Apollo2.0自动驾驶howto文件夹之how_to_run_perception_module_on_your_local_computer.md

/****************Apollo源码分析****************************

Copyright 2018 The File Authors & zouyu. All Rights Reserved.

Contact with: 1746430162@qq.com 181663309504

源码主要是c++实现的，也有少量python，git下载几百兆，其实代码不太多，主要是地图和数据了大量空间，主要程序
在apollo/modules目录中，

我们把它分成以下几部分（具体说明见各目录下的modules）：

感知：感知当前位置，速度，障碍物等等

Apollo/modules/perception

预测：对场景下一步的变化做出预测

Apollo/modules/prediction

规划：

(1) 全局路径规划：通过起点终点计算行驶路径

Apollo/modules/routing

(2) 规划当前轨道：通过感知，预测，路径规划等信息计算轨道

Apollo/modules/planning

(3) 规划转换成命令：将轨道转换成控制汽车的命令（加速，制动，转向等）

Apollo/modules/control

其它

(1) 输入输出

i. Apollo/modules/drivers 设备驱动

ii. Apollo/modules/localization 位置信息

iii. Apollo/modules/monitor 监控模块

iv. Apollo/modules/canbus 与汽车硬件交互

v. Apollo/modules/map 地图数据

vi. Apollo/modules/third_party_perception 三方感知器支持

(2) 交互

i. Apollo/modules/dreamview 可视化模块

ii. Apollo/modules/hmi 把汽车当前状态显示给用户

(3) 工具

i. Apollo/modules/calibration 标注工具

ii. Apollo/modules/common 支持其它模块的公共工具

iii. Apollo/modules/data 数据工具

iv. Apollo/modules/tools 一些Python工具

(4) 其它

i. Apollo/modules/elo 高精度定位系统，无源码，但有文档

ii. Apollo/modules/e2e 收集传感器数据给PX2,ROS

  自动驾驶系统先通过起点终点规划出整体路径（routing）；然后在行驶过程中感知（perception）当前环境
（识别车辆行人路况标志等），并预测下一步发展；然后把已知信息都传入规划模块（planning），规划出之后的轨道；
控制模块（control）将轨道数据转换成对车辆的控制信号，通过汽车交互模块（canbus）控制汽车．

我觉得这里面算法技术含量最高的是感知perception和规划planning，具体请见本博客中各模块的分析代码。

/****************************************************************************************

＃如何在本地计算机上运行感知模块

       感知模块需要安装Nvidia GPU和CUDA以与Caffe一起运行感知算法。我们已经在发布的docker中安装了CUDA和Caffe库。但是，Nvidia GPU驱动程序未安装在发布的dev docker镜像中。要使用CUDA加速运行感知模块，我们建议在Docker中安装与您的主机中安装的完全相同版本的Nvidia驱动程序，并使用GPU选项构建Apollo。

我们提供有关使用Nvidia GPU运行感知模块的分步说明，如下所示：
1.修改脚本`./ docker / scripts / dev_start.sh`，通过在命令`docker run -it`中添加两个选项行，从主机上挂载linux内核的库和源代码：
```
-v / usr / src：/ usr / src
-v / lib / modules：/ lib / modules
```
2.启动发布的Docker镜像，并使用root权限进入docker：
```
./docker/scripts/dev_start.sh
docker exec -it apollo_dev / bin / bash
```
3.下载正式的Nvidia驱动程序安装文件，该文件应与主机中安装的文件完全相同。我们推荐375.39的版本：
```
wget http://us.download.nvidia.com/XFree86/Linux-x86_64/375.39/NVIDIA-Linux-x86_64-375.39.run
```

4.在Docker中安装Nvidia驱动程序（以Linux-x86-375.39版本为例）：
```
源/apollo/scripts/install_gcc.sh
ln -s / usr / bin / cc / usr / bin / cc1
chmod + x ./NVIDIA-Linux-x86_64-375.39.run
./NVIDIA-Linux-x86_64-375.39.run --no-opengl-files -a -s
源/apollo/scripts/recover_gcc.sh
rm / usr / bin / cc1
```

5.提交一个新的docker映像（在主机中）：
```
docker commit CONTAINER_ID apolloauto / apollo：NEW_DOCKER_IMAGE_TAG
```

6.启动新的docker映像（在主机中）并进入docker：
```
./docker/scripts/dev_start.sh NEW_DOCKER_IMAGE_TAG
./docker/scripts/dev_into.sh
```

7.使用GPU选项构建Apollo（在docker中）：
```
./apollo.sh build_gpu
```
要么
```
./apollo.sh build_opt_gpu
```

       现在感知模块可以用命令`./scripts/perception.sh start`在GPU模式下运行。请注意，即使知觉模块在Caffe CPU_ONLY模式下运行，也应如上所示正确安装Nvidia驱动程序（即使用./apollo.sh build或./apollo.sh build_opt来构建感知模块）。请参阅感知自述文件（https://github.com/ApolloAuto/apollo/blob/master/modules/perception/README.md）中知觉模块的详细说明。