原文地址：https://blog.csdn.net/jinzhuojun/article/details/80210180，转载主要方便随时查阅，如有版权要求，请及时联系。
我们知道，自动驾驶在学界其实已经是个很老的topic了。而这几年，伴随着以深度学习为主力的第三次AI浪潮，大家似乎看到了自动驾驶商业化的重大机会，于是无论是学界还是工业界都开始将注意力转向该领域。放眼望去，满大街似乎都在搞自动驾驶。前段时间，百度又发布了自动驾驶平台Apollo的2.5版本。要想搭个环境玩一下的话，其实官方文档里挺详细了。这里主要是备忘一下主要流程和一些小坑的解决方法。大体可分为以下几步：
docker
为了免除环境差异造成的各种问题，apollo运行环境依赖于docker。因此如果还没有安装docker的话，需要先安装docker，可以参考：https://github.com/ApolloAuto/apollo/blob/master/docker/scripts/README.md#install-docker
如果之后启动container时遇到下面错误：
docker: Error response from daemon: cgroups: cannot find cgroup mount destination: unknown.- 1
参考https://github.com/boot2docker/boot2docker/issues/1301，解决方法是执行：
sudo mkdir /sys/fs/cgroup/systemd
sudo mount -t cgroup -o none,name=systemd cgroup /sys/fs/cgroup/systemd- 1
- 2
Apollo
首先下载apollo源代码。可以选择直接从github上拉，也可以下载release包。这里选择后者，从https://github.com/ApolloAuto/apollo/releases/tag/v2.5.0 下载代码，然后解压。假设解压后目录为APOLLO_HOME。进入该目录后，运行以下脚本初始化apollo的开发和运行环境。
bash docker/scripts/dev_start.sh- 1
其中会去从网上拉几个所需的docker image并基于这些image启动container。拉完后用docker images命令可以看到以下的几个新增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可以看到启动了以下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
接下来就可以通过以下命令进入开发环境了，其实就是进入前面pull下来的dev-x86_64-20180413_2000那个image创建的container（名为apollo_dev）。前面的apollo代码根目录APOLLO_HOME会被映射到container中的/apollo目录下。
bash docker/scripts/dev_into.sh- 1
然后就可以编译整个系统了。不过由于感知（perception）模块很多依赖于CUDA，所以我们等enable CUDA后再编译。这里，我们可以按官方文档先跑下demo。先下载回放数据包：
sudo bash docs/demo_guide/rosbag_helper.sh download- 1
下载完成后，回放数据位于docs/demo_guide/demo_2.5.bag。然后用下面命令开始回放：
rosbag play -l ./docs/demo_guide/demo_2.5.bag- 1
Apollo基于ROS，而rosbag是其中一个数据记录和回放工具。用浏览器打开http://localhost:8888，即可看到图形化输出：
CUDA
通过前面命令进入apollo_dev这个container中，可以看到官方image中自带CUDA 8.0了。但由于没有driver，所以还无法使用GPU进行加速。参考官方文档How to Run Perception Module on Your Local Computer，下载驱动（最好和host装的版本一致，driver版本可以通过nvidia-smi命令查看）和cudnn进行安装。如果直接运行下载的驱动安装文件碰到问题，比如：
An NVIDIA kernel module 'nvidia-drm' appears to already be loaded in your kernel.- 1
不妨尝试用apt-get来安装，更方便：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-384- 1
- 2
- 3
因为安装了驱动，即对原image有了修改，如果不commit的话退出后这些改动都没有了，下次进来还要重新做一遍。因此需要通过以下命令commit改动（假设commit后的image tag为v1.0）：
docker commit CONTAINER_ID apolloauto/apollo:v1.0- 1
其中CONTAINER_ID可以通过docker ps | grep apollo_dev查看。命令执行后再用docker images命令应该可以看到新增的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于改动后的image创建container：
./docker/scripts/dev_start.sh -l -t v1.0- 1
然后可以试下CUDA是不是正常工作。在container中进入/usr/local/cuda/samples/1_Utilities/deviceQuery目录，执行：
sudo make
sudo ./deviceQuery- 1
- 2
如果看到GPU信息就说明OK了。还不放心的再在samples目录里随便挑几个编译运行试试。接下来可以编译apollo系统了：
./apollo.sh build_opt_gpu- 1
apollo系统使用的编译系统是bazel（就是TensorFlow用的那个）。编译完后的binary都放在/apollo/bazel-bin目录下。让我们随意找个test试一下，比如用yolo神经网络模型进行物体检测的测试：
./bazel-bin/modules/perception/obstacle/camera/detector/yolo_camera_detector/yolo_camera_detector_test- 1
输出结果：
...
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.