手把手教你使用Autoware做无人驾驶（一）--环境安装

最新推荐文章于 2024-07-13 11:03:30 发布

Robert--cao

最新推荐文章于 2024-07-13 11:03:30 发布

阅读量3.5k

点赞数 4

文章标签： linux Autoware 无人驾驶

本文链接：https://blog.csdn.net/caokaifa/article/details/111304342

版权

最近又太忙了，嗨，每次换工作开始都要忙上一段时间，博客好久没更新了，用matlab做的混合A星泊车程序与行人轨迹预测、强化学习DQN控制交通灯的代码一直没时间放出来，忙完这段时间抽个时间写个说明文档一起放出来，现在就来记录一下Autoware的过程。

1.显卡驱动安装：

建议旧电脑的显卡驱动采用这种方式安装，因为在官网下载新的驱动安装会报：

verifying archive integrity... Error in check sums xxxxxxxx xxxxxxxx，安装不成功。

这种解决办法就是按照下面的方法安装即可解决。新的显卡就在官网下载新的驱动安装就可以了（网上教程也很多，这里就不说了）。

在终端输入：ubuntu-drivers devices，可以看到如下界面：

== /sys/devices/pci0000:00/0000:00:1c.0/0000:01:00.0 ==
model    : GM108M [GeForce 940MX]
modalias : pci:v000010DEd0000134Dsv0000103Csd00008214bc03sc02i00
vendor   : NVIDIA Corporation
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-384 - distro non-free recommended

从上图可以看出，我的显卡是：GM108M [GeForce 940MX]，推荐安装的版本号是：nvidia-384 - distro non-free recommended。

如果同意安装推荐版本，那我们只需要终端输入：sudo ubuntu-drivers autoinstall 就可以自动安装了。

安装完后重启电脑

sudo reboot

使用指令：

 nvidia-smi

如果出现下面的提示，说明驱动安装成功：

Wed Dec 16 22:03:43 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.130                Driver Version: 384.130                   |
|-------------------------------+----------------------+----------------------+
| GPU Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap|         Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
|   0 GeForce 940MX       Off | 00000000:01:00.0 Off |                  N/A |
| N/A   55C    P0    N/A / N/A |    180MiB / 4044MiB |     14%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
| GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1052      G   /usr/lib/xorg/Xorg                           142MiB |
|    0      2167      G   compiz                                        34MiB |
|    0      2570      G   /usr/lib/firefox/firefox                       1MiB |
+-----------------------------------------------------------------------------+

2.cuda 安装

载NVIDIA CUDA 9.0 Toolkit

去这个网站根据自己情况下载NVIDIA CUDA 9.0 Toolkit：
https://developer.nvidia.com/cuda-toolkit-archive

这次安装是先安装了自己下载的nvidia驱动，然后才进行CUDA 9.0的安装，所以跟官方的教程不太一样。主要差别在于不需要在安装CUDA时自动安装显卡驱动了，所以询问是否安装显卡驱动时，回复no。

$ sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs

与安装显卡驱动原理相同，不安装OpenGL文件，注意这里是-libs。如果没加参数，后续询问时也一定不能安装OpenGL，否则会有问题。
之后，按照提示安装即可，具体选择如下：

accept # 表示同意安装
n # 因为已经提前安装了显卡驱动，所以这里不要安装显卡驱动
y # 安装CUDA 9.0 Toolkit
# 安装到默认目录
y # 创建安装目录的软链接
y # 事实上这里这里选择n，即不复制Samples也可以，因为安装目录下有/samples。以防万一还是选择y吧

此时CUDA 9.0 已经安装完毕，接下来设置下环境变量即可，建议添加到全局变量中：
$ sudo gedit  /etc/profile
在最后加上：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后source一下：
$ source /etc/profile  # 临时生效
重启电脑，永久生效。
输入指令检查一下，如果显示下面图片的内容，说明CUDA 9.0安装成功：

