跳轉到

Docker 設定#

Docker 提供容器化環境以執行 AutoSDV，而不需修改您的主機系統。這對於開發、測試與模擬情境很理想。

使用情境#

Docker 建議用於： - 開發與測試：在不同機器上的一致環境 - 模擬：在沒有實體硬體的情況下執行 AutoSDV - CI/CD：自動化測試與部署 - 快速評估：在不完整安裝的情況下試用 AutoSDV

先決條件#

主機系統需求#

  • Ubuntu 20.04 或 22.04（其他 Linux 發行版可能可用）
  • NVIDIA GPU 配備驅動程式 470+（用於 GPU 加速）
  • 至少 50GB 可用磁碟空間
  • 建議 16GB+ RAM

軟體需求#

  1. Docker Engine（20.10 或更新版本）： 

    # Install Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

# Add user to docker group
sudo usermod -aG docker $USER
# Log out and back in for group changes to take effect

  2. NVIDIA Container Toolkit（用於 GPU 支援）： 

    # Add NVIDIA repository
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

# Install nvidia-container-toolkit
sudo apt update
sudo apt install nvidia-container-toolkit
sudo systemctl restart docker

  3. Docker Compose（選配，用於多容器設定）： 

    sudo apt install docker-compose

快速開始#

步驟 1：複製 AutoSDV 儲存庫#

git clone -b 2025.02 --recursive https://github.com/NEWSLabNTU/AutoSDV.git
cd AutoSDV/docker

步驟 2：啟動 Docker 環境#

設定跨架構支援（在 x86_64 上進行 ARM64 模擬時需要）：

make bootstrap

步驟 3：建置 Docker 映像#

建置 AutoSDV Docker 映像：

make build

這會建立一個包含以下內容的映像： - Ubuntu 22.04 基底配備 ROS 2 Humble - 預先安裝的 Autoware 2025.02 - 所有 AutoSDV 相依套件 - CUDA 與 TensorRT 支援 - 感測器驅動程式函式庫（專有的除外）

步驟 4：執行容器#

啟動互動式容器會話：

make run

您將進入一個 shell，AutoSDV 在 /home/developer/AutoSDV 準備就緒可供使用。

Docker 映像詳情#

映像架構#

AutoSDV Docker 映像是為 **ARM64 架構**建置的，以匹配 Jetson 平台。在 x86_64 主機上，QEMU 提供透明模擬。

預先安裝的軟體#

  • ROS 2 Humble 配備桌面工具
  • Autoware 2025.02 二進位發行版
  • CUDA 12.3 與 TensorRT 8.6
  • Cyclone DDS 配置為預設值
  • 開發工具：git、vim、tmux、htop

磁碟區掛載#

make run 指令會自動掛載： - /tmp/.X11-unix 用於 GUI 應用程式 - NVIDIA GPU 裝置以進行 CUDA 存取

進階使用#

自訂執行選項#

使用額外的磁碟區或埠執行：

docker run -it --rm \
  --gpus all \
  --network host \
  -v /path/to/data:/data \
  -v /dev:/dev \
  --privileged \
  autosdv:latest

開發工作流程#

對於主動開發，掛載您的本地程式碼：

docker run -it --rm \
  --gpus all \
  -v $(pwd):/workspace/AutoSDV \
  -w /workspace/AutoSDV \
  autosdv:latest

GUI 應用程式#

為視覺化工具啟用 X11 轉發：

xhost +local:docker
docker run -it --rm \
  --gpus all \
  -e DISPLAY=$DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  autosdv:latest

然後執行 GUI 應用程式，例如 RViz： 

# Inside container
rviz2

多容器設定#

為複雜部署建立 docker-compose.yml：

version: '3.8'

services:
  autosdv:
    image: autosdv:latest
    runtime: nvidia
    network_mode: host
    privileged: true
    volumes:
      - /dev:/dev
      - ./data:/data
    environment:
      - ROS_DOMAIN_ID=0
      - DISPLAY=${DISPLAY}
    command: ros2 launch autosdv_launch autosdv.launch.yaml

  monitoring:
    image: autosdv:latest
    runtime: nvidia
    network_mode: host
    environment:
      - ROS_DOMAIN_ID=0
    command: python3 /home/developer/AutoSDV/src/launcher/autosdv_launch/autosdv_launch/autosdv_monitor.py

執行： 

docker-compose up

容器管理#

儲存與載入映像#

匯出映像以供部署：

make save  # Creates autosdv_docker.tar.gz

在另一台機器上載入：

docker load < autosdv_docker.tar.gz

清理#

移除容器與映像：

make clean

限制#

硬體存取#

Docker 容器的硬體存取有限： - 無法直接存取光達（USB/乙太網路感測器需要特殊配置） - 無 CAN 匯流排（除非使用 --privileged 旗標） - **相機存取**需要裝置掛載

效能#

  • x86_64 上的 ARM64 模擬會降低效能
  • GPU 穿透會增加開銷
  • 網路效能可能因 Docker 網路模式而異

感測器驅動程式#

Docker 映像透過 rosdep 包含大多數驅動程式，但：

  • ZED SDK：由於硬體需求，無法在 Docker 中完全使用。實體部署需要原生安裝。
  • Blickfeld：透過容器中的 rosdep 安裝
  • Velodyne：透過容器中的 rosdep 安裝

對於完整的 ZED 相機支援，請使用原生安裝與 ZED SDK 安裝指南。

疑難排解#

GPU 無法存取#

驗證 NVIDIA runtime： 

docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi

網路問題#

使用主機網路進行 ROS 2 通訊： 

docker run --network host ...

權限被拒#

對於裝置存取，使用權限執行： 

docker run --privileged -v /dev:/dev ...

建置失敗#

清除 Docker 快取並重新建置： 

docker system prune -a
make bootstrap
make build

與 CI/CD 整合#

GitHub Actions 範例#

name: AutoSDV Tests

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2

      - name: Set up Docker
        uses: docker/setup-buildx-action@v1

      - name: Build Docker image
        run: |
          cd docker
          make build

      - name: Run tests
        run: |
          docker run --rm autosdv:latest \
            bash -c "cd /home/developer/AutoSDV && colcon test"

Jenkins Pipeline 範例#

pipeline {
    agent any

    stages {
        stage('Build') {
            steps {
                sh 'cd docker && make build'
            }
        }

        stage('Test') {
            steps {
                sh 'docker run --rm autosdv:latest make test'
            }
        }
    }
}

下一步#