Apollo自动驾驶仿真赛新手入门：软件下载与环境搭建全指南

1次阅读

共计 2052 个字符，预计需要花费 6 分钟才能阅读完成。

刚接触 Apollo 仿真赛时，我最头疼的就是环境配置。不同版本的 ROS（Robot Operating System）之间兼容性差异大，比如 Apollo 7.0 要求 ROS Melodic（对应 Ubuntu 18.04），而新版本可能依赖 Noetic（Ubuntu 20.04）。更麻烦的是 GPU 驱动和 CUDA 版本——我曾经因为 NVIDIA 驱动版本低导致 Docker 容器无法调用显卡，调试了整整两天。

典型问题场景：
在 Ubuntu 20.04 上强行安装 ROS Melodic 导致包依赖冲突
本地 CUDA 11.7 与 Apollo 镜像要求的 CUDA 11.1 不兼容
Docker 容器内无法访问宿主机 GPU（报错Could not initialize OpenGL）

特点：与 Apollo 代码深度集成，提供完整感知 - 决策 - 控制闭环验证
优点：场景文件格式统一，支持Dreamview 可视化调试
缺点：对硬件要求高（建议至少 RTX 3060 显卡）

特点：基于 Unity 引擎，支持激光雷达点云仿真
优点：提供预构建的 Apollo 5.0/6.0 兼容场景
缺点：Python API 响应延迟较明显（实测约 200ms）

特点：学术研究首选，支持天气动态变化
优点：社区生态丰富，有大量开源 agent 示例
缺点：与 Apollo 的接口需要自行适配（需修改bridge 模块）

新手建议：首次参赛优先使用 Apollo 官方仿真器，避免兼容性问题

# 关键软件包（注意版本锁定）sudo apt-get install -y \
    ros-melodic-desktop-full=1.4.1-0* \
    nvidia-driver-470 \
    cuda-11-1 \
    docker-ce=5:19.03.15~3-0~ubuntu-bionic

# 拉取预装 Apollo 的镜像（大小约 4.7GB）docker pull apolloauto/apollo:dev-x86_64-18.04-20230315_1400

# 启动容器并挂载 GPU
sudo docker run -it \
    --runtime=nvidia \
    --privileged \
    -v /tmp/.X11-unix:/tmp/.X11-unix \
    -e DISPLAY=$DISPLAY \
    apolloauto/apollo:dev-x86_64-18.04-20230315_1400

# 在容器内运行
nvcc --version  # 应显示 11.1
nvidia-smi     # 顶部 CUDA Version 应与宿主机一致

# 若不一致，需要调整 docker run 参数：--gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,graphics

如果容器内无法接收 /apollo/sensor/camera/front_6mm/image 等 topic，尝试：

# 在宿主机执行
xhost +local:docker  # 允许 Docker 访问 X11

# 在容器内检查
rostopic list | grep sensor  # 应看到传感器话题

# 启动 Dreamview 后验证模块加载
./scripts/bootstrap.sh start
# 在另一个终端查看进程
ps aux | grep monitor

import rospy
from sensor_msgs.msg import PointCloud2

def callback(data):
    print("收到点云数据，数量:", data.width)

rospy.init_node('listener', anonymous=True)
rospy.Subscriber("/apollo/sensor/lidar128/compensator/PointCloud2", 
                 PointCloud2, callback)
rospy.spin()

尝试编辑/apollo/modules/map/data/sunnyvale_loop/base_map.xml：
1. 调整 <stop_sign> 的位置坐标
2. 在仿真器中观察车辆是否准确停车
3. 通过 rostopic echo /apollo/control 查看控制指令变化

搭建环境的过程确实会遇到各种 ” 玄学 ” 问题，我的经验是：
1. 严格按照官方文档的版本要求
2. 所有安装步骤记录在脚本中方便重现
3. 善用 Docker 隔离开发环境

当第一次看到仿真器里的车辆按规划路径自动行驶时，之前的所有折腾都值得了。接下来可以尝试用 cyber_recorder 回放数据，或者修改 routing 模块的决策逻辑——自动驾驶的世界就在你眼前展开。

正文完