09 04:14:34作者:农烁颖Land
esmini 是一款轻量级开源场景引擎,专注于解析和执行 OpenSCENARIO 标准(ISO 18388)定义的自动驾驶测试场景。作为开发者友好的工具包,它支持道路网络建模、交通参与者行为模拟及传感器数据生成,为自动驾驶算法测试提供标准化虚拟环境。
探索核心价值:为什么选择 esmini?
项目定位与应用场景
如何为自动驾驶系统构建标准化测试环境?esmini 提供了从场景定义到动态执行的完整解决方案。其核心价值体现在:
- 场景标准化:严格遵循 OpenSCENARIO/OpenDRIVE 标准,确保测试用例的可移植性
- 轻量级架构:无需依赖重型游戏引擎,核心库体积小于 5MB
- 多语言支持:提供 C++ 原生 API 及 Python/ROS 接口,适配不同开发栈
- 实时可视化:内置基于 OpenSceneGraph 的 3D 渲染模块,支持场景调试与演示
技术架构解析
esmini 采用模块化设计,主要由五大功能模块构成:
esmini
├── 核心引擎层
│ ├── RoadManager:道路网络数据管理
│ └── ScenarioEngine:场景逻辑执行
├── 交互控制层
│ ├── Controllers:车辆行为控制算法
│ └── ViewerBase:可视化渲染系统
└── 接口适配层
├── esminiLib:跨语言调用接口
└── esminiROS:机器人操作系统适配
常见问题速查表
| 问题 | 解决方案 |
|---|---|
| 场景文件解析失败 | 检查 XML 格式规范性,使用 scripts/run_schema_comply.py 验证 |
| 可视化窗口卡顿 | 降低渲染分辨率:--window 0 0 800 600 |
| 第三方控制器集成困难 | 参考 code-examples/follow_reference 示例实现 UDP 通信 |
快速上手:3分钟启动你的第一个场景
零基础环境搭建
如何在Linux系统快速部署esmini?只需三步:
- 获取源码
git clone https://gitcode.com/gh_mirrors/es/esmini
cd esmini
- 编译项目 💡 确保已安装 CMake 3.10+ 和 OpenGL 开发库
mkdir build && cd build
cmake ..
make -j4
- 验证安装
./bin/esmini --version
场景运行实战
如何加载并运行示例场景?以高速公路换道场景为例:
- 执行预定义场景
./bin/esmini --osc ../EnvironmentSimulator/Unittest/xosc/highway_split.xosc
- 关键参数解析
--window x y width height # 设置窗口位置和尺寸
--headless # 无界面模式运行(用于CI测试)
--record # 记录仿真数据到CSV文件
- 交互控制
W/S:控制主车加速/减速A/D:控制方向盘转向ESC:退出仿真
常见问题速查表
| 问题 | 解决方案 |
|---|---|
| 编译缺少依赖 | 执行 sudo apt install libglfw3-dev libopenscenegraph-dev |
| 场景文件找不到 | 使用绝对路径或确保工作目录正确 |
| 控制器无响应 | 检查 --controller 参数是否正确指定 |
深度探索:从场景定义到算法测试
解析配置文件:从参数到场景
OpenSCENARIO 文件如何描述复杂交通场景?以 highway_merge.xosc 为例,核心结构包括:
<Scenario>
<RoadNetwork> <!-- 道路网络定义 -->
<LogicFile filepath="highway.xodr"/>
</RoadNetwork>
<Entities> <!-- 交通参与者定义 -->
<Vehicle name="Ego" controller="External"/>
<Vehicle name="Lead" controller="FollowRoute"/>
</Entities>
<Storyboard> <!-- 场景事件逻辑 -->
<Story>
<Act name="MergeAct">
<ManeuverGroup>
<Maneuver name="MergeManeuver">
<LaneChangeAction targetLane="-1"/>
</Maneuver>
</ManeuverGroup>
</Act>
</Story>
</Storyboard>
</Scenario>
💡 提示:使用 tools/osc-validator 工具可验证场景文件语法正确性
扩展开发:自定义控制器
如何开发符合项目需求的车辆控制器?
- 创建控制器类
#include "Controller.hpp"
class MyController : public Controller {
public:
void Update(double dt) override {
// 实现自定义控制逻辑
vehicle->SetSpeed(desired_speed);
}
};
- 注册控制器
REGISTER_CONTROLLER(MyController, "MyController")
- 编译与使用
cmake -DCMAKE_BUILD_TYPE=Debug ..
make
./bin/esmini --osc scenario.xosc --controller MyController
常见问题速查表
| 问题 | 解决方案 |
|---|---|
| 控制器接口文档缺失 | 参考 Libraries/esminiLib/esminiLib.hpp 头文件 |
| 自定义参数无法传递 | 使用 <ParameterDeclarations> 标签定义场景参数 |
| 仿真步长不匹配 | 通过 --dt 参数调整仿真时间步长 |
进阶路径图:从入门到专家
初级:场景创建与运行
- 掌握 OpenSCENARIO 基础语法
- 使用
scenario_scripts/generate_traffic.py创建随机交通流 - 熟悉
run/目录下的批处理脚本
中级:功能扩展与集成
- 开发自定义传感器模型(参考
code-examples/ideal-sensors) - 集成 ROS 系统(使用
Libraries/esminiROS模块) - 实现场景自动化测试(结合
test/smoke_test.py)
高级:性能优化与部署
- 研究
ScenarioEngine模块的并行化改造 - 优化渲染性能(调整
ViewerBase中的LOD参数) - 构建场景数据库与版本管理系统
通过这套系统学习路径,开发者可逐步掌握从场景编辑到自动驾驶算法测试的全流程应用,充分发挥 esmini 在自动驾驶研发中的价值。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287