【Apollo学习笔记】—— Apollo8.0安装与测试

已于 2023-08-01 10:16:46 修改
阅读量5.5k 收藏 43
点赞数 5
分类专栏： Apollo 文章标签： 自动驾驶 Apollo8.0 学习笔记
于 2023-03-26 11:32:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_52032317/article/details/129626003
版权

文章目录

0. Vscode环境配置

安装以下插件
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

0.1 vscode使用docker

在安装完Apollo后,点击vscode左侧的docker图标,可以看到左栏有以下信息.

Individual Containers是创建的容器
IMAGES是镜像

在这里插入图片描述

右击有绿色图标的那一行(注意容器名称),如图所示,点击Attach Visual Studio Code,之后就可以进入docker了.
在这里插入图片描述

1. Apollo 8.0 软件包安装

PS：接下来的步骤默认已正常安装Apollo，设置完相应的环境、容器。
按照官方教程操作即可.

1.1 Cyber 组件扩展

本文档以 example-component 为例，描述如何简单的扩展开发并编译、运行一个 Cyber 组件 ，为开发者熟悉 Apollo 平台打下基础。您可以通过编译并运行 example-component，进一步观察、学习 Apollo 的编译过程。

Quickstart 工程中的 example-component 的源码是基于 Cyber RT 扩展 Apollo 功能组件的 demo，如果您对如何编写一个 component，dag 文件和 launch 文件感兴趣，您可以在QuickStart工程中找到 example-component 的完整源码。

example-component 的目录结构如下所示：

├── BUILD
├── cyberfile.xml
├── example-components.BUILD
├── example.dag
├── example.launch
├── proto
│   ├── BUILD
│   └── examples.proto
└── src
    ├── BUILD
    ├── common_component_example.cc
    ├── common_component_example.h
    ├── timer_common_component_example.cc
    └── timer_common_component_example.h

1.1.1 步骤一：下载 quickstart 项目

下载项目代码：

git clone https://github.com/ApolloAuto/application-demo.git

application-demo文件中含有以下内容:
在这里插入图片描述
在这一节中,我们只需用到example_components.
将该文件夹复制到工作空间目录(apollo_app).

1.1.2 步骤二：进入 Apollo Docker 环境

启动容器：

aem start

输入以下命令进入 Apollo：

aem enter

在这里插入图片描述

1.1.3 步骤三：编译 component

通过以下命令编译 component：

buildtool build --packages example_components
# or
buildtool build -p example_components
  • –packages 参数指定了编译工作空间指定的 package 的路径，本例中指定了 example_components，
  • 调用脚本编译命令时，当前所在目录即为工作空间目录，请务必在工作空间下使用脚本编译命令。

编译完成
在这里插入图片描述

1.1.4 步骤四：运行 component

运行以下命令：

cyber_launch start example_components/example.launch

如果一切正常，终端会显示以下内容：
在这里插入图片描述
这个时候可以打开另一个终端，运行 cyber_monitor，观察 channel 中的数据：

 cyber_monitor

(计数器)
在这里插入图片描述

common_component_example.h

#include <memory>

#include "cyber/component/component.h"
#include "examples/proto/examples.pb.h"

using apollo::cyber::Component;
using apollo::cyber::ComponentBase;
using apollo::cyber::examples::proto::Driver;
using apollo::cyber::examples::proto::Chatter;

// 有两个消息源，继承以Driver和Chatter为参数的Component模版类
class CommonComponentSample : public Component<Driver, Chatter> {
 public:
  bool Init() override;
  // Proc() 函数的两个参数表示两个channel中的最新的信息
  bool Proc(const std::shared_ptr<Driver>& msg0,
            const std::shared_ptr<Chatter>& msg1) override;
};
// 将CommonComopnentSample注册在cyber中
CYBER_REGISTER_COMPONENT(CommonComponentSample)

common_component_example.cc

#include "examples/common_component_example/common_component_example.h"
// 在加载component时调用
bool CommonComponentSample::Init() {
  AINFO << "Commontest component init";
  return true;
}
// 在主channel，也就是Driver有消息到达时调用
bool CommonComponentSample::Proc(const std::shared_ptr<Driver>& msg0,
                                 const std::shared_ptr<Chatter>& msg1) {
  // 将两个消息的序号格式化输出
  AINFO << "Start common component Proc [" << msg0->msg_id() << "] ["
        << msg1->seq() << "]";
  return true;
}

