Apollo自动驾驶：引领未来的智能出行

悠悠 2024-04-06 15:15 91阅读 0赞

## 前言 ##

![请添加图片描述][c7f3e6b8a7624a9eabbea77dbcbca119.jpeg]

**前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家**：[https://www.captainbed.cn/z][https_www.captainbed.cn_z]  
![请添加图片描述][ff5fcbac70f843ebb3ef9cf9ebf68fef.gif]

ChatGPT[体验地址][Link 1]

![请添加图片描述][c7f3e6b8a7624a9eabbea77dbcbca119.jpeg]

#### 文章目录 ####

*  前言
 *   *   *   *  驶向未来的智能出行
     *  步骤一：安装 Linux 系统
     *  （可选）步骤二：安装 NVIDIA GPU 驱动
     *  步骤三：安装 docker
     *  （可选）步骤四：安装 NVIDIA Container Toolkit
     *  步骤五：下载并编译 Apollo 源码
     *  步骤六：运行 Dreamview 检验编译是否成功

#### 文章目录 ####

![在这里插入图片描述][13b403e51fec462ba8c88861a78d73c9.png]

Apollo (阿波罗)是一个开放的、完整的、安全的平台，将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统。 开放能力、共享资源、加速创新、持续共赢是 Apollo 开放平台的口号。百度把自己所拥有的强大、成熟、安全的自动驾驶技术和数据开放给业界，旨在建立一个以合作为中心的生态体系，发挥百度在人工智能领域的技术优势，为合作伙伴赋能，共同促进自动驾驶产业的发展和创新。 Apollo 自动驾驶开放平台为开发者提供了丰富的车辆、硬件选择，强大的环境感知、高精定位、路径规划、车辆控制等自动驾驶软件能力以及高精地图、仿真、数据流水线等自动驾驶云服务，帮助开发者从 0 到 1 快速搭建一套自动驾驶系统。

##### 驶向未来的智能出行 #####

--------------------

### 步骤一：安装 Linux 系统 ###

Apollo 软件系统依赖于 Linux 操作系统运行，而 Linux 操作系统种类繁多，且又分为服务器版本和桌面版本，这里我们选择当下比较流行的 Ubuntu 桌面操作系统的 64 位版本。安装 Ubuntu 18.04+ 的步骤，参见 官方安装指南。

### （可选）步骤二：安装 NVIDIA GPU 驱动 ###

Apollo 8.0 的一些模块的编译和运行需要依赖 NVIDIA GPU 环境（例如感知模块），如果您有编译和运行这类模块的需求，则需要安装 NVIDIA GPU 驱动。

您可以通过以下两种方式在 Ubuntu 上进行安装：

*  (推荐) apt-get 命令，参见 How to Install NVIDIA Driver。- 使用官方 runfile。  
    对于 Ubuntu 18.04+，只需执行以下命令即可：

sudo apt-get update
    sudo apt-add-repository multiverse
    sudo apt-get update
    sudo apt-get install nvidia-driver-455

安装完毕后，可以输入 nvidia-smi来校验 NVIDIA GPU 驱动是否在正常运行（可能需要在安装后重启系统以使驱动生效）。如果成功，则会出现以下信息：

Prompt> nvidia-smi
    Mon Jan 25 15:51:08 2021
    +-----------------------------------------------------------------------------+
    | NVIDIA-SMI 460.27.04    Driver Version: 460.27.04    CUDA Version: 11.2     |
    |-------------------------------+----------------------+----------------------+
    | 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  GeForce RTX 3090    On   | 00000000:65:00.0  On |                  N/A |
    | 32%   29C    P8    18W / 350W |    682MiB / 24234MiB |      7%      Default |
    |                               |                      |                  N/A |
    +-------------------------------+----------------------+----------------------+
    
    +-----------------------------------------------------------------------------+
    | Processes:                                                                  |
    |  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
    |        ID   ID                                                   Usage      |
    |=============================================================================|
    |    0   N/A  N/A      1286      G   /usr/lib/xorg/Xorg                 40MiB |
    |    0   N/A  N/A      1517      G   /usr/bin/gnome-shell              120MiB |
    |    0   N/A  N/A      1899      G   /usr/lib/xorg/Xorg                342MiB |
    |    0   N/A  N/A      2037      G   /usr/bin/gnome-shell               69MiB |
    |    0   N/A  N/A      4148      G   ...gAAAAAAAAA --shared-files      105MiB |
    +-----------------------------------------------------------------------------+

### 步骤三：安装 docker ###

Apollo 8.0 依赖于 Docker 19.03+。要安装 Docker，参见 Install Docker Engine on Ubuntu。

Ubuntu 上的 Docker-CE 也可以通过 Docker 提供的官方脚本安装：

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

您可以自由选择安装方式，安装之后，不要忘记执行 Linux 上的后续操作说明。更多内容，参见 使用非 root 权限运行 docker 和 配置开机启动 docker。

