0、前言

先上仿真效果展示，在小破站上传了我第一个视频，画质较渣，凑合看吧，hahaha。

如果你掌握了以下预备能力，将会更加如鱼得水：

• 熟悉 linux
• 熟悉安装 Ubuntu 系统
• 熟悉 docker

对于想要入门 docker 的同学，真心推荐B站搜索 “狂神 docker”，有了 docker 的技能加持，可以更好的玩转 Apollo。

另外，有精力的同学一定要认真参考以下两个链接中的文档，官方的文档很详细，且易懂。

参考：

• https://github.com/ApolloAuto/apollo
• https://www.svlsimulator.com/docs/

1、硬件配置

种种机缘巧合，我获得了两台主机，所以我果断选择了通过两台主机搭建联合仿真平台的方案。

两台主机的配置分别如下：

参数	主机1	主机2
处理器	i7-4790	i7-11700F
运存	8G	32G
显卡	gtx960	rtx2060s
显存	4G	8G

其中主机1安装 Ubuntu18.04.5 用来运行 Apollo，主机2安装 win10 用来运行 SVL，两台主机在同一网段下工作，通过桥接，实现数据传输，达到联合仿真的效果。 

2、部署 Apollo

 此步骤至关重要，也容易问题频出，我按照官方的说明文档在自己的主机上部署时，很顺利，这得益于硬件的适配性和科学的冲浪姿势，但是当我尝试在其他的硬件上进行部署时，在编译过程中惨遭同一个 error 折磨，这将在后文示出。下面先说常规的部署流程。

2.1 准备工作

2.1.1 安装 Ubuntu

Apollo6.0 推荐的部署环境为 Ubuntu18.04.5 LTS 或者更高版本。最近版本的 Apollo 采用了 docker 的技术，部署起来更加便捷，规定了系统版本，个人以为这主要是限制 Linux 内核版本，毕竟 docker 技术是不会对内核以外的其他东西产生太大依赖的。我安装的是 Ubuntu18.04.5 LTS，安装过程不再详述。

安装完成后执行一下命令进行软件更新：

sudo apt-get update
sudo apt-get upgrade

如果报错，通常是 source.list 的问题，自行找解决方案，将软件源更换为国内源，如阿里源等等。

2.1.2 安装 NVIDIA 显卡驱动

个人建议硬件上配置独立显卡，虽然如果没有独立显卡，在编译时通过 build_cpu 也有可能通过，但是不能保证在后续的仿真过程中是否会出现其他问题。

首先，通过以下命令核查你是否已经安装了显卡驱动：

nvidia-smi

 如果有输出如下信息，则证明你已经安装了显卡驱动，然后查看驱动版本，如下所示第一行中的 NVIDIA-SMI 460.27.04，如果你的显卡驱动版本高于 455，则可以直接跳至下一步安装 Docker 引擎，如果你的显卡驱动版本低于 455，则建议执行下述操作重新安装。

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.27.04    Driver Version: 460.27.04    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce RTX 3090    On   | 00000000:65:00.0  On |                  N/A |
| 32%   29C    P8    18W / 350W |    682MiB / 24234MiB |      7%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A      1286      G   /usr/lib/xorg/Xorg                 40MiB |
|    0   N/A  N/A      1517      G   /usr/bin/gnome-shell              120MiB |
|    0   N/A  N/A      1899      G   /usr/lib/xorg/Xorg                342MiB |
|    0   N/A  N/A      2037      G   /usr/bin/gnome-shell               69MiB |
|    0   N/A  N/A      4148      G   ...gAAAAAAAAA --shared-files      105MiB |
+-----------------------------------------------------------------------------+

 如果没有输出类似上述的信息，则说明你未安装显卡驱动，则执行下述指令进行安装：

sudo apt-get update
sudo apt-add-repository multiverse
sudo apt-get update
sudo apt-get install nvidia-driver-455

安装成功之后，同样的使用 nvidia-smi 指令核查显卡驱动是否运行正常，如果未输出信息，尝试重启主机，然后再次运行 nvidia-smi 指令，如果成功，则会显示类似上述的显卡工作信息。

 2.1.3 安装 Docker 引擎

Apollo6.0+ 需要 Docker 19.03+，有以下两种方法安装 docker：

方法 1：参照官方文档进行安装，个人更推荐第二种方法，简单方便；

方法2：执行以下指令进行安装；

curl https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

安装完成之后执行以下指令，核查 docker 版本，顺便核查是否安装成功，

docker --version

 成功之后继续进行如下操作，

• 开放 docker 的权限

1. 创建 docker 组

   sudo groupadd docker

2. 将你的用户添加到 docker 组

   sudo usermod -aG docker $USER

3. 使用组的更新

   newgrp docker

4. 核查 docker 命令（不要使用sudo）
   如果成功，会输出很多行信息，其中有一行为 “ Hello from Docker！”，表示成功。

   docker run hello-world

2.1.4 安装 NVIDIA 容器工具箱

执行如下指令进行安装：

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 -y update
sudo apt-get install -y nvidia-docker2

