C++自动驾驶 Apollo平台配置教程-C++-PHP中文网

答案是配置Apollo平台需先搭建Ubuntu系统并配置Docker环境，再克隆Apollo源码并使用脚本进入开发容器，通过Bazel编译C++代码，结合CyberRT框架开发模块，利用DAG文件定义组件依赖，并通过回放Record数据验证功能。

c++自动驾驶 apollo平台配置教程

配置Apollo平台以进行C++自动驾驶开发，核心在于搭建一个稳定且高效的开发环境，这通常意味着要处理好操作系统、Docker容器以及Apollo自身的复杂依赖关系，确保你的C++代码能在这个庞大的框架中顺利编译并运行起来。

说实话，第一次接触Apollo平台配置，很多人都会觉得有些头大。它不是那种点几下鼠标就能搞定的活儿，更像是一场需要耐心和细致的“探险”。我个人觉得，最关键的一步是理解Docker在整个Apollo生态中的核心地位。几乎所有的开发、编译和运行，都是在Apollo提供的Docker容器内部进行的，这极大地简化了环境管理，但也带来了一些初学者容易遇到的“墙”。

你得确保你的Ubuntu系统（推荐18.04或20.04）上Docker已经安装并配置妥当。别忘了给你的用户添加Docker组权限，不然每次操作都得sudo，烦不烦？

sudo usermod -aG docker $USER
newgrp docker # 或者直接重启

接着，就是获取Apollo的源代码。通常是从GitHub克隆，选择一个稳定的release分支是个明智之举，比如

release/6.0

或者更新的版本。

git clone https://github.com/ApolloAuto/apollo.git
cd apollo
git checkout release/6.0 # 举例

进入Apollo目录后，启动开发容器是日常工作的起点。Apollo提供了一系列脚本来管理Docker容器，

./apollo.sh build_dev_docker

是构建开发镜像，

./apollo.sh dev

是进入容器。这里有个小技巧，如果你想在容器内部挂载更多本地目录，或者调整资源限制，直接修改

scripts/dev_start.sh

是个不错的选择，但要小心，别改乱了。

进入容器后，你才真正踏入了Apollo的开发环境。这里面预装了各种C++编译器、Bazel构建工具以及其他必要的库。编译Apollo项目，通常只需要一条命令：

bazel build //modules/...

这个过程可能相当漫长，取决于你的机器性能和网络状况（Bazel会下载一些外部依赖）。我记得我第一次编译的时候，等了足足几个小时，中间还因为网络问题断过几次，那种感觉真是让人抓狂。所以，确保网络稳定非常重要。编译成功后，你就可以尝试运行一些Apollo的模块或者仿真器了。

在整个配置过程中，最常见的问题往往出在Docker的权限、网络代理（如果你在内网环境）以及Bazel的缓存和依赖管理上。遇到问题，别急着重来，先看看Apollo的官方文档和GitHub Issue，很多坑前人都已经踩过了。

C++开发者在Apollo平台中如何开始自己的模块开发？

对于C++开发者来说，进入Apollo平台最兴奋的莫过于能亲手写模块，让车“动”起来。Apollo的核心通信机制是基于CyberRT（或者早期版本的Dreamview），这是一个高性能的实时框架，用C++编写模块是其主要方式。要开始一个新模块，你首先需要理解CyberRT的组件模型：Node、Component和Message。

一个典型的C++模块通常是一个或多个

Component

的集合，这些

Component

会运行在

Node

中，通过

Message

进行数据交互。你可以想象成，

Node

是你的模块运行的“进程空间”，

Component

是这个进程里的“功能单元”，比如一个传感器数据处理单元，或者一个规划算法单元。它们之间的数据流动，就是通过

python-flask-vue-creator

创建 Flask + Vue.js 全栈项目，采用单端口架构、uv 依赖管理、结构化日志和生产级前端设计。当用户要求以下操作时触发：创建新的 Flask+Vue 项目、搭建 Web 应用、构建全栈 Python+Vue 应用、初始化 Flask Web 项目、设置单端口 Flask 前后端项目。触发词：新建项目、创建项目、搭建项目、Flask项目、Vue项目。

下载

Message

传递的。

创建一个新模块的步骤大致是这样的：

定义Message类型： 如果你需要新的数据结构，首先在
```
modules/common/proto
```
或者你自己的模块目录下定义
```
.proto
```
文件。这是C++和Python模块之间通信的“语言”。
```
// modules/my_module/proto/my_message.proto
syntax = "proto2";

package apollo.my_module;

message MySensorData {
  optional double timestamp = 1;
  optional float value = 2;
}
```
然后用Bazel编译这些proto文件，生成C++头文件和源文件。

创建Component： 在

modules

目录下新建你的模块文件夹，比如

modules/my_module

。在这个文件夹里，你可以创建一个C++类，继承自

apollo::cyber::Component

。这个类需要实现

Init()

和

Proc()

方法。

Init()