1.2 感知激光雷达功能测试

步骤一：启动 Apollo Docker 环境并进入
创建工作空间：

mkdir apollo_v8.0
cd apollo_v8.0

输入以下命令以 GPU 模式进入容器环境：

aem start_gpu

输入以下命令进入容器：

aem enter

初始化工作空间：

aem init

步骤二：下载 record 数据包
输入以下命令下载数据包：

wget https://apollo-system.bj.bcebos.com/dataset/6.0_edu/sensor_rgb.tar.xz

创建目录并将下载好的安装包解压到该目录中：

sudo mkdir -p ./data/bag/
sudo tar -xzvf sensor_rgb.tar.xz -C ./data/bag/

步骤三：安装 DreamView
在同一个终端，输入以下命令，安装 DreamView 程序。

buildtool install --legacy dreamview-dev monitor-dev

步骤四：安装 transform、perception 和 localization
在同一个终端，输入以下命令，安装 perception 程序。

buildtool install --legacy perception-dev

注：如果您对感知包有二次开发的需求，使用下述命令安装 perception 程序。

  buildtool install perception-dev

使用上述命令 perception 源码会被下载至工作空间中的 modules 中，对源码进行二次开发后使用下述命令进行编译。

buildtool build --gpu --packages modules/perception

输入以下命令安装 localization 、v2x 和 transform 程序。

 buildtool install --legacy localization-dev v2x-dev transform-dev

步骤五：模块运行
在同一个终端，输入以下命令，启动 Apollo 的 DreamView 程序。

aem bootstrap start

打开浏览器输入localhost：8888地址出现 DreamView 页面，选择正确的模式、车型、地图。
在这里插入图片描述
点击页面左侧状态栏Module Controller模块启动 transform 模块：

在这里插入图片描述
使用 mainboard 方式启动激光雷达模块：

 mainboard -d /apollo/modules/perception/production/dag/dag_streaming_perception_lidar.dag

启动成功后如图所示:
在这里插入图片描述
步骤六：结果验证
播放数据包：需要使用-k参数屏蔽掉数据包中包含的感知通道数据。

 cyber_recorder play -f ./data/bag/sensor_rgb.record -k /perception/vehicle/obstacles /apollo/perception/obstacles /apollo/perception/traffic_light /apollo/prediction

验证检测结果: 在 DreamView 中查看感知结果。并且打开dreamview左侧工具栏中的LayerMenu，将Perception中的Point Cloud打开，选择相应通道查看点云数据。查看3D检测结果是否能和Lidar传感器数据对应的上。

CNN-SEG
在这里插入图片描述

PS:
刚按教程做的时候,可能会遇到以下问题:
在这里插入图片描述
查看日志,发现engine.conf文件找不到,应该是cnnseg128_caffe的模型文件缺失,遂又查看了一下cnnseg部分的模型配置文件,果然没有.

在这里插入图片描述

解决方案:

  1. 查看模型是否有可以替换的,可以尝试替换.(比如说,cnnseg128_caffe中没有模型文件,可以看看cnnseg64_caffe中有没有,若有可以进行替换)记得更改apollo/modules/perception/pipeline/config/lidar_detection_pipeline.pb.txt中相应部分的配置.
    在这里插入图片描述

  2. 我准备了一个百度网盘,里面有相应的模型文件,去对应的路径寻找相应的模型文件,然后下载,更改apollo/modules/perception/pipeline/config/lidar_detection_pipeline.pb.txt中相应部分的配置.
    链接: https://pan.baidu.com/s/1MI3A-tchDn8h3Pm9SenB6w?pwd=vrp7 提取码: vrp7

