[轉]自動駕駛平臺Apollo 2.5環境搭建

原文地址：https://blog.csdn.net/jinzhuojun/article/details/80210180，轉載主要方便隨時查閱，若有版權要求，請及時聯繫。

咱們知道，自動駕駛在學界其實已是個很老的topic了。而這幾年，伴隨着以深度學習爲主力的第三次AI浪潮，你們彷佛看到了自動駕駛商業化的重大機會，因而不管是學界仍是工業界都開始將注意力轉向該領域。放眼望去，滿大街彷佛都在搞自動駕駛。前段時間，百度又發佈了自動駕駛平臺Apollo的2.5版本。要想搭個環境玩一下的話，其實官方文檔裏挺詳細了。這裏主要是備忘一下主要流程和一些小坑的解決方法。大致可分爲如下幾步：

docker

爲了免除環境差別形成的各類問題，apollo運行環境依賴於docker。所以若是尚未安裝docker的話，須要先安裝docker，能夠參考：https://github.com/ApolloAuto/apollo/blob/master/docker/scripts/README.md#install-docker

若是以後啓動container時遇到下面錯誤：

docker: Error response from daemon: cgroups: cannot find cgroup mount destination: unknown.

• 1

參考https://github.com/boot2docker/boot2docker/issues/1301，解決方法是執行：

sudo mkdir /sys/fs/cgroup/systemd
sudo mount -t cgroup -o none,name=systemd cgroup /sys/fs/cgroup/systemd

• 1
• 2

Apollo

首先下載apollo源代碼。能夠選擇直接從github上拉，也能夠下載release包。這裏選擇後者，從https://github.com/ApolloAuto/apollo/releases/tag/v2.5.0 下載代碼，而後解壓。假設解壓後目錄爲APOLLO_HOME。進入該目錄後，運行如下腳本初始化apollo的開發和運行環境。

bash docker/scripts/dev_start.sh

• 1

其中會去從網上拉幾個所需的docker image並基於這些image啓動container。拉完後用docker images命令能夠看到如下的幾個新增image：

REPOSITORY                                 TAG IMAGE ID CREATED SIZE apolloauto/apollo dev-x86_64-20180413_2000 2d338b6e1942 3 weeks ago 7.17GB apolloauto/apollo localization_volume-x86_64-latest 75cf8c77134c 4 weeks ago 6.94MB apolloauto/apollo map_volume-sunnyvale_big_loop-latest 9d9581178ffe 6 weeks ago 995MB apolloauto/apollo yolo3d_volume-x86_64-latest 562d2b2b5a71 7 weeks ago 70.6MB apolloauto/apollo map_volume-sunnyvale_loop-latest 36dc0d1c2551 3 months ago 906MB

• 1
• 2
• 3
• 4
• 5
• 6

用docker ps能夠看到啓動了如下container：

0f2a5bccc9f3 apolloauto/apollo "/bin/bash" 3 hours ago Up 3 hours apollo_dev 0c1f64813be2 apolloauto/apollo:yolo3d_volume-x86_64-latest "/bin/sh" 3 hours ago Up 3 hours apollo_yolo3d_volume b42bfef51984 apolloauto/apollo:localization_volume-x86_64-latest "/bin/sh" 3 hours ago Up 3 hours apollo_localization_volume 5d6ea903455c apolloauto/apollo:map_volume-sunnyvale_loop-latest "/bin/bash" 3 hours ago Up 3 hours apollo_map_volume-sunnyvale_loop dc4f8219a2b9 apolloauto/apollo:map_volume-sunnyvale_big_loop-latest "/bin/sh" 3 hours ago Up 3 hours apollo_map_volume-sunnyvale_big_loop