用于初始化，比如创建Reader和Writer；

Proc()

则是核心逻辑，会周期性地被CyberRT调度执行，处理接收到的数据。

// modules/my_module/my_component.h
#include "cyber/component/component.h"
#include "modules/my_module/proto/my_message.pb.h"

namespace apollo {
namespace my_module {

class MyComponent : public cyber::Component<:my_module::mysensordata> {
public:
  bool Init() override;
  bool Proc(const std::shared_ptr<:my_module::mysensordata>& msg) override;
};

} // namespace my_module
} // namespace apollo</:my_module::mysensordata></:my_module::mysensordata>

编写BUILD文件： 在你的模块目录下，创建一个
```
BUILD
```
文件，告诉Bazel如何编译你的C++代码和proto文件。这个文件是Bazel构建系统的核心。
配置DAG文件： 最后，你需要一个DAG（Directed Acyclic Graph）文件（通常是
```
.dag
```
或
```
.conf
```
文件），来描述你的模块如何启动，以及各个Component之间的依赖关系和数据流向。这就像是你的模块的“启动脚本”和“拓扑图”。

这套流程走下来，你会发现Apollo在工程化上的考虑非常周全，虽然初期学习曲线有点陡峭，但一旦掌握，开发效率会大大提升。

Apollo平台编译失败常见原因及解决方案？

编译Apollo平台，尤其是C++部分，说实话，是个不小的挑战，失败是常态。我个人在处理这些问题时，总结出几个高频“雷区”。

一个最常见的问题是网络连接。Bazel在编译过程中需要从Google的Maven仓库下载大量的Java依赖（是的，即使是C++项目，Bazel本身是Java写的，且其生态依赖很多Java工具），如果你的网络环境有代理或者直接访问受限，那基本上是寸步难行。

解决方案： 确保你的Docker容器内部网络能够正常访问外部。如果你在公司内网，可能需要配置Docker daemon的代理，或者在进入容器后手动设置环境变量
```
HTTP_PROXY
```
和
```
HTTPS_PROXY
```
。有时候，直接使用一个更稳定的公共网络环境会省去很多麻烦。

其次，Bazel版本不匹配。Apollo对Bazel的版本有严格要求，如果你使用了错误的版本，很可能会出现各种奇奇怪怪的编译错误，比如找不到某个规则，或者语法不兼容。

解决方案： 严格按照Apollo官方文档中推荐的Bazel版本来安装和使用。通常Apollo的Docker镜像里已经包含了正确的Bazel版本，所以如果你是在容器内部编译，这通常不是问题。但如果你在容器外尝试编译（不推荐），或者手动升级/降级了Bazel，就需要特别注意。

还有就是内存不足。编译Apollo是个内存密集型任务，特别是当你的机器配置不高时，Bazel可能会因为内存耗尽而崩溃。我曾经在一台只有8GB内存的笔记本上尝试编译，结果可想而知。

解决方案： 确保你的机器有足够的RAM（建议至少16GB，最好32GB或更高）。如果实在不行，可以尝试调整Bazel的并行编译参数，减少同时运行的编译任务数量，但这会显著增加编译时间。

另外，依赖库缺失或版本冲突也时有发生。虽然Docker容器旨在解决这个问题，但在某些特殊情况下（比如你手动修改了容器环境，或者使用了非官方的镜像），仍然可能遇到。

解决方案： 优先使用官方提供的Docker镜像。如果必须手动安装库，务必仔细核对版本兼容性。清理Bazel缓存（
```
bazel clean --expunge
```
）有时也能解决一些玄学问题，这会删除所有Bazel的构建输出和缓存。

最后，代码冲突或本地修改导致的问题。如果你在修改Apollo源码，但又没有正确处理git冲突，或者修改了不该修改的文件，编译自然会失败。

解决方案： 定期
```
git pull
```
并解决冲突，或者在进行大改动前，先备份你的工作区。保持对源码的敬畏之心，只修改你确实需要改动的部分。

总而言之，编译失败并不可怕，可怕的是不知道如何排查。学会看Bazel的错误日志，它通常会给出非常详细的提示，告诉你哪个文件出了问题，或者哪个依赖没找到。

在没有实际车辆的情况下，如何验证Apollo的C++模块功能？

对于大多数C++开发者来说，直接在真车上测试代码显然是不现实的。幸运的是，Apollo平台提供了非常完善的仿真和回放机制，让我们可以在没有物理车辆的情况下，高效地验证C++模块的功能。我个人觉得，这是Apollo设计最精妙的地方之一。

最核心的验证方式就是离线数据包（Rosbag/Record）回放。Apollo会记录车辆在真实世界中行驶时产生的所有传感器数据、定位信息、控制指令等，打包成

.record

文件（早期版本是

.bag

文件）。你可以把这些数据包想象成一段“真实世界的录像”。

操作方法： 启动Apollo的Dreamview（Web界面），通常通过`./apollo.sh start

C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！