在Ubuntu18.04中配置有YOLO和ORB-SLAM2的Docker环境

安装Docker

前提–学会科学上网

1. 卸载老版本的Docker

   sudo apt-get remove docker docker-engine docker.io containerd runc
   

2. 安装依赖库

   sudo apt-get update
   sudo apt-get install \
   	ca-certificates \
   	curl \
   	gnupg \
   	lsb-release
   

   添加Docker GPG key

   sudo mkdir -m 0755 -p /etc/apt/keyrings
   curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o 		/etc/apt/keyrings/docker.gpg
   

   set up repository

   echo \
    "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] 		https://download.docker.com/linux/ubuntu \
   $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
   

3. 安装Docker

   sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
   

4. 测试Docker是否安装成功

   sudo docker run hello-world
   

   如果安装成功会出现以下内容
   

安装Nvidia-Docker

前提–当前主机已经安装好了显卡驱动、CUDA、CUDNN等显卡相关的东西
我的电脑配置：
CPU–i7-1165G7
GPU–RTX2060
我安装的版本：

1. 显卡驱动–NVIDIA-Linux-x86_64-465.31.run
2. CUDA–cuda_11.1.0_455.23.05_linux.run
3. CUDNN–cudnn-11.1-linux-x64-v8.0.5.39

在安装完成显卡驱动之后，就能开始安装Nvidia-docker了

curl https://get.docker.com | sh

sudo systemctl start docker && sudo systemctl enable docker

# 设置stable存储库和GPG密钥：
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

# 要访问experimental诸如WSL上的CUDA或A100上的新MIG功能之类的功能，您可能需要将experimental分支添加到存储库列表中.
# 可加可不加
curl -s -L https://nvidia.github.io/nvidia-container-runtime/experimental/$distribution/nvidia-container-runtime.list | sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list

# nvidia-docker2更新软件包清单后，安装软件包（和依赖项）：
sudo apt-get update

sudo apt-get install -y nvidia-docker2

# 设置默认运行时后，重新启动Docker守护程序以完成安装：
sudo systemctl restart docker

这样Nvidia-docker就安装完成了！

配置Yolo的环境

在这部分主要配置的都是Yolov7的代码环境。
代码地址：https://github.com/WongKinYiu/yolov7
步骤：

1. 先pull一个pytorch的官方镜像

   docker pull pytorch/pytorch:1.9.0-cuda10.2-cudnn7-devel
   

   注意在这里最好用devel版本，便于在这个基础上继续开发
2. 为这个镜像创建Docker –非常重要！！！需要为后面ORB-SLAM2部分考虑，后面会讲到

   docker run --gpus all -it --ipc=host --net=host --privileged -e DISPLAY=unix$DISPLAY -v /tmp/.X11-unix:/tmp/.X11-unix:rw -e NVIDIA_DRIVER_CAPABILITIES=all --name="yolo_orb_base" 镜像名称 /bin/bash
   

   这样创建的容器又能调用GPU又能显示SLAM的图像！
3. 进入容器，先换源

   sed -i s@/archive.ubuntu.com/@/mirrors.aliyun.com/@g /etc/apt/sources.list
   sed -i s@/security.ubuntu.com/@/mirrors.aliyun.com/@g /etc/apt/sources.list
   apt clean
   apt-get update -y
   

4. 更新nvidia的key
   在上一步中的apt-get update会报错有关nvidia keyserver
   这里只需要更新一下key就好了

   apt-key adv --recv-keys --keyserver.ubuntu.com 报错中出现的序列号
   #example
   apt-key adv --recv-keys --keyserver.ubuntu.com A4B469963BF863CC
   

   再次apt-get update
5. 安装一些必要的依赖

   apt-get install git sudo 
   

6. 下载yolov7–科学上网很有必要

   git clone https://github.com/WongKinYiu/yolov7.git
   

7. 安装yolov7的python依赖库

   cd yolov7
   pip install -r requirements.txt
   

这样YOLOv7的环境就配置完成了！

ORB-SLAM2的环境配置

这里就比较麻烦，因为docker没有可视化图形界面，要使用x11在本机上显示。
首先在主机上安装x11，并打开

sudo apt-get install x11-xserver-utils
xhost +  //这个命令每次电脑重启都要运行一次

这样就能把图形显示出来！！

1. 下载ORB-SLAM2代码

   git clone https://github.com/raulmur/ORB_SLAM2.git
   

2. 安装Pangolin
   先安装依赖库

   sudo apt-get install libgl1-mesa-dev
   sudo apt-get install libglew-dev
   sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev
   sudo apt-get install libpython2.7-dev
   

   下载Pangolin，一定要切换到v0.5版本

   git clone https://github.com/stevenlovegrove/Pangolin.git
   cd Pangolin
   git checkout v0.5
   mkdir build
   cd build
   cmake ..
   make
   sudo make install
   

   测试Pangolin是否安装成功

   # 验证
   cd ../examples/HelloPangolin
   mkdir build && cd build
   cmake ..
   make
   ./HelloPangolin
   

   如果安装成功会出现以下图片
   

3. 安装Opencv 3.4.5
   在这里因为懒得下载，我直接从主系统的目录下拷贝了OpenCV的安装包

   #在主系统中直接从电脑中拷贝opencv的压缩包到docker
   docker cp opecv文件 dockerID:文件目录
   

   解压opencv

   unzip opencv文件
   cd opencv 
   mkdir build
   cd build
   cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
   # 4线程数量,根据电脑性能选择合适的数字
   make -j4
   sudo make install
   

   验证是否安装成功

   # 验证
   cd opencv/samples/cpp/example_cmake
   cmake .
   make
   ./opencv_example
   

   

4. 安装eigen
   同样的我也是从电脑里直接拷贝的安装包

   # 解压并重命名为opencv
   tar -xvf eigen-3.3.7.tar.gz && mv eigen-3.3.7 eigen
   # 开始编译和安装
   cd eigen
   mkdir build && cd build
   cmake ..
   make
   sudo make install
   #在很多程序中include的一般是#include<Eigen/Dense>而不是 #include<eigen3/Eigen/Dense>
   sudo cp -r /usr/local/include/eigen3/Eigen /usr/local/include
   

5. 编译ORB-SLAM2

   cd ORB_SLAM2
   chomd +x build.sh
   ./build.sh
   

   编译中出现 usleepwas not declared错误
   直接在ORB-SLAM2/include/System中加上#include<unistd.h>即可

6. 照常运行ORB-SLAM2

   ./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml ../rgbd_dataset_freiburg3_walking_static/../rgbd_dataset_freiburg3_walking_static/associate.txt