  3. 根据以下教程,替换自己的模型文件
    1.如何添加新的lidar检测算法
    2.lidar训练到部署quick start

point_pillars

报错如下:

terminate called after throwing an instance of 'c10::Error'
  what():  open file failed, file path: /apollo/modules/perception/production/data/perception/lidar/models/detection/point_pillars_torch/pts_voxel_encoder.zip
Exception raised from FileAdapter at ../caffe2/serialize/file_adapter.cc:11 (most recent call first):
frame #0: c10::Error::Error(c10::SourceLocation, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >) + 0x6b (0x7f63c470924b in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libc10.so)
frame #1: caffe2::serialize::FileAdapter::FileAdapter(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&) + 0x2e0 (0x7f63bedeac80 in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libtorch_cpu.so)
frame #2: torch::jit::load(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, c10::optional<c10::Device>, std::unordered_map<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >, std::hash<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > >, std::equal_to<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > >, std::allocator<std::pair<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > > > >&) + 0x40 (0x7f63c00b1030 in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libtorch_cpu.so)
frame #3: apollo::perception::lidar::PointPillars::InitTorch() + 0xa2 (0x7f64aee4cc5c in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #4: apollo::perception::lidar::PointPillars::PointPillars(bool, float, float, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&) + 0x3e8 (0x7f64aee4a7c2 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #5: apollo::perception::lidar::PointPillarsDetection::Init(apollo::perception::pipeline::StageConfig const&) + 0xe5 (0x7f64aee448d9 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #6: apollo::perception::pipeline::Pipeline::CreateStage(apollo::perception::pipeline::StageType const&) + 0x6be (0x7f64aebf8ed0 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #7: apollo::perception::pipeline::Pipeline::Initialize(apollo::perception::pipeline::PipelineConfig const&) + 0x3bf (0x7f64aebf7d51 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #8: apollo::perception::lidar::LidarObstacleDetection::Init(apollo::perception::pipeline::PipelineConfig const&) + 0x129 (0x7f64aea15387 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #9: apollo::perception::onboard::LidarDetectionComponent::InitAlgorithmPlugin() + 0x1b5 (0x7f64ae95dd59 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #10: apollo::perception::onboard::LidarDetectionComponent::Init() + 0x510 (0x7f64ae95d6d2 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #11: apollo::cyber::Component<apollo::drivers::PointCloud, apollo::cyber::NullType, apollo::cyber::NullType, apollo::cyber::NullType>::Initialize(apollo::cyber::proto::ComponentConfig const&) + 0x1b3 (0x7f64ae9a7603 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #12: <unknown function> + 0x11dd2a (0x561e50103d2a in mainboard)
frame #13: <unknown function> + 0x11e5db (0x561e501045db in mainboard)
frame #14: <unknown function> + 0x11ed15 (0x561e50104d15 in mainboard)
frame #15: <unknown function> + 0x118267 (0x561e500fe267 in mainboard)
frame #16: __libc_start_main + 0xe7 (0x7f64f9cf3c87 in /lib/x86_64-linux-gnu/libc.so.6)
frame #17: <unknown function> + 0x1191fa (0x561e500ff1fa in mainboard)

把point_pillars文件夹名称改为point_pillars_torch,再次运行,成功.

在这里插入图片描述

mask-pillars 报错
同样的问题,同样的解决方法.

