《 无人驾驶原理与实践》一1.4开发环境配置

1.4开发环境配置

       本书提供了大量可运行的代码，以供读者在理解概念后进行实际操作。这些代码的实现会依赖一定的环境，这里我们将指导安装运行代码所需的各种环境，推荐系统为Ubuntu1604。
141简单环境安装
       Ubuntu1604本身包含Python 27环境。为了方便读者理解，本书大量代码使用Python 27，少量代码采用C++。pip是一个现代的、通用的Python包管理工具，安装命令如下：

                   $ sudo apt-get install python-pip

安装scipy和numpy：

                   $ sudo apt-get install python-scipy python-numpy

                   使用pip安装本书代码涉及的包：

                   $ sudo pip install scikit-image scikit-learn sympy jupyter numdifftools plotly pandas

安装moviepy并且配置ffmpeg库：

                   $ sudo pip install moviepy

                   $ cd into the chapter_6/3rdparty/

                   $ cp ffmpeg-linux64-v331 ~/imageio/ffmpeg/

安装matplotlib202版本：

                   $ sudo pip install matplotlib==202

                   $ sudo pip install seaborn

安装Keras200 版本

                   $ sudo pip install -U --pre keras==200

安装TensorFlow160版本

                   $ sudo pip install tensorflow==160

       这里的TensorFlow安装的是CPU版本，如果想要安装GPU版本的TensorFlow，可参考下面的链接：http://wikijikexueyuancom/project/tensorflowzh/get_started/os_setup html。

1.4.2ROS安装

       由于系统是Ubuntu1604，所以我们要安装的ROS版本为Kinetic，具体的安装步骤如下。
       第一步，安装源：

       $ sudo sh -c 'echo "deb http://packagesrosorg/ros/ubuntu (lsb_release -sc) main" > /etc/apt/sourceslistd/ros-latestlist'

       如果下载速度很慢，可以考虑更换其他源，源地址可参考链接：http://wikirosorg/ROS/Installation/UbuntuMirrors。
       第二步，设置密钥：

       $ sudo apt-key adv --keyserver hkp://hapoolsks-keyserversnet:80 --recv-key
       421C365BD9FF1F717815A3895523BAEEB01FA116

       第三步，更新：

       $ sudo apt-get update

       第四步，安装ROS：

       $ sudo apt-get install ros-kinetic-desktop

       第五步，安装rosdep：

       $ sudo rosdep init

       $ rosdep update

       第六步，设置环境：

       $ echo "source /opt/ros/kinetic/setupbash" >> ~/bashrc

       $ source ~/bashrc

1.4.3OpenCV安装

第一步，安装依赖环境：

       $ sudo apt-get install build-essential ke git libgtk20-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

第二步，到下载页面下载安装包，然后解压。官网链接为：https://opencvorg/。
第三步，源码安装。
 创建临时区域

       $ cd ~/opencv

       $ mkdir build

       $ cd build

 配置

       $ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local 

 创建

       $ make -j7

 安装

       $ sudo make install

1.5本章参考文献

• ［1］Taxonomy and Definitions for Terms Related to OnRoad Motor Vehicle Automated Driving Systems［EB/OL］. https://wwwsaeorg/standards/content/j3016_201401/

• ［2］美国国家公路交通安全局TRAFFIC SAFETY FACTS 2015［R］.2015

• ［3］Pendleton S, Andersen H, Du X, et al Perception, Planning, Control, and Coordination for Autonomous Vehicles［J］.Machines, 2017, 5(1):6

• ［4］王世峰, 戴祥, 徐宁, 等 无人驾驶汽车环境感知技术综述［J］. 长春理工大学学报(自然科学版), 2017, 40(1):16

• ［5］潘福全, 亓荣杰, 张璇, 等 无人驾驶汽车研究综述与发展展望［J］. 科技创新与应用, 2017(2):2728

• ［6］Camacho D E F, Bordons D C Model Predictive Control［M］. London: Springer, 2007:575615

• ［7］Urmson C, Anhalt J, Bagnell D, et al Autonomous Driving in Urban Environments: Boss and The Urban Challenge［J］. Journal of Field Robotics, 2008, 25(8):425466

• ［8］Furda A, Vlacic L Towards Increased Road Safety: RealTime Decision Making for Driverless City Vehicles［C］.IEEE International Conference on Systems, Man and Cybernetics, 2009:24212426