### （可选）步骤四：安装 NVIDIA Container Toolkit ###

为了在容器内获得 GPU 支持，在安装完 docker 后需要安装 NVIDIA Container Toolkit。 运行以下命令安装 NVIDIA Container Toolkit：

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

安装完成后，重启 Docker 以使改动生效。

sudo systemctl restart docker

安装完毕后，可以在APOLLO容器内输入nvidia-smi来校验 NVIDIA GPU 在容器内是否能正常运行（详见步骤五）。

### 步骤五：下载并编译 Apollo 源码 ###

1.  安装 git 并将源码 clone 下来：

cd ~/
    sudo apt update
    sudo apt install git -y
    git init
    git clone https://github.com/ApolloAuto/apollo.git

代码下载的时间视网速的快慢而有所区别，请耐心等待。

1.  启动并进入 docker 容器，在终端输入以下命令：

cd ~/apollo
     bash docker/scripts/dev_start.sh

第一次进入 docker 时或者 image 镜像有更新时会自动下载 apollo 所需的 image 镜像文件，下载镜像文件的过程会很长，请耐心等待。

如果一切正常，则会见到以下信息：

[ OK ] Congratulations! You have successfully finished setting up Apollo Dev Environment.
    [ OK ] To login into the newly created apollo_neo_dev_root container, please run the following command:
    [ OK ]   bash scripts/edu_launcher.sh enter
    [ OK ] Enjoy!

这个过程完成后，请输入以下命令以进入 docker 环境中：

bash docker/scripts/dev_into.sh

如果您在步骤二和步骤四分别安装了 NVIDIA GPU 驱动和 NVIDIA Container Toolkit，您可以输入nvidia-smi来校验 NVIDIA GPU 在容器内是否能正常运行，如果成功，则会出现以下信息:

root@in-dev-docker:/apollo_workspace# nvidia-smi 
    Wed Sep 14 11:43:13 2022       
    +-----------------------------------------------------------------------------+
    | NVIDIA-SMI 460.32.03    Driver Version: 460.32.03    CUDA Version: 11.2     |
    |-------------------------------+----------------------+----------------------+
    | 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  Tesla V100-SXM2...  Off  | 00000000:03:00.0 Off |                    0 |
    | N/A   31C    P0    38W / 300W |    153MiB / 32510MiB |      0%      Default |
    |                               |                      |                  N/A |
    +-------------------------------+----------------------+----------------------+
    
    +-----------------------------------------------------------------------------+
    | Processes:                                                                  |
    |  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
    |        ID   ID                                                   Usage      |
    |=============================================================================|
    |    0   N/A  N/A      9962      C   nvidia-cuda-mps-server             29MiB |
    +-----------------------------------------------------------------------------+

1.  编译 Apollo 源码。  
    编译 Apollo，在终端输入以下命令，等待编译完成，编译过程耗时视机器配置的不同而有所区别，请耐心等待：

bash apollo.sh build

### 步骤六：运行 Dreamview 检验编译是否成功 ###

进入 Apollo 容器环境。

cd ~/apollo
     bash docker/scripts/dev_start.sh
     bash docker/scripts/dev_into.sh

> 注：如果您已在容器环境内，请忽略此步骤。

1.  启动 dreamview。  
    在终端输入以下命令：

bash scripts/bootstrap.sh

如果启动成功，在终端会输出以下信息：

nohup: appending output to 'nohup.out'
     Launched module monitor.
     nohup: appending output to 'nohup.out'
     Launched module dreamview.
     Dreamview is running at http://localhost:8888

在浏览器中输入以下地址访问 Dreamview：

http://localhost:8888

1.  回放数据包。  
    在终端输入以下命令下载数据包：

wget https://apollo-system.cdn.bcebos.com/dataset/6.0_edu/demo_3.5.record

输入以下命令可以回放数据包，在浏览器 DreamView 中应该可以看到回放画面：

cyber_recorder play -f demo_3.5.record --loop

如果成功在浏览器中看到类似以下画面，则表明您的 Apollo 系统已经编译并成功运行。

**更全面的Apollo社区官网文档**   Apollo社区官网文档，主要为新手开发者提供Apollo相关介绍、以及上机场景和上车场景的实践说明，让新手开发者能快速了解Apollo并上手实操。在8.0中，我们优化了社区官网文档的结构，从开发者使用场景出发，针对不同场景提供应用实践案例指导以及扩展开发指导。 ![在这里插入图片描述][50dfb8f8165d458ca6ddcba64dd874cf.png]

[c7f3e6b8a7624a9eabbea77dbcbca119.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/ed04ce12babc4be586f1bdd916461359.jpeg
[https_www.captainbed.cn_z]: https://www.captainbed.cn/z
[ff5fcbac70f843ebb3ef9cf9ebf68fef.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/ce0c12e85d2d4760b16d1668d05b3b69.gif
[Link 1]: http://39.101.69.226:3500/
[13b403e51fec462ba8c88861a78d73c9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/f8a4be77a26e482ebd4696b5e5f34791.png
[50dfb8f8165d458ca6ddcba64dd874cf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/5a2f41c7c668439c95d019ef6fed8887.png