从零构建CyberRT开发环境:Ubuntu 20.04实战与传感器数据处理案例
如果你刚刚接触自动驾驶领域的软件开发,面对Apollo CyberRT这个名词,可能会感到既兴奋又有些无从下手。它被设计来处理海量传感器数据流,并做出毫秒级的决策,这听起来就像是为未来的机器大脑打造的高速神经系统。但如何在自己的电脑上搭建起这样一个“神经系统”的雏形,并让它真正跑起来呢?这正是本文要解决的问题。我们将抛开复杂的理论堆砌,直接动手,从一块干净的Ubuntu 20.04系统盘开始,一步步搭建起完整的CyberRT开发环境,并最终实现一个能够处理模拟传感器数据的、可运行的组件。无论你是自动驾驶方向的在校学生,还是希望切入该领域的工程师,这篇指南都将为你提供一条清晰、可复现的路径。
1. 基础系统环境准备与依赖安装
在开始编译和运行任何代码之前,一个稳定、纯净的基础操作系统环境至关重要。Ubuntu 20.04 LTS(Focal Fossa)因其长期支持特性和广泛的社区兼容性,成为了许多机器人及自动驾驶框架的首选。我们的第一步就是确保系统处于最佳状态。
首先,更新系统软件包列表并升级所有已安装的包。打开终端,执行以下命令:
sudo apt update && sudo apt upgrade -y
这个过程可能会花费一些时间,取决于你的网络速度和更新包的数量。完成后,建议重启系统以确保所有更新生效。
接下来,我们需要安装一系列编译和运行CyberRT所必需的开发工具和库。这些依赖项涵盖了从C++编译器、构建工具到特定的通信中间件。我们将通过一个命令块来批量安装:
sudo apt install -y \
build-essential \
cmake \
git \
curl \
wget \
unzip \
libssl-dev \
libboost-all-dev \
libasio-dev \
libtinyxml2-dev \
python3-dev \
python3-pip \
libeigen3-dev \
libgtest-dev \
libpoco-dev \
libyaml-cpp-dev \
libcurl4-openssl-dev
注意:安装
libboost-all-dev时,系统会默认安装Boost 1.71版本。CyberRT对其版本有特定要求,如果后续编译出现Boost相关错误,可能需要考虑手动安装指定版本。
除了系统包,我们还需要配置Python环境。CyberRT的某些工具和脚本依赖于Python 3。确保python3和pip3已正确安装,并安装一些常用的Python工具:
pip3 install -U pip setuptools wheel
pip3 install numpy scipy matplotlib # 可选,用于后续的数据分析和可视化
网络搜索内容显示,CyberRT的核心通信机制之一依赖于Fast DDS。因此,我们必须单独安装Fast DDS(FastRTPS的进化版)及其依赖。这里我们选择安装2.x版本:
# 安装Fast DDS的依赖
sudo apt install -y libfoonathan-memory-dev libssl-dev
# 从GitHub克隆并编译安装Fast DDS
cd ~
git clone https://github.com/eProsima/Fast-DDS.git
cd Fast-DDS
git checkout v2.10.0 # 使用一个稳定的版本
mkdir build && cd build
cmake -DTHIRDPARTY=ON -DBUILD_SHARED_LIBS=ON ..
