Apollo 自动驾驶工程 x86迁移到ARM ORIN

概述 最近工作主要关于自动驾驶工程跨平台迁移，从原来的X86架构工控机形式迁移到英伟达Orin Soc，由于Orin是ARM以及这个嵌入式平台的内核是定制的，所以遇到了很多问题，这里分享出来

在容器里使用CUDA计算在ORIN平台

一开始使用的是ubuntu cuda作为基础镜像，并没有专门使用英伟达Jetson平台的L4T基础镜像，导致在容器里初始化CUDA一直失败，做了一些实验，同样的代码同样的可执行文件在容器外就可以初始化成功，使用L4T作为基础镜像就没有问题，英伟达L4T基础镜像Github上L4T镜像Dockerfile同时启动选项中要加上

 docker run --gpus all

或者

 docker run --runtime=nvidia

或者使用

nvidia-docker

作为启动项.原因推测的话使用官方的基础镜像CUDA 挂载才是正确的，有知道的大神可以补充。

ARM平台的适配问题

这里主要有两点问题

• 一个是整个工程的依赖库都要切换到Arm平台的
• apollo cyber中关于协程要更新到比较新的commit，支持了Arm相关指令集

cyber/croutine/detail/routine_context.cc

例如在上面这个文件里

#ifdef __aarch64__
  char *sp = ctx->stack + STACK_SIZE - sizeof(void *);
#else
  char *sp = ctx->stack + STACK_SIZE - 2 * sizeof(void *);
#endif

也可以在整个工程搜索

 #ifdef __aarch64__ 

关键字和百度apollo github代码工程作比较，看哪里需要补充，编译器会自动识别走aarch64分支。
关于arm平台的其他一些问题可以谷歌得到。如果有问题可以提出来进行补充。

一些其他问题

由于整个apollo cyber采取的是分布式节点通讯方式，所以建议一个一个模块的进行编译和适配。整个工程的迁移顺序应如下

1. 整个工程Docker image的编译，后续所有编译和运行都在这个镜像里，所以应先把镜像编译出来。遇到问题可以谷歌。这个过程比较耗时，目前是我是在orin上直接进行编译，没有使用交叉编译。
2. cyber的编译以及运行
3. 各个模块，例如localization，perception等模块的编译运行。

有用的小工具

可视化查看cpu以及gpu使用情况工具jtop

git clone https://github.com/rbonghi/jetson_stats.git

注意在这里进入jtop crtl菜单可以把功耗选到最大，否则CPU和GPU频率会被限制。ORIN CPU最大频率在2.2GHZ,GPU最大频率在1.3GHZ。