本文档提供自动驾驶中的SLAM技术的标准开发环境, 支持arm64和amd64架构的cpu，旨在减少同学们环境配置的工作量。
自动驾驶中的SLAM技术代码地址
https://github.com/gaoxiang12/slam_in_autonomous_driving
配套课程
https://www.shenlanxueyuan.com/my/course/615
Dockerfile开源在
https://github.com/kris6767679/slam_in_autonomous_driving_docker
Linux系统只需安装docker engine，参考官网：https://docs.docker.com/engine/install/ubuntu/
具体步骤为
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
sudo docker run hello-world为了能在非sudo模式下使用Docker, 需要将当前用户加入Docker Group
# 加入group
sudo usermod -aG docker $USER
# 重启一下电脑, 使上述变更生效
reboot运行hello-world出现以下画面表示docker安装成功
进入https://www.docker.com/下载Docker Desktop for Windows并安装
启动Docker Desktop，您将看到如下画面（刚下载好是没有containers的）
启动PowerShell，输入docker run hello-world，如果看到以下画面，则证明安装成功
步骤与windows下类似, 安装docker desktop, 然后测试hello-world判断是否安装成功
终端或powershell输入，约4.88GB
# 国内用户
docker pull registry.cn-guangzhou.aliyuncs.com/zijiechenrobotics/sad-workspace:latest
# 国外用户
docker pull zijiechenrobotic/sad-workspace:latestimage使用buildx进行跨平台编译, 可以支持amd64和arm64架构的cpu，即可以在windows，ubuntu以及macos中运行。
若阿里云的image不能在arm64中运行，可以尝试拉取docker hub中的image
新建一个docker-compose.yml文件，内容如下
version: '3.4'
services:
sad-workspace:
image: registry.cn-guangzhou.aliyuncs.com/zijiechenrobotics/sad-workspace:latest
# or
# image: zijiechenrobotic/sad-workspace:latest
environment:
- VNC_PW=abc123 # vnc密码，可以改成自己想要的密码
- VNC_GEOMETRY=1920x1080 # vnc分辨率
- VNC_DEPTH=24 # 颜色位数16/24/32可用，越高画面越细腻，但网络不好的也会更卡
volumes:
- ./workspace:/root/workspace # 存储空间映射，映射到放代码的空间
ports:
# noVNC port:
- 46080:6080
# standard VNC port:
- 45901:5901以及一个workspace文件夹，用于存放git clone代码。具体摆放如下
终端cd到yml文件的目录下，输入以下命令，启动docker
docker compose up -d
关闭docker
docker compose down
任意浏览器，地址栏输入
localhost:46080
点击其中的vnc.html，再点击连接，输入yml文件中的vnc密码即可进入桌面
同时，可以点击左边设置，使用缩放模式：本地缩放得到更好的操作体验
需要下载任意支持vnc协议的远程桌面助手，如：vncviewer。
vnc的ip，请输入
localhost:45901
终端cd到workspace目录下，clone课程代码
git clone https://github.com/gaoxiang12/slam_in_autonomous_driving.git通过浏览器或vnc件进入docker容器的workspace中
# 首先编译g2o
cd slam_in_autonomous_driving/thirdparty/g2o/
cmake .
make -j8 # 按照自己电脑性能设置使用的核心数，这里使用了8个
# 然后正式编译课程代码
cd ../../../
mkdir build
cd build
make -j8 # 按照自己电脑性能设置使用的核心数编译完成就可以尝试运行一下代码:
./bin/motion
可以看到如下界面则证明编译成功，可以开始愉快地学习了:smile:
在之后的学习代码中，同学们可以使用vscode中的Dev Containers插件进入docker容器，从而进行代码编写，然后使用浏览器或vnc进行效果的可视化。由于使用了存储空间映射，workspace中的内容独立于容器，容器关闭后不影响workspace中的文件，即编译一次后，下一次进入docker不需要重新编译程序。
sad代码依赖thirdparty中的g2o，为了减少image的大小，image中并未安装g2o。因此在运行第九章代码时使用不了g2o_viewer查看闭环检测的位姿图。解决思路为：
# 在源码中启动g2o
./thirdparty/g2o/bin/g2o_viewer
# 通过g2o_viewer中的“load”加载第九章的位姿图