make -j$(nproc)
sudo make install
安装完成后,需要更新系统的动态链接库缓存,以便系统能够找到新安装的Fast DDS库:
sudo ldconfig
至此,基础的系统环境和主要依赖已经准备就绪。你可以通过运行gcc --version和fastdds --version(如果Fast DDS安装正确,此命令可能可用)来粗略验证关键组件是否安装成功。
2. 获取与编译CyberRT源代码
有了坚实的地基,现在可以开始构筑主体建筑了——即获取并编译CyberRT框架本身。我们将从官方仓库获取源代码,并进行本地编译。
首先,选择一个合适的工作目录,例如在用户主目录下创建一个projects文件夹,然后克隆Apollo的仓库。Apollo是一个庞大的项目,我们主要关注其cyber目录。为了节省时间和磁盘空间,我们可以进行浅克隆或只克隆特定分支。
cd ~
mkdir -p projects/apollo
cd projects/apollo
git clone https://github.com/ApolloAuto/apollo.git
cd apollo
# 切换到某个稳定的发布分支,例如 master 或一个具体的版本标签
# git checkout master
Apollo的编译系统基于Bazel。但为了简化,CyberRT也提供了基于CMake的编译方式,这对于我们初次接触和集成到其他项目更为友好。不过,根据网络资料,我们需要先确保Bazel已安装,因为一些底层脚本可能依赖它。我们可以通过以下方式安装Bazel:
sudo apt install -y apt-transport-https curl gnupg
curl -fsSL https://bazel.build/bazel-release.pub.gpg | gpg --dearmor > bazel.gpg
sudo mv bazel.gpg /etc/apt/trusted.gpg.d/
echo "deb [arch=amd64] https://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
sudo apt update && sudo apt install -y bazel-5.0.0 # 安装一个与Apollo兼容的版本
现在,进入CyberRT的源码目录,开始编译。Apollo项目根目录下有一个setup.sh脚本,用于配置环境变量。我们首先source它:
source setup.sh
这个脚本会设置一系列环境变量,如APOLLO_ROOT_DIR,并可能激活一个Python虚拟环境。然后,我们可以选择编译整个Apollo(耗时很长)或者只编译CyberRT部分。对于学习目的,编译CyberRT核心库和示例即可。通常,在Apollo根目录下运行:
./apollo.sh build_cyber
或者,如果你确认环境配置正确,也可以直接进入cyber目录,使用Bazel进行针对性构建:
cd cyber
bazel build //cyber:all # 构建所有cyber目标
编译过程会下载一些额外的依赖(如Google Test, Abseil等),并花费数分钟到十几分钟不等,取决于你的机器性能。如果一切顺利,你将在终端看到大量的编译输出,并以INFO: Build completed successfully结束。
提示:编译过程中最常见的错误是依赖缺失或版本冲突。请仔细核对上一步中所有依赖库是否已安装,并注意错误信息中提到的具体库名。
编译成功后,为了后续开发方便,我们需要将CyberRT的头文件和库文件路径加入到系统路径中。一个简单的方法是将它们链接到系统目录,或者将路径添加到CPLUS_INCLUDE_PATH和LD_LIBRARY_PATH环境变量中。例如,在你的~/.bashrc文件末尾添加:
export CYBER_PATH=~/projects/apollo/apollo/cyber
export CPLUS_INCLUDE_PATH=$CYBER_PATH/include:$CPLUS_INCLUDE_PATH
export LD_LIBRARY_PATH=$CYBER_PATH/lib:$LD_LIBRARY_PATH
export PATH=$CYBER_PATH/bin:$PATH
保存后,执行source ~/.bashrc使配置生效。现在,你可以尝试运行一个内置的工具来验证CyberRT是否基本可用,例如cyber_launch或cyber_monitor(如果它们已被编译并安装到bin目录下)。
3. 理解CyberRT核心概念:Component, Node与Channel
在动手编写代码之前,花点时间理解CyberRT的几个核心抽象是至关重要的。这能让你明白自己正在构建的是什么,而不是盲目地复制粘贴。原始资料中提到了这些概念,但我们用更贴近开发实战的角度来重新梳理。
Component(组件) 是你将编写的大部分代码的归宿。它是功能的载体,好比乐高积木的一块。每个Component负责一项具体的任务,比如读取激光雷达数据、进行目标检测、或者执行路径规划。在代码中,你通过继承cyber::Component模板类来创建自己的组件。这个模板参数定义了你的组件需要订阅哪几种类型的消息。例如,一个融合摄像头和雷达的组件可能会这样声明:
class SensorFusionComponent : public cyber::Component<Image, PointCloud> {
public:
bool Init() override;
bool Proc(const std::shared_ptr<Image>& image_msg,
const std::shared_ptr<PointCloud>& lidar_msg) override;
};