$ nvcc --version

出现如下信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

编译并测试设备：

$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

编译并测试带宽：

$ cd ../bandwidthTest
$ sudo make
$ ./bandwidthTest

如果显示的是关于GPU的信息，最后的结果都是Result = PASS则说明安装成功了。

./deviceQuery Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce 940MX"
CUDA Driver Version / Runtime Version          9.0 / 9.0
CUDA Capability Major/Minor version number:    5.0
Total amount of global memory:                 4044 MBytes (4240965632 bytes)
( 3) Multiprocessors, (128) CUDA Cores/MP:     384 CUDA Cores
GPU Max Clock rate:                            1242 MHz (1.24 GHz)
Memory Clock rate:                             900 Mhz
Memory Bus Width:                              64-bit
L2 Cache Size:                                 1048576 bytes
Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory:               65536 bytes
Total amount of shared memory per block:       49152 bytes
Total number of registers available per block: 65536
Warp size:                                     32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block:           1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch:                          2147483647 bytes
Texture alignment:                             512 bytes
Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
Run time limit on kernels:                     Yes
Integrated GPU sharing Host Memory:            No
Support host page-locked memory mapping:       Yes
Alignment requirement for Surfaces:            Yes
Device has ECC support:                        Disabled
Device supports Unified Addressing (UVA):      Yes
Supports Cooperative Kernel Launch:            No
Supports MultiDevice Co-op Kernel Launch:      No
Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 9.0, NumDevs = 1
Result = PASS

3.Autoware代码安装

安装系统依赖：

$ sudo apt-get update
$ sudo apt-get install -y python-catkin-pkg python-rosdep ros-$ROS_DISTRO-catkin gksu
$ sudo apt-get install -y python3-pip python3-colcon-common-extensions python3-setuptools python3-vcstool
$ pip3 install -U setuptools

下载源码

$ mkdir -p autoware.ai/src
$ cd autoware.ai
wget -O autoware.ai.repos "https://gitlab.com/autowarefoundation/autoware.ai/autoware/raw/1.12.0/autoware.ai.repos?inline=false"

下载源码

$ vcs import src < autoware.ai.repos

安装autoware依赖

$ rosdep update
$ rosdep install -y --from-paths src --ignore-src --rosdistro $ROS_DISTRO

编译支持cuda

$ AUTOWARE_COMPILE_WITH_CUDA=1 colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

下载数据地址，这个地址可以直接下载，网上好多地址连接的谷歌的，不翻墙根本下载不了。

下载3D点云.

$ wget https://autoware-ai.s3.us-east-2.amazonaws.com/sample_moriyama_data.tar.gz

2.下载 ROSBAG data (LiDAR: VELODYNE HDL-32E, GNSS: JAVAD GPS RTK Delta 3).

$ wget https://autoware-ai.s3.us-east-2.amazonaws.com/sample_moriyama_150324.tar.gz

以下为个人记录没法进入界面插U盘安装驱动的部分指令

查看U盘

 fidsk -l

  eg:
  Device Boot      Start         End      Blocks   Id  System
/dev/sdc1   *           1        2668      128016    6  FAT16
表示/dev/sdc1就是U盘所在设备

将U盘挂载

创建/mnt/usb目录，如果存在则不需要创建：
cd /mnt
mkdir usb
将U盘挂载到/mnt/usb目录下：
sudo mount /dev/sdc1 ./usb

cd usb|ls
显示U盘中的内容表示挂载成功，然后就可以讲重要的文件拷贝到/mnt/usb目录下了。

Linux下卸载U盘命令如下：
```
umount /mnt/usb
```

Robert--cao

关注

4
点赞
踩
34

收藏

觉得还不错? 一键收藏
1
评论
手把手教你使用Autoware做无人驾驶（一）--环境安装

最近又太忙了，嗨，每次换工作开始都要忙上一段时间，博客好久没更新了，用matlab做的混合A星泊车程序与行人轨迹预测、强化学习DQN控制交通灯的代码一直没时间放出来，忙完这段时间抽个时间写个说明文档一起放出来，现在就来记录一下Autoware的过程。1.显卡驱动安装：建议旧电脑的显卡驱动采用这种方式安装，因为在官网下载新的驱动安装会报：verifying archive integrity... Error in check sums xxxxxxxx xxxxxxxx，安装不成功。这种解决
复制链接

扫一扫