共计 1774 个字符，预计需要花费 5 分钟才能阅读完成。

背景与痛点

自动驾驶系统的部署往往面临硬件兼容性和依赖管理的双重挑战。以 Apollo 平台为例，开发者常遇到以下问题：

• 硬件兼容性 ：不同型号的工控机、GPU 和传感器（如激光雷达、摄像头）需要特定驱动支持
• 依赖冲突 ：ROS、CUDA 等基础组件版本不匹配导致编译失败
• 资源竞争 ：多个模块同时运行时 CPU/ 内存占用过高
• 实时性要求 ：CAN 总线通信延迟可能影响控制指令的时效性

环境准备

系统要求

1. Ubuntu 18.04 LTS（官方推荐版本）
2. 至少 16GB 内存 （建议 32GB 以上运行仿真模块）
3. NVIDIA 显卡 （需支持 CUDA 10.2）

基础环境配置

# 安装 Docker CE
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io

# 添加用户到 docker 组
sudo usermod -aG docker $USER

# 安装 NVIDIA 容器工具包
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

部署流程

1. 获取 Apollo 源码

git clone https://github.com/ApolloAuto/apollo.git
cd apollo
bash docker/scripts/dev_start.sh

2. 进入开发容器

bash docker/scripts/dev_into.sh

3. 编译核心模块

# 全量编译（首次需要约 2 小时）./apollo.sh build

# 单独编译规划模块示例
./apollo.sh build planning

代码示例

传感器数据验证脚本

#!/usr/bin/env python3
import rospy
from sensor_msgs.msg import PointCloud2

def callback(data):
    rospy.loginfo("Received pointcloud with %d points", data.width)

if __name__ == "__main__":
    rospy.init_node('sensor_checker')
    rospy.Subscriber("/apollo/sensor/velodyne64/PointCloud2", PointCloud2, callback)
    rospy.spin()

性能优化

资源分配建议

• CPU 隔离 ：通过 cgroups 为关键进程保留 CPU 核心

  cgcreate -g cpu:/apollo
  echo "950000" > /sys/fs/cgroup/cpu/apollo/cpu.rt_runtime_us

• 内存管理 ：限制非关键模块内存使用

  docker update --memory 4G --memory-swap 8G apollo_dev

避坑指南

常见问题解决方案

1. GPS 信号丢失
2. 检查 USB 串口权限：sudo chmod 666 /dev/ttyACM0

3. 验证驱动兼容性：lsmod | grep ublox

4. Dreamview 无法启动

5. 确认端口未被占用：netstat -tulnp | grep 8888

6. 检查浏览器 WebGL 支持：chrome://gpu/

7. CAN 通信超时

8. 调整 SocketCAN 缓冲区大小：

   sudo ip link set can0 txqueuelen 1000
   sudo ifconfig can0 mtu 72

延伸思考

1. 如何设计多传感器时间同步方案来提升融合精度？
2. 在资源受限的嵌入式设备上可以如何精简 Apollo 模块？
3. 自动驾驶系统的实时性指标应该如何量化评估？

通过本文的实践指南，开发者应能完成 Apollo 平台的基础部署。建议在实际车辆集成时，特别注意硬件接口的电气特性和机械兼容性，这些往往是现场调试中最耗时的环节。