Init()方法是组件的初始化入口,在这里你可以创建读写器(Reader/Writer)、初始化算法模型、加载参数等。Proc()方法是组件的核心逻辑,当所有订阅的消息都就绪(或主Channel消息到达)时,它会被自动调用。你需要在这里处理输入消息,并产生输出。
Node(节点) 是Component的运行容器。每个Component在初始化时都会创建一个或多个Node(通常是一个)。Node是CyberRT网络中的通信实体,它持有Reader和Writer,负责与外界进行数据交换。你通常不需要直接操作Node,Component基类会帮你管理。
Channel(通道) 是数据流动的管道。它有一个唯一的名字(如/sensor/camera/front),消息(一种特定格式的数据结构)通过Channel在Component之间传递。一个Component通过Writer向某个Channel发布消息,另一个Component通过Reader从该Channel订阅消息。这种发布-订阅模式实现了组件间的解耦。
为了更清晰地展示它们之间的关系,我们可以用下面这个表格来对比:
| 概念 | 类比 | 职责 | 开发者主要操作 |
|---|---|---|---|
| Component | 乐高积木 / 功能模块 | 封装特定算法或功能逻辑 | 继承基类,实现 Init() 和 Proc() |
| Node | 邮局 / 通信代理 | 管理消息的订阅与发布 | 通常在Component内通过this->CreateWriter()等接口间接使用 |
| Channel | 邮政路线 / 消息主题 | 定义数据传输的路径和消息类型 | 通过字符串名称在配置中指定,在代码中作为Reader/Writer的关联目标 |
DAG文件 则是将这些“积木”组装成有效系统的蓝图。它是一个配置文件(有向无环图),定义了:
- 系统中包含哪些Component。
- 每个Component的共享库文件(.so)路径。
- 每个Component订阅了哪些Channel,又向哪些Channel发布消息。
- 每个Component的可配置参数。
系统启动时,一个叫做mainboard的程序会加载DAG文件,根据图示动态加载对应的组件库,并建立起组件间的数据流。这种设计带来了巨大的灵活性:你可以通过修改配置文件来改变系统行为,而无需重新编译代码。
理解了这些,你就掌握了CyberRT应用程序的基本骨架。接下来,我们将用这些“积木”搭建我们的第一个小系统。
4. 实战:创建第一个传感器数据处理Component
理论已经足够,现在是时候让代码跑起来了。我们将创建一个完整的示例项目,它包含一个数据生产者组件(模拟传感器)和一个数据消费者组件(处理传感器数据),并通过Channel连接它们。
首先,为我们的示例项目创建一个独立的工作空间:
cd ~/projects
mkdir -p cyber_example/src
cd cyber_example
4.1 定义自定义消息类型
在CyberRT中,消息是强类型的,通常使用Protocol Buffers(protobuf)来定义。我们在src目录下创建一个proto文件夹和消息定义文件。
src/proto/sensor.proto:
syntax = "proto2";
package tutorial;
message SensorReading {
optional string sensor_id = 1;
optional uint64 timestamp = 2;
optional float temperature = 3;
optional float humidity = 4;
repeated float accelerometer = 5; // [x, y, z]
}
然后,我们需要编译这个.proto文件生成C++和Python代码。创建一个小型CMakeLists.txt来管理编译会更方便。但为了快速验证,我们可以使用Apollo项目提供的protobuf编译工具。假设你的Apollo环境已配置好,可以这样操作:
# 在 cyber_example 目录下
mkdir -p build
cd src/proto
protoc --cpp_out=../../build sensor.proto
这将在build目录下生成sensor.pb.cc和sensor.pb.h文件。
4.2 编写传感器模拟组件(Producer)
现在创建生产者组件。在src目录下创建producer_component.cc:
#include <chrono>
#include <memory>
#include <string>
#include <thread>
#include "cyber/cyber.h"
#include "cyber/component/component.h"
#include "build/sensor.pb.h" // 注意路径,指向编译生成的头文件
using tutorial::SensorReading;
class SensorProducerComponent : public cyber::Component<> {
public:
bool Init() override {
// 1. 创建Writer,用于向Channel发布消息
writer_ = this->node_->CreateWriter<SensorReading>("/sensor/data");
if (writer_ == nullptr) {
AERROR << "Failed to create writer for channel /sensor/data";
return false;
}
// 2. 可以在这里读取配置参数(示例略)
sensor_id_ = "simulated_sensor_001";
publish_frequency_ = 10.0; // Hz
