ToB企服应用市场:ToB评测及商务社交产业平台

标题: Autoware.universe 高效学习第二章 -- 在 ubuntu22.04 + ros2 humble 安装 [打印本页]

作者: 勿忘初心做自己 时间: 2024-9-15 10:57
标题: Autoware.universe 高效学习第二章 -- 在 ubuntu22.04 + ros2 humble 安装
1 媒介和资料

上一篇博客 Autoware.universe 高效学习第一章 – 鸟瞰 autoware，我们对 autoware 进行了系统梳理，了解了 autoware 的昨天今天和明天。本文我们将安装 autoware.universe ，并实际运行下 autoware.universe 的样例，为后面的深入学习准备开发环境。
本文参考资料如下：
（1）autoware source install
（2）autoware planning simulation
（3）Autoware.universe部署01：Ubuntu20.04安装Autoware.universe并与Awsim联调
本系列博客汇总：Autoware.universe 高效学习系列。
2 正文

2.1 基础环境和安装方式选择

（1）本人的基础环境：
硬件：本文选择一台 Thinkpad T14 i7 + Nvidia MX450。
操作系统：物理机安装 ubuntu22.04 ，不搞虚拟机，不搞双系统，运行服从最高。
ros2 版本：ros2 humble 。
英伟达显卡驱动版本：535.183.01 。
英伟达 cuda 编译器 nvcc 版本：V12.3.107
补充1：保举读者使用 fishros 的脚本在 ubuntu22.04 一键安装 ros2 humble：

wget http://fishros.com/install -O fishros && . fishros
# 测试安装结果
printenv |grep ros

复制代码

补充2：检察显卡驱动版本：

nvidia-smi

复制代码

补充3：编译 autoware.universe 时，须要 nvcc 编译器，安装命令：

sudo apt install nvidia-cuda-toolkit
echo 'export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc
# 检查版本
nvcc -V

复制代码

（2）安装方式选择：autoware 官方安装文档给出了两种安装方式，一是 docker 安装，二是源码安装。通常来说采取 docker 安装最省劲，但是 docker 安装无法直接利用本人笔记本已经设置成熟的开发环境，对我而言上手本钱比力高，因此选择了源码安装。而源码安装本质就是 ros2 开发那一套，即创造工作空间，拉取代码，编译运行，非常适合个人研究。
2.2 autoware 源码安装

（1）设置 ssh key 到 github，否则无法拉取和提交代码：请参考 Github设置ssh key的步调（大白话+包罗原理表明），这里不再赘述。
（2）Fork 一份 autoware 的入口堆栈：访问 autoware，点击右上角 Fork 按钮，fork 一份 autoware 到本身的空间，方便修改和保存本身的代码。本人 fork 的堆栈路径为：jieshoudaxue，autoware。
补充：autoware 项目本身有许多个子堆栈，见 autoware.repos，最典范的就是 autoware.core ，autoware.universe。这些堆栈必须一块编译，系统才气运行，因此 autoware 提供了一个入口堆栈，称之为 Meta-repository ，统一管理这些资源。
（3）使用 ssh 的方式，拉取本身空间内的 autoware 堆栈：

cd ~
git clone git@github.com:Jieshoudaxue/autoware.git
cd autoware

复制代码

（4）安装依赖：autoware 堆栈内提供了一个脚本 setup-dev-env.sh，用来统一安装各种依赖，但实测发现，根本不大概成功！因此，请参考 autoware source install 中的提示，逐个安装依赖：

补充1：由于本人的环境已经安装了 ros2 humble 和 cuda，因此这两项的安装我就可以省略了。
补充2：由于本人预装的 cuda 版本为12.2，差别于原来堆栈设置的 12.3 ，因此安装其他依赖前，我进行了版本调整：modify cuda version
（5）利用 autoware 作为工作空间，在其内部创建 src 目次，并拉取各个堆栈源代码，为编译做准备：

cd ~/autoware
mkdir src
vcs import src < autoware.repos

复制代码

踩坑1：autoware.repos 中，最大的就是 autoware.universe 堆栈，里面有大文件，我使用 https 方式拉取总是失败，改为 ssh 方式后拉取成功：up autoware.universe link。拉取失败错误信息如下：

=== src/universe/autoware.universe (git) ===
Could not clone repository 'https://github.com/autowarefoundation/autoware.universe.git': Cloning into '.'...
error: RPC failed; curl 92 HTTP/2 stream 0 was not closed cleanly: CANCEL (err 8)
error: 4519 bytes of body are still expected
fetch-pack: unexpected disconnect while reading sideband packet
fatal: early EOF
fatal: fetch-pack: invalid index-pack output

复制代码

（6）编译整个 autoware ：如果统统顺遂的话，最后将在 autoware 内生成 build，install，log 三个目次，可执行程序就在 install 目次内

cd ~/autoware
colcon build
# 如果更改了某个 package ，如 tensorrt_yolox，可以使用如下命令单独编译
colcon build --packages-select tensorrt_yolox

复制代码

2.3 运行样例，测试安装是否成功

（1）下载高精舆图到 ~/autoware_map

gdown -O ~/autoware_map/ 'https://docs.google.com/uc?export=download&id=1499_nsbUbIeturZaDj7jhUownh5fvXHd'
unzip -d ~/autoware_map ~/autoware_map/sample-map-planning.zip

复制代码

（2）启动 autoware

cd ~/autoware
source install/setup.bash
ros2 launch autoware_launch planning_simulator.launch.xml map_path:=$HOME/autoware_map/sample-map-planning vehicle_model:=sample_vehicle sensor_model:=sample_sensor_kit

复制代码

几种常用操作：
第一，按住鼠标左键并移动，可以旋转舆图；
第二，按住 shift 键 + 鼠标左键并移动，可以拖动舆图；
第三，滚动鼠标滚轮可以放大和缩小舆图；
（3）行车样例
第一，按一下 P 键，然后鼠标在任一车道中间找一个点作为出发点，点击左键并按住不放，移动鼠标，将箭头（车头）与车道平行，并确保方向符合车道要求，此时会出现一个小车。
第二，按一下 G 键，然后鼠标在车辆行进前方的车道中间找一个点作为终点，点击左键并按住不放，移动鼠标，将箭头（车头）与车道平行，并确保方向符合车道要求。此时，autoware 就会出规划线。
第三，点击 AutowareStatePanel 中的 Auto 按钮，车辆就会动起来，从出发点运动到终点。

（4）泊车样例：操作方式根本同行车样例，区别在于须要把终点定位在停车位上

总结

许多人的学习都是被安装环境劝退的，但是没有太好的办法，只能广搜资料，持续试错，逐步积聚履历。当该踩的坑踩完以后，根本就能成功了。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)