 安装完成之后需要执行以下指令，重启 docker

sudo systemctl restart docker

至此，准备工作已经完成，接下来可以开始获取 Apollo 代码并进行启动容器、编译等操作。

2.2 下载 Apollo

运行以下指令从 Apollo's GitHub 获取程序包（下面两行代码二选一运行），默认下载为 master 分支。

# Using SSH
git clone git@github.com:ApolloAuto/apollo.git

# Using HTTPS
git clone https://github.com/ApolloAuto/apollo.git

如果没有掌握科学上网的姿势，可以通过国内的仓库下载，或者直接下载压缩包，但是切断了与 GitHub 仓库的联系。 

为了便于以后的应用，也可以运行以下指令，将 APOLLO_ROOT_DIR 设置为系统环境变量：

cd apollo
echo "export APOLLO_ROOT_DIR=$(pwd)" >> ~/.bashrc && source ~/.bashrc

2.3 启动容器 

在  ${APOLLO_ROOT_DIR} 路径下（如果按照上面步骤顺次执行的话，在当前路径执行即可），执行以下指令，将开始构建容器，需要拉取各种镜像层，过程比较长，需要保持网络通常，如果失败，则再次运行该指令，直到成功。

bash docker/scripts/dev_start.sh

 一旦出现如下信息，则表示成功，可进行下一步操作。

[ OK ] Congratulations! You have successfully finished setting up Apollo Dev Environment.
[ OK ] To login into the newly created apollo_dev_michael container, please run the following command:
[ OK ]   bash docker/scripts/dev_into.sh
[ OK ] Enjoy!

 2.4 进入容器

运行以下指令进入一个新的容器：

bash docker/scripts/dev_into.sh

 2.5 编译

这是最关键的一步，成也在此，不成也别慌，去常见问题及解决方法找答案。

Apollo 有两种编译模式，其一为 build_gpu，其二为 build_cpu（没有独立显卡的用户可以尝试这种编译模式），在容器内部运行以下指令，便开始编译，是更漫长的等待过程。编译刚开始会下载一些工具，所以要保持网络通畅，如果在这个过程中出错，重新运行编译指令即可。

./apollo.sh build

 如果编译成功，那么恭喜你，已经登顶了，接下来只需要稍加抬眼欣赏美景即可。

2.6 运行

在容器内部执行以下指令，用以启动、停止、重启 Apollo

# 启动
./scripts/bootstrap.sh
# 也可以这样启动
./scripts/bootstrap.sh start

# 停止
./scripts/bootstrap.sh stop

# 重启
./scripts/bootstrap.sh restart

然后在打开浏览器，地址栏中输入 http://localhost:8888 及可看到 dreamview 的运行界面，那么此时你能用它做什么呢？抱歉，除了回放一些结果文件，你确实什么都干不了，就好比它的名字，它只是一个 viewer。

当目前为止，我们只是创造了大脑，接下来将创造它的四肢，完成进行补全计划。

3、部署 lgSVL

3.1 安装

在主机 2 中部署 lgSVL，现在切换至主机 2。

以 win10 为例，安装 nvidia 驱动，然后去 lgsvl 官网下载压缩包，解压，运行 simulator.exe 即可，没错，就这么简单，它是免安装的。Linux 下部署也不麻烦，给你个参考文档看看。

3.2 链接到云端

 点击 Open Browser 打开仿真器 Web 端的交互界面

 第一次使用，如果 Link to Cloud 按钮不可用，则检查右上角状态是 Online 或 Offline，如果是 Offline，则点击 Offline 按钮重新连接，然后点击 Link to Cloud。

 此时应该进入了登录界面

如果已经注册了账户，直接登录，如果没有则点击 Sign Up 进行注册

 

注册过程就很常规，只要邮箱对了就行，需要去邮箱确认激活，然后登陆。

 创建仿真之前，还需要将本地仿真器链接至云端

在 Web 界面，点击左侧 Cluster，就会看到集群界面，在 New Cluster 下的输入框中填写集群名字，比如“local-sim”，然后点击 Create cluster 。

如果在集群界面没有看到 New Cluster，很可能是你的 SVL Simulator 离线了，重新连接即可。

创建成功之后，就会看到如下显示

 接下来就可以运行仿真了。

4、仿真测试

在 Web 端界面下点击左边 Simulators，然后点击 Add New，创建仿真场景，然后进入配置流程。

1、General 中主要是 Select Cluster 下选择刚才设置的集群

2、Test case 中，Map 选择 BorregasAve；Vehicle 选择 Lincoln2017MKZ，下一层选择 Apollo 6.0；最下方 Traffic 随意配置

3、Autopilot 中，Autopilot 选择 Apollo 6.0；Bridge Connection 下填写   主机1的IP：9090

主机 1 为运行 Apollo 6.0 的主机，其 IP 查询方法为，新打开一个终端，输入 ifconfig，运行即可，具体过程自行查询。

经过以上步骤即可发布，然后发布。

注意，每次启动主机1时，其 IP 可能会改变，所以每次启动之后，查询 IP，并在你需要运行的simulation 中修改上述的 Bridge Connection 信息。

Run Simulation

点击 Run Simulation，在主机2中新打开一个 Web 窗口，地址栏中输入  主机1的IP：8888，即可看到 dreamview ，然后点击 setup，然后在仿真器软件中点击开始，就可以大功告成了。

具体的操作细节可以慢慢体会，个人建议看官方文档。

5、常见问题及解决方法

其实常见的问题都可以在 Apollo Github 的 Issues 中找到答案，这里关于其中的某一个issues谈一下自己的观点。

build error in apollo/modules/drivers/camera (master)

这时候最新版本的代码为6.0，通常我们会直接 clone 其 master 分支，某中机缘巧合下就会被这个 error 所折磨，包括我自己，曾经尝试在其他主机上部署Apollo时，体会到了那种滋味儿。

这里有两种解决办法：

1. 科学上网 + 更换硬件适配性更好的主机，如果你没有什么idea，就参照我 主机1 的硬件配置，但是这种方法有点儿麻烦；
2. clone v6.0.0 分支的代码，你将会纵享丝滑。

你会发现以上两种解决办法貌似并没有找出问题的根源，是硬件不匹配吗？这个无从得知，而且在issue中也没有说清楚问题出在了哪里，以及如何针对性的解决。