• 1
• 2
• 3
• 4
• 5

接下來就能夠經過如下命令進入開發環境了，其實就是進入前面pull下來的dev-x86_64-20180413_2000那個image建立的container（名爲apollo_dev）。前面的apollo代碼根目錄APOLLO_HOME會被映射到container中的/apollo目錄下。

bash docker/scripts/dev_into.sh

• 1

而後就能夠編譯整個系統了。不過因爲感知（perception）模塊不少依賴於CUDA，因此咱們等enable CUDA後再編譯。這裏，咱們能夠按官方文檔先跑下demo。先下載回放數據包：

sudo bash docs/demo_guide/rosbag_helper.sh download

• 1

下載完成後，回放數據位於docs/demo_guide/demo_2.5.bag。而後用下面命令開始回放：

rosbag play -l ./docs/demo_guide/demo_2.5.bag

• 1

Apollo基於ROS，而rosbag是其中一個數據記錄和回放工具。用瀏覽器打開http://localhost:8888，便可看到圖形化輸出：

CUDA

經過前面命令進入apollo_dev這個container中，能夠看到官方image中自帶CUDA 8.0了。但因爲沒有driver，因此還沒法使用GPU進行加速。參考官方文檔How to Run Perception Module on Your Local Computer，下載驅動（最好和host裝的版本一致，driver版本能夠經過nvidia-smi命令查看）和cudnn進行安裝。若是直接運行下載的驅動安裝文件碰到問題，好比：

An NVIDIA kernel module 'nvidia-drm' appears to already be loaded in your kernel.

• 1

不妨嘗試用apt-get來安裝，更方便：

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-384

• 1
• 2
• 3

由於安裝了驅動，即對原image有了修改，若是不commit的話退出後這些改動都沒有了，下次進來還要從新作一遍。所以須要經過如下命令commit改動（假設commit後的image tag爲v1.0）：

docker commit CONTAINER_ID apolloauto/apollo:v1.0

• 1

其中CONTAINER_ID能夠經過docker ps | grep apollo_dev查看。命令執行後再用docker images命令應該能夠看到新增的image：

apolloauto/apollo                          v1.0                                   3812b26eb3c8        41 hours ago        8.11GB

• 1

以後就能夠用如下命令就能夠基於改動後的image建立container：

./docker/scripts/dev_start.sh -l -t v1.0

• 1

而後能夠試下CUDA是否是正常工做。在container中進入/usr/local/cuda/samples/1_Utilities/deviceQuery目錄，執行：

sudo make sudo ./deviceQuery

• 1
• 2

若是看到GPU信息就說明OK了。還不放心的再在samples目錄裏隨便挑幾個編譯運行試試。接下來能夠編譯apollo系統了：

./apollo.sh build_opt_gpu

• 1

apollo系統使用的編譯系統是bazel（就是TensorFlow用的那個）。編譯完後的binary都放在/apollo/bazel-bin目錄下。讓咱們隨意找個test試一下，好比用yolo神經網絡模型進行物體檢測的測試：

./bazel-bin/modules/perception/obstacle/camera/detector/yolo_camera_detector/yolo_camera_detector_test

• 1

輸出結果：

...
I0506 18:23:41.356957 218 util.cc:54] Supported types: I0506 18:23:41.356976 218 util.cc:62] VEHICLE I0506 18:23:41.356989 218 util.cc:62] BICYCLE I0506 18:23:41.356993 218 util.cc:62] PEDESTRIAN I0506 18:23:41.357002 218 util.cc:62] UNKNOWN_UNMOVABLE I0506 18:23:41.357015 218 util.cc:64] 4 in total. E0506 18:23:41.369910 218 yolo_camera_detector.cc:256] 'objects' is a null pointer. I0506 18:23:41.372014 218 yolo_camera_detector.cc:303] Pre-processing: 2.01507 ms I0506 18:23:41.408946 218 yolo_camera_detector.cc:309] Running detection: 36.8999 ms I0506 18:23:41.409906 218 yolo_camera_detector.cc:356] Post-processing: 0.927424 ms I0506 18:23:41.409914 218 yolo_camera_detector.cc:357] Number of detected obstacles: 1 [ OK ] YoloCameraDetectorTest.multi_task_test (315 ms) [----------] 3 tests from YoloCameraDetectorTest (1398 ms total) [----------] Global test environment tear-down [==========] 3 tests from 1 test case ran. (1399 ms total) [ PASSED ] 3 tests.