AINFO << "SensorProducerComponent initialized successfully. Publishing to /sensor/data at "
<< publish_frequency_ << " Hz";
return true;
}
// 由于继承的是Component<>(无消息触发),我们需要自己控制运行循环
// 通常可以启动一个线程,或者这是一个TimerComponent(这里展示线程方式)
void Run() {
auto interval = std::chrono::milliseconds(static_cast<int>(1000.0 / publish_frequency_));
uint64_t seq = 0;
while (!cyber::IsShutdown()) {
auto msg = std::make_shared<SensorReading>();
msg->set_sensor_id(sensor_id_);
msg->set_timestamp(cyber::Time::Now().ToNanosecond());
msg->set_temperature(25.0 + (rand() % 100) * 0.1); // 模拟温度波动
msg->set_humidity(50.0 + (rand() % 200) * 0.1); // 模拟湿度波动
msg->add_accelerometer(0.01 * (rand() % 100 - 50)); // X
msg->add_accelerometer(0.01 * (rand() % 100 - 50)); // Y
msg->add_accelerometer(9.81 + 0.01 * (rand() % 100 - 50)); // Z + 噪声
// 发布消息
writer_->Write(msg);
AINFO_EVERY(100) << "Published sensor reading seq: " << seq++
<< ", temp: " << msg->temperature();
std::this_thread::sleep_for(interval);
}
}
private:
std::shared_ptr<cyber::Writer<SensorReading>> writer_;
std::string sensor_id_;
double publish_frequency_;
};
// 注册组件。注意:这里没有使用CYBER_REGISTER_COMPONENT,因为我们用自定义的main函数启动。
// 如果通过mainboard加载,则需要使用该宏。
4.3 编写数据处理组件(Consumer)
接着创建消费者组件。在src目录下创建consumer_component.cc:
#include <iostream>
#include <memory>
#include "cyber/cyber.h"
#include "cyber/component/component.h"
#include "build/sensor.pb.h"
using tutorial::SensorReading;
class DataProcessorComponent : public cyber::Component<SensorReading> {
public:
bool Init() override {
// 初始化操作,例如加载处理模型、打开输出文件等
processed_count_ = 0;
AINFO << "DataProcessorComponent initialized, waiting for sensor data...";
return true;
}
bool Proc(const std::shared_ptr<SensorReading>& msg) override {
// 核心处理逻辑
processed_count_++;
// 示例处理:计算加速度幅值,检查温湿度是否超阈值
float accel_magnitude = 0;
for (float a : msg->accelerometer()) {
accel_magnitude += a * a;
}
accel_magnitude = sqrt(accel_magnitude);
bool temp_alert = msg->temperature() > 30.0;
bool humidity_alert = msg->humidity() > 80.0;
// 输出处理结果(实际中可能发布到另一个Channel或写入日志)
AINFO_EVERY(50) << "Processed[" << processed_count_ << "] from " << msg->sensor_id()
<< " | Accel Mag: " << accel_magnitude
<< " | Temp: " << msg->temperature() << (temp_alert ? " [ALERT]" : "")
<< " | Humidity: " << msg->humidity() << (humidity_alert ? " [ALERT]" : "");
// 可以在这里将处理后的结果通过另一个Writer发送出去
// if (temp_alert || humidity_alert) { ... }
return true;
}
private:
uint64_t processed_count_;
};
// 同样,暂不注册。
4.4 编写主程序与构建文件
我们需要一个main.cc来手动启动这两个组件(模拟通过mainboard加载的效果):
src/main.cc:
#include "cyber/cyber.h"
#include "producer_component.h"
#include "consumer_component.h"
