原文地址：https://blog.csdn.net/jinzhuojun/article/details/80210180，轉載主要方便隨時查閱，如有版權要求，請及時聯系。
我們知道，自動駕駛在學界其實已經是個很老的topic了。而這幾年，伴隨着以深度學習為主力的第三次AI浪潮，大家似乎看到了自動駕駛商業化的重大機會，於是無論是學界還是工業界都開始將注意力轉向該領域。放眼望去，滿大街似乎都在搞自動駕駛。前段時間，百度又發布了自動駕駛平台Apollo的2.5版本。要想搭個環境玩一下的話，其實官方文檔里挺詳細了。這里主要是備忘一下主要流程和一些小坑的解決方法。大體可分為以下幾步：
docker
為了免除環境差異造成的各種問題，apollo運行環境依賴於docker。因此如果還沒有安裝docker的話，需要先安裝docker，可以參考：https://github.com/ApolloAuto/apollo/blob/master/docker/scripts/README.md#install-docker
如果之后啟動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。可以選擇直接從github上拉，也可以下載release包。這里選擇后者，從https://github.com/ApolloAuto/apollo/releases/tag/v2.5.0 下載代碼，然后解壓。假設解壓后目錄為APOLLO_HOME。進入該目錄后，運行以下腳本初始化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啟動container。拉完后用docker images命令可以看到以下的幾個新增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可以看到啟動了以下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
接下來就可以通過以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創建的container（名為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
然后就可以編譯整個系統了。不過由於感知（perception）模塊很多依賴於CUDA，所以我們等enable CUDA后再編譯。這里，我們可以按官方文檔先跑下demo。先下載回放數據包：
sudo bash docs/demo_guide/rosbag_helper.sh download- 1
下載完成后，回放數據位於docs/demo_guide/demo_2.5.bag。然后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，即可看到圖形化輸出：
CUDA
通過前面命令進入apollo_dev這個container中，可以看到官方image中自帶CUDA 8.0了。但由於沒有driver，所以還無法使用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版本可以通過nvidia-smi命令查看）和cudnn進行安裝。如果直接運行下載的驅動安裝文件碰到問題，比如：
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
因為安裝了驅動，即對原image有了修改，如果不commit的話退出后這些改動都沒有了，下次進來還要重新做一遍。因此需要通過以下命令commit改動（假設commit后的image tag為v1.0）：
docker commit CONTAINER_ID apolloauto/apollo:v1.0- 1
其中CONTAINER_ID可以通過docker ps | grep apollo_dev查看。命令執行后再用docker images命令應該可以看到新增的image：
apolloauto/apollo v1.0 3812b26eb3c8 41 hours ago 8.11GB- 1
之后就可以用以下命令就可以基於改動后的image創建container：
./docker/scripts/dev_start.sh -l -t v1.0- 1
然后可以試下CUDA是不是正常工作。在container中進入/usr/local/cuda/samples/1_Utilities/deviceQuery目錄，執行：
sudo make sudo ./deviceQuery- 1
- 2
如果看到GPU信息就說明OK了。還不放心的再在samples目錄里隨便挑幾個編譯運行試試。接下來可以編譯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）。編譯完后的binary都放在/apollo/bazel-bin目錄下。讓我們隨意找個test試一下，比如用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.