terminate called after throwing an instance of 'c10::Error'
  what():  open file failed, file path: /apollo/modules/perception/production/data/perception/lidar/models/detection/mask_pillars_torch/pts_voxel_encoder.zip
Exception raised from FileAdapter at ../caffe2/serialize/file_adapter.cc:11 (most recent call first):
frame #0: c10::Error::Error(c10::SourceLocation, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >) + 0x6b (0x7fe02160224b in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libc10.so)
frame #1: caffe2::serialize::FileAdapter::FileAdapter(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&) + 0x2e0 (0x7fe01bce3c80 in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libtorch_cpu.so)
frame #2: torch::jit::load(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, c10::optional<c10::Device>, std::unordered_map<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >, std::hash<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > >, std::equal_to<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > >, std::allocator<std::pair<std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > > > >&) + 0x40 (0x7fe01cfaa030 in /opt/apollo/neo/lib/3rd-libtorch-cpu-dev/libtorch_cpu.so)
frame #3: apollo::perception::lidar::PointPillars::InitTorch() + 0xa2 (0x7fe10ae4cc5c in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #4: apollo::perception::lidar::PointPillars::PointPillars(bool, float, float, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&, std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&) + 0x3e8 (0x7fe10ae4a7c2 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #5: apollo::perception::lidar::MaskPillarsDetection::Init(apollo::perception::pipeline::StageConfig const&) + 0xc1 (0x7fe10ae3ea6b in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #6: apollo::perception::pipeline::Pipeline::CreateStage(apollo::perception::pipeline::StageType const&) + 0x6be (0x7fe10abf8ed0 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #7: apollo::perception::pipeline::Pipeline::Initialize(apollo::perception::pipeline::PipelineConfig const&) + 0x3bf (0x7fe10abf7d51 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #8: apollo::perception::lidar::LidarObstacleDetection::Init(apollo::perception::pipeline::PipelineConfig const&) + 0x129 (0x7fe10aa15387 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #9: apollo::perception::onboard::LidarDetectionComponent::InitAlgorithmPlugin() + 0x1b5 (0x7fe10a95dd59 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #10: apollo::perception::onboard::LidarDetectionComponent::Init() + 0x510 (0x7fe10a95d6d2 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #11: apollo::cyber::Component<apollo::drivers::PointCloud, apollo::cyber::NullType, apollo::cyber::NullType, apollo::cyber::NullType>::Initialize(apollo::cyber::proto::ComponentConfig const&) + 0x1b3 (0x7fe10a9a7603 in /opt/apollo/neo/packages/perception-dev/latest/lib/onboard/component/libperception_component_lidar.so)
frame #12: <unknown function> + 0x11dd2a (0x5561909b6d2a in mainboard)
frame #13: <unknown function> + 0x11e5db (0x5561909b75db in mainboard)
frame #14: <unknown function> + 0x11ed15 (0x5561909b7d15 in mainboard)
frame #15: <unknown function> + 0x118267 (0x5561909b1267 in mainboard)
frame #16: __libc_start_main + 0xe7 (0x7fe156901c87 in /lib/x86_64-linux-gnu/libc.so.6)
frame #17: <unknown function> + 0x1191fa (0x5561909b21fa in mainboard)

在这里插入图片描述

center-point
文件结构
在这里插入图片描述

terminate called after throwing an instance of 'phi::enforce::EnforceNotMet'
  what():  (NotFound) Cannot open file /apollo/modules/perception/production/data/perception/lidar/models/detection/CenterPoint_paddle/centerpoint.pdmodel, please confirm whether the file is normal.
  [Hint: Expected static_cast<bool>(fin.is_open()) == true, but received static_cast<bool>(fin.is_open()):0 != true:1.] (at /apollo/data/Paddle/paddle/fluid/inference/api/analysis_predictor.cc:1901)

Aborted (core dumped)

更改之后

I0328 18:01:38.070505 19982 analysis_predictor.cc:1318] ======= optimize end =======
I0328 18:01:38.075392 19982 naive_executor.cc:110] ---  skip [feed], feed -> data
terminate called after throwing an instance of 'phi::enforce::EnforceNotMet'
  what():  (NotFound) Operator (hard_voxelize) is not registered.
  [Hint: op_info_ptr should not be null.] (at /apollo/data/Paddle/paddle/fluid/framework/op_info.h:156)

Aborted (core dumped)

github同款问题:
1.感知模块启动自己训练的CENTER_POINT_DETECTION模型，运行出现如下错误 #14839
2.使用飞桨的容器进行CenterPoint模型训练，并将其部署在apollo中，启动用是出现aborted的情况，请问是什么原因导致的 #276

1.3 视觉功能测试

步骤1-5与激光雷达部分一致

使用 mainboard 方式启动camera模块：

 mainboard -d /apollo/modules/perception/production/dag/dag_streaming_perception_camera.dag

启动成功后如图所示:
在这里插入图片描述
步骤六：结果验证
播放数据包：需要使用-k参数屏蔽掉数据包中包含的感知通道数据。

 cyber_recorder play -f ./data/bag/sensor_rgb.record -k /perception/vehicle/obstacles /apollo/perception/obstacles /apollo/perception/traffic_light /apollo/prediction

可能会比较卡顿😂😂😂,检测效果可能不会特别理想.