int main(int argc, char* argv[]) {
// 初始化CyberRT环境
cyber::Init(argv[0]);
// 创建组件实例
auto producer = std::make_shared<SensorProducerComponent>();
auto consumer = std::make_shared<DataProcessorComponent>();
// 初始化组件
if (!producer->Init() || !consumer->Init()) {
AERROR << "Failed to initialize components.";
return -1;
}
// 启动生产者线程(模拟定时发布)
std::thread producer_thread(&SensorProducerComponent::Run, producer);
// 主线程等待退出信号
cyber::WaitForShutdown();
// 等待生产者线程结束
producer_thread.join();
AINFO << "Example shutdown complete.";
return 0;
}
还需要创建头文件(producer_component.h, consumer_component.h)声明类,以及一个CMakeLists.txt来组织编译。由于篇幅,这里不展开CMakeLists.txt的所有细节,但其核心应包括:
- 找到CyberRT、protobuf等包。
- 编译proto文件。
- 将两个组件源文件和主程序源文件编译成一个可执行文件。
- 链接所有必要的库。
4.5 编写DAG启动文件(备选方案)
如果我们想使用标准的mainboard方式来启动,就需要创建DAG文件并编写组件的注册宏。这里给出一个简化的DAG文件示例example.dag:
# 模块配置
module_config {
module_library : "/absolute/path/to/cyber_example/lib/libexample_components.so"
components {
class_name : "SensorProducerComponent"
config {
name : "sensor_producer"
readers { }
}
}
components {
class_name : "DataProcessorComponent"
config {
name : "data_processor"
readers {
channel: "/sensor/data"
}
}
}
}
同时,在组件源文件中,必须使用CYBER_REGISTER_COMPONENT(ClassName)宏进行注册,并且组件需要继承自正确的带模板参数的cyber::Component,以便框架能自动创建消息触发关系。
5. 运行、调试与性能观测
无论你选择自定义main函数还是使用mainboard+DAG的方式,编译成功后,就可以运行你的第一个CyberRT应用了。
在终端中,首先需要启动CyberRT的环境(如果你使用自定义main,它内部调用了cyber::Init):
source ~/projects/apollo/apollo/cyber/setup.bash # 或你自定义的环境脚本
cd ~/projects/cyber_example/build
./cyber_example_app
如果运行成功,你应该能在终端看到生产者定期发布消息的日志,以及消费者处理消息的日志。
调试与监控是开发中不可或缺的一环。CyberRT提供了一些强大的内置工具:
-
cyber_monitor: 这是一个类似于
rostopic hz和rostopic echo结合体的工具,但功能更强大。在新终端中运行:cyber_monitor你可以看到一个实时更新的列表,显示所有活跃的Channel、消息类型、发布频率、数据大小等。选中
/sensor/data通道,你甚至可以实时查看消息内容。 -
cyber_recorder: 用于记录和回放数据,非常适合于算法调试和场景复现。
# 记录所有通道数据 cyber_recorder record -a # 记录特定通道 cyber_recorder record -c /sensor/data # 回放记录 cyber_recorder play -f your_record_file.record -
日志系统: CyberRT使用了glog,日志级别分为
INFO、WARNING、ERROR、FATAL。你可以通过环境变量控制日志输出级别和目录。
在开发初期,你可能会遇到组件初始化失败、消息未收到、进程崩溃等问题。我的经验是,首先检查Init()函数的返回值,确保Writer/Reader创建成功。其次,使用cyber_monitor确认消息是否真的发布到了预期的Channel上。最后,仔细核对DAG文件中的组件名、类名和库路径,一个字符的错误都可能导致加载失败。
关于性能,虽然我们这个示例程序很简单,但你已经搭建了一个具备CyberRT核心特性的微系统:基于Channel的异步通信、组件化设计。当你未来处理真实的摄像头图像或激光雷达点云时,就会体会到共享内存零拷贝和协程调度带来的低延迟优势。你可以尝试提高生产者的发布频率,或者让消费者的Proc()函数模拟一些计算负载,然后使用top或htop观察CPU占用,感受CyberRT调度器的效率。
整个环境搭建和第一个示例跑通,可能不会一帆风顺,尤其是在依赖库版本和路径配置上。我在最初几次尝试时,花了大量时间在解决Fast DDS的链接错误和protobuf版本冲突上。关键是要保持耐心,仔细阅读编译和运行时的错误信息,它们通常已经指明了问题的方向。一旦基础环境打通,后续的开发就会像搭积木一样顺畅起来。
3978



被折叠的 条评论
为什么被折叠?



