01_搭建百度apollo环境实操可用

0-前言

为什么要这件事

无人驾驶行业涉及范围很广，应用到的往往是前言技术，资料又比较零散，少有成体系的讲理论与实战。我将要做的事情就是通过仿真的方式，带你通过可视的方法理解无人驾驶。

1-目标

项目的目标是给想要了解，转行无人驾驶或者，想要从事无人驾驶某个专项深耕的人，简历一个无人驾驶的知识星球。建立一个无人驾驶领域的业务体系，搭建出一套可debug的仿真环境，实战学习相关算法，提高个人能力提高专项技能。

2-方法

项目将以百度开源apollo项目为项目的开端，带你如何搭建一套可debug的环境，从实践入手，摆脱纯理论阶段。

一点点的通过仿真的方式，了解规控算法，感知算法等。一点点的深耕其实现原理和业务设计理论（业务上为什么要这么做）。

3-Apollo环境搭建

如果你还你点不了解无人驾驶，没关系。我们先搭建一套apollo环境，从实践的角度，跑起来看看怎末玩。

3.1-CPU版

3.1.1前置依赖硬件条件

特点是cpu要新,内存和存储要大

|CPU:Intel 11代酷睿i9 11900（八核十六线程，最大睿频5.2GHz）

|内存：威刚DDR4 32G 3200（可根据需求扩展至128G）

|硬盘：西数黑盘500G

3.2-GPU版

|CPU:Intel 11代酷睿i9 11900（八核十六线程，最大睿频5.2GHz）

|内存：威刚DDR4 32G 3200（可根据需求扩展至128G）

|硬盘：西数黑盘500G

|显卡：NVIDIA GeForce RTX2060 12G

安装 NVIDIA 显卡驱动

可以通过界面的方式安装

随后，可以通过在终端中执行 nvidia-smi 命令来查看 NVIDIA 显卡工作是否正常（完成驱动安装后可能需要重启），正常情况下终端将显示下面的信息：

Sun Mar 27 10:35:07 2022
±----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01 Driver Version: 470.103.01 CUDA Version: 11.4 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=++==============|
| 0 NVIDIA GeForce … Off | 00000000:01:00.0 On | N/A |
| 0% 37C P8 20W / 184W | 553MiB / 12026MiB | 7% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+

±----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 1113 G /usr/lib/xorg/Xorg 215MiB |
| 0 N/A N/A 1343 G /usr/bin/gnome-shell 61MiB |
| 0 N/A N/A 2819 G /usr/lib/firefox/firefox 226MiB |
| 0 N/A N/A 5156 G …404678048605711115,131072 8MiB |
| 0 N/A N/A 24499 G …AAAAAAAAA= --shared-files 33MiB |
| 0 N/A N/A 25945 G /usr/lib/firefox/firefox 1MiB |
±----------------------------------------------------------------------------+

安装 NVIDIA 容器工具包

如果是在物理机中安装的 Ubuntu，且机器配有 NVIDIA 显卡，在安装了驱动的前提下，还需要安装 NVIDIA 容器工具包以运行 Apollo Docker 镜像中的 CUDA：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get -y update
sudo apt-get install -y nvidia-docker2

前置依赖软件

• 安装 Ubuntu 18.04
• 安装 Git
• 安装 Docker 引擎

1.安装 Ubuntu 18.04

系统的安装参考网上教程;

2.安装 GIT

为什么要安装git,因为要从仓库上拉取代码;由于代码较大,所以使用ssh的方式最稳妥,不会中途断掉;所以要有一个github账号.

• ubuntu安装git
• 生成git ssh key
• 添加key 到GitHub上

参考链接

https://www.cnblogs.com/zxlovenet/p/4571850.html

3.安装 Docker 引擎

安装Docker 19.03 及以上版本，在终端中直接执行下述命令即可完成 Docker 社区版的安装：

curl https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

重启 Docker 守护进程以使改动生效：

sudo systemctl restart docker

3.1.3克隆 Apollo 源码

推荐使用过 SSH 方式克隆 Apollo 源码仓库：

# 使用 SSH 的方式
git clone [email protected]:ApolloAuto/apollo.git

3.1.4启动 Apollo Docker 开发容器

进入到 Apollo 源码根目录，打开终端，执行下述命令以启动 Apollo Docker 开发容器：

sudo ./docker/scripts/dev_start.sh

不出意外得话，启动成功后将得到下面信息：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-s0XioVjk-1651472623736)(

3.1.4进入 Apollo Docker 开发容器

启动 Apollo Docker 开发容器后，执行下述命令进入容器：

sudo ./docker/scripts/dev_into.sh

可以发现，进入容器后终端信息发生了相应变化，后面的操作都将在容器中进行：

![进入 Apollo docker 开发容器

若提示 [WARNING] nvidia-smi not found. CPU will be used. 请确认是否要用gpu编译，不是则忽略。若是，请检查NVIDIA 容器工具包 是否安装，重新执行sudo ./docker/scripts/dev_start.sh可解决。

3.1.5容器中构建 Apollo

进入 Apollo Docker 开发容器后，在容器终端中执行下述命令构建 Apollo：sudo ./apollo.sh build 自动适配用cpu编译还是gpu

sudo ./apollo.sh build 

用时739秒编译成功后如下 Enjoy！

3.1.6运行 Apollo

1 启动 Apoll

完成 Apollo 构建后，在容器终端中执行下述命令：

./scripts/bootstrap.sh start

上述命令会启动 DreamView 并使能模块监控机制，在浏览器中访问 http://localhost:8888 来显示 DreamView 界面：

2.选择驾驶模式和地图

在 DreamView 界面的对应下拉框中选择驾驶模式为“Mkz Example，选择地图为“Sunnyvale with Two Offices”：

3.回放 Demo 数据

在容器终端中执行下述命令下载 demo 数据：

source cyber/setup.bash # 回放包需要设置下环境变量
cd docs/demo_guide/
python3 record_helper.py demo_3.5.record

由于网络原因，下载可能失败，可以点击这里手动下载并将数据放到 apollo/docs/demo_guide/ 目录下。继续在容器终端中执行下述命令来播放数据，-l 表示循环播放（loop）：

cyber_recorder play -f demo_3.5.record -l

至此，DreamView 界面中将呈现出自车规划轨迹、他车预测轨迹、路网等各种信息：

参考

https://blog.shipengx.com/archives/e4b9c8ad.html

https://blog.csdn.net/weixin_45929038/article/details/120113008

感兴趣点我blibli