SMOKE
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

yuan〇
关注
  • 5
    点赞
  • 踩
  • 43
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 13
    评论
专栏目录
Apollo 8.0 安装教程(Vmware)
wws的博客
08-07 364
Vmware ： 17pro (17.0.0 build-20800274) Ubuntu ：20.04 Apollo ：8.0 docker ：24.0.5 添加docker用户 3、安装apollo 8.0 在VMware自带浏览器输入就可以看到仿真界面 1）启动： 上面的第三步是第一次安装的时候进行的，如果安装成功，电脑重启以后需要快速启动，可以运行下面的指令： 2）退出： 在container里面输入退出 然后输入 5、下载Demo并运行 启动Dreamview以后，在container里面运
Apollo学习笔记-感知简介
12-14
6. 检测与分类：Apollo学习笔记-感知简介中，检测与分类是感知的核心步骤之一。检测包括静态障碍物、动态障碍物、信号灯等。 静态障碍物：使用CNN找到对象位置，定位。 动态障碍物：使用CNN找到对象位置，定位。 ...
【百度Apollo】探索自动驾驶：小白教学如何使用 Dreamview 播放数据包
最新发布
鸽芷咕的博客
04-29 1463
Dreamview 是 Apollo 平台中的一个交互式可视化工具，旨在帮助用户直观地查看自动驾驶系统的感知、规划和控制数据。通过 Dreamview，用户可以以三维场景的形式实时展示车辆的行驶轨迹、感知到的障碍物、规划的路径以及执行的控制命令，从而更加直观地了解系统的运行状态和性能表现。
Ubuntu 20.04 安装 Apollo 8.0&vscode仿真调试
智能汽车人的博客
12-10 1647
在上一篇博文中介绍了Autoware的仿真，其中各模块的算法大家可以做些了解，但是和主流自驾公司还是有些区别，而且Apollo的算法相对来说还是更贴近量产方案的，因此本篇主要介绍Apollo最新版本8.0的安装调试。
【Apollo】Apollo 8.0系统下载指南
2201_75366661的博客
08-17 1600
【Apollo】Apollo 8.0系统下载指南
undefined reference to `c10::Error::Error(c10::SourceLocation, std::__cxx11::basic_string
jiang_ming_的博客
04-18 3674
场景：在c++调用libtorch库的过程中 makefile 需要添加-lc10,和-ltorch error原因：本地编译环境为c++11,gcc版本为7.5，而下载的libtorch并不是c++11编译的，所以会导致库使用不正确 解决方法: 重新下载libtorch，根据cuda和pytorch版本选在连接下载，参考这位博主博客：https://blog.csdn.net/weixin_43742643/article/details/114156298 我的模型是由pytorch1.
Apollo智能驾驶|apollo8.0新特性讲解－感知框架(2)
2301_77162163的博客
02-02 648
百度Apollo开放平台自上线以来始终保持着创新和高频的自我迭代，从最开始聚焦于基础能力的搭建，走向侧重场景能力的发展，再升级为对平台工程易用性精益求精的追求。12月28日，百度Apollo开放平台面向所有开发者，正式推出了Apollo自动驾驶开放平台的全新升级版本——Apollo 8.0，进一步夯实了平台的易用性，让开发者操作更简单易上手。
记录报错原因:terminate called after throwing an instance
weixin_53225765的博客
02-07 4740
1.初始化错误 未定义n就直接使用 2.数组下标越界
【百度Apollo】探索自动驾驶：Apollo 新版本 Beta 全新的Dreamview+，便捷灵活更丰富
鸽芷咕的博客
04-29 3618
