导读:本期聚焦于小伙伴创作的《C++自动驾驶规划算法环境怎么搭建 Apollo规划模块二次开发》,敬请观看详情,探索知识的价值。以下视频、文章将为您系统阐述其核心内容与价值。如果您觉得《C++自动驾驶规划算法环境怎么搭建 Apollo规划模块二次开发》有用,将其分享出去将是对创作者最好的鼓励。

基于Apollo框架进行C++自动驾驶规划算法的二次开发,需要先搭建适配的开发环境,整个过程涉及系统配置、依赖安装、源码编译等多个环节,每个步骤都需要按照规范操作才能保证后续开发顺利。

环境前置要求

Apollo的规划模块开发对系统和硬件有一定要求,首先需要确认当前环境满足基础条件:

  • 操作系统推荐使用Ubuntu 18.04或者Ubuntu 20.04,其他Linux发行版可能存在依赖兼容问题
  • 内存建议不低于16GB,规划模块编译过程会占用较多内存资源
  • 磁盘剩余空间至少50GB,需要存放源码、编译产物和依赖文件
  • 需要提前安装好Docker和NVIDIA驱动(如果有GPU加速需求)

基础依赖安装

首先安装系统层面的基础依赖工具,执行以下命令完成安装:

# 更新软件源
sudo apt-get update
# 安装基础编译工具和依赖
sudo apt-get install -y build-essential curl wget git vim cmake
# 安装Docker相关依赖
sudo apt-get install -y apt-transport-https ca-certificates software-properties-common

安装完成后需要配置Docker的国内镜像源,加快后续镜像拉取速度,修改/etc/docker/daemon.json文件,添加如下内容:

{
  "registry-mirrors": ["https://mirror.ccs.tencentyun.com"]
}

重启Docker服务使配置生效:

sudo systemctl daemon-reload
sudo systemctl restart docker

拉取Apollo源码

首先创建存放源码的目录,然后克隆Apollo的官方仓库,规划模块的代码位于modules/planning目录下:

# 创建目录
mkdir -p ~/apollo_workspace
cd ~/apollo_workspace
# 克隆源码,这里选择稳定的v7.0.0分支
git clone -b v7.0.0 https://github.com/ApolloAuto/apollo.git
cd apollo

如果需要基于特定版本做二次开发,可以切换到对应的分支或者标签,避免后续版本更新带来的接口变动问题。

启动Apollo开发容器

Apollo使用Docker容器封装所有编译和运行依赖,执行以下命令启动开发容器:

# 启动容器,该命令会自动拉取对应的镜像并进入容器终端
bash docker/scripts/dev_start.sh
# 进入容器内部
bash docker/scripts/dev_into.sh

进入容器后,当前工作目录就是Apollo的源码根目录,所有后续的编译操作都在容器内部完成。

编译规划模块

在容器内部执行编译命令,仅编译规划模块及其依赖,减少编译时间:

# 编译规划模块,--jobs参数指定并行编译任务数,可根据CPU核心数调整
bash apollo.sh build --module planning --jobs 8

如果编译过程中出现依赖缺失的错误,可以执行全量编译先补全所有依赖:

bash apollo.sh build --jobs 8

编译完成后,可以在bazel-bin/modules/planning目录下看到编译生成的可执行文件和库文件。

二次开发调试配置

进行规划算法二次开发时,常用的调试方式有两种:

1. 单元测试调试

规划模块的每个算法组件都有对应的单元测试,修改代码后可以运行对应单测验证功能,例如测试路径规划算法的单测:

# 在容器内部执行,运行路径规划相关的单测
bazel test //modules/planning/planner/public_road:public_road_planner_test

2. 实车或仿真调试

如果需要验证算法在实际场景或者仿真场景的效果,可以启动Apollo的Dreamview可视化工具,加载对应的场景数据运行规划模块:

# 启动Dreamview
bash scripts/bootstrap.sh

打开浏览器访问http://127.0.0.1:8888即可进入Dreamview界面,选择对应的车辆和场景,启动规划模块查看算法效果。

常见问题解决

  • 编译报错提示内存不足:可以减少并行编译任务数,将--jobs参数调小,或者增加系统交换空间
  • 拉取源码速度慢:可以配置Git的代理,或者切换国内的Git镜像源
  • 容器启动失败:检查Docker服务是否正常运行,以及是否有足够的磁盘空间存放镜像

完成环境搭建后,就可以在modules/planning目录下修改对应的算法文件,重新编译后验证修改效果,逐步完成规划算法的二次开发工作。

Apollo自动驾驶规划算法C++_二次开发规划模块环境搭建修改时间:2026-07-20 22:42:55

免责声明:​ 已尽一切努力确保本网站所含信息的准确性。网站内容多为原创整理与精心编撰,观点力求客观中立。本站旨在免费分享,内容仅供个人学习、研究或参考使用。若引用了第三方作品,版权归原作者所有。如内容涉及您的权益,请联系我们处理。
内容垂直聚焦
专注技术核心技术栏目,确保每篇文章深度聚焦于实用技能。从代码技巧到架构设计,为用户提供无干扰的纯技术知识沉淀,精准满足专业提升需求。
知识结构清晰
覆盖从开发到部署的全链路。AI、前端、编程、数据库、服务器、建站、系统层层递进,构建清晰学习路径,帮助用户系统化掌握开发与运维所需的核心技术。
深度技术解析
拒绝泛泛而谈,深入技术细节与实践难点。无论是数据库优化还是服务器配置,均结合真实场景与代码示例进行剖析,致力于提供可直接应用于工作的解决方案。
专业领域覆盖
精准对应开发生命周期。从前端界面到后端编程,从数据库操作到服务器运维,形成完整闭环,一站式满足全栈工程师和运维人员的技术需求。
即学即用高效
内容强调实操性,步骤清晰、代码完整。用户可根据教程直接复现和应用于自身项目,显著缩短从学习到实践的距离,快速解决开发中的具体问题。
持续更新保障
专注既定技术方向进行长期、稳定的内容输出。确保各栏目技术文章持续更新迭代,紧跟主流技术发展趋势,为用户提供经久不衰的学习价值。