随着技术的不断演进和用户需求的持续增长，我们很高兴地宣布 Apollo 平台的最新 Beta 版本中推出了全新的 Dreamview+，这是一项重要的更新，旨在为用户提供更强大、更智能的自动驾驶仿真和可视化工具。本文将深入介绍 Dreamview+ 的新特性以及它带来的益处。
Apollo 3.5 各功能模块的启动过程解析
热门推荐
davidhopper的博客
12-27 2万+
Apollo 3.5彻底摒弃ROS，改用自研的Cyber作为底层通讯与调度平台。本文对Apollo 3.5 各功能模块的启动与关闭进行解析，希望给感兴趣的同学带来一定的帮助。 一、DreamView模块启动过程 启动脚本文件scripts/bootstrap.sh的start文件中可执行文件配置项定义如下： function start() { ./scripts/monitor.sh s...
Apollo学习笔记-高精地图简介
12-14
Apollo学习笔记-高精地图简介 高精地图是指具有高精度和高准确性的地图，主要应用于自动驾驶、机器人导航、交通规划等领域。下面是高精地图的详细介绍和关键技术点： 一、高精地图的作用 高精地图的主要作用有三...
Apollo学习笔记-定位简介
12-14
Apollo学习笔记-定位简介
Apollo安装视频教程与仿真平台.pdf
02-01
Apollo安装视频教程与仿真平台目录 Apollo快速安装指南 1 安装部署 2 仿真平台使用 3 Azure仿真平台使用
apollo安装.pdf
09-05
apollo完整安装教程，从jdk -> mysql -> apollo-adminservice -> apollo-configservice ->apollo-portal，安装后的服务端各项配置教程。相关文件可以查看我的其他下载资源，或者私信我要全套所需软件集合
Apollo安装及使用CyberRT回放数据（Ubuntu20.04+RTX3070）
qqsuiying的博客
06-21 3011
安装的时候完全参考官方就好，很稳，不过官网肯定是最新，如果需要旧版本困难还需要找一下Apollo开放平台文档 - 必备软件安装指南首先需要安装好Ubuntu和NVIDIA驱动，我这里使用的是Ubuntu20.04，RTX3070+CUDA11.3Apollo 6.0+ 依赖于 Docker 19.03+。安装 Docker 引擎，参见 Install Docker Engine on Ubuntu。Ubuntu 上的 Docker-CE 也可以通过 Docker 提供的官方脚本安装： curl https:
百度Apollo五步入门自动驾驶：Dreamview与离线数据包分析（文末赠送apollo周边）
鸽芷咕的博客
12-26 1410
Dreamview 是一个 web 应用程序可视化显示当前自动驾驶车辆模块的输出信息。例如：规划路径、车辆定位、车架信息等。为使用者提供人机交互接口以监测车辆硬件状态，对模块进行开关操作，启动自动驾驶车辆等。
Apollo 星火计划学习笔记1
LGD_good的博客
09-08 869
Apollo build-tool：构建Apollo v8.0-pre的构建工具。在同一个终端，输入以下命令，启动 Apollo 的 DreamView 程序。Record 是 Apollo 记录数据的一种数据格式。在命令行中，输入下面的命令，下载 record 数据包。为后缀的文件就是我们说的 record 数据包。2.在该目录中执行该脚本。common_msg模块。用于设置循环回放模式。
apollo8.0安装
10-09
安装 Apollo 8.0 需要执行以下步骤： 1. 下载并解压缩安装包。 2. 在终端中进入解压后的安装包目录，并执行以下命令安装依赖项： ``` bash apollo.sh install_deps ``` 3. 执行以下命令编译代码： ``` bash apollo.sh build ``` 4. 若编译成功，则执行以下命令启动 Apollo 8.0： ``` bash apollo.sh start ``` 请注意，以上仅是 Apollo 8.0 安装的大致步骤，具体操作还需要根据实际情况进行调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yuan〇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值