Fast DDS环境搭建

2024-04-16 06:44
文章标签 搭建 环境 dds fast

本文主要是介绍Fast DDS环境搭建,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • Docker环境
  • Fast DDS构建运行
    • 运行原有demo
    • 编译运行

本文主要记录Fast DDS docker环境搭建和examples代码运行

Docker环境

Fast DDS的docker环境可以直接在官网下载,如果自己要重新做一个,首先需要从Docker Hub上下载系统的docker镜像,由于众所周知的原因,普通方式是拿不到这个镜像的,所以推荐使用Fast DDS官方网站提供的docker镜像。
这是一个比较完整的Fast DDS Docker镜像,也可以在这里选择其他的。
下面以推荐的镜像搭建开发调试环境。

  1. 下载ubuntu-fastdds-suite_v2.14.0.tar镜像
  2. 加载镜像:docker load < ubuntu-fastdds-suite_v2.14.0.tar,通过这一步,镜像已经加载到系统中,如下所示
hello@gf:~/data/ilearning/docker/fastdds-suite$ docker images
REPOSITORY                              TAG                    IMAGE ID       CREATED        SIZE
fastdds_ilearning                       latest                 114c7bc7e4e4   2 days ago     1.94GB
ubuntu-fastdds-suite                    v2.14.0                79ac6f93292f   13 days ago    1.83GB
  1. 运行容器。一个镜像可以有多个容器,可以通过以下命令启动一个新的容器:
docker run -it -d --name sss ubuntu-fastdds-suite:v2.14.0 /bin/bash

其中,-d为后台运行,–name指定了容器的名称。后续可以通过这个名称操作该容器。完成后通过docker ps -a可以看到如下内容:

hello@gf:~/data/ilearning/docker/fastdds-suite$ docker ps -a
CONTAINER ID   IMAGE                                                        COMMAND                   CREATED         STATUS                    PORTS     NAMES
19c4527b0e3d   ubuntu-fastdds-suite:v2.14.0                                 "/bin/bash /root/ent…"   3 seconds ago   Up 3 seconds                        sss
  1. 进入docker容器,通过命令 docker exec -it sss /bin/bash。完成这一步操作后,可以进入容器中。此时可以发现,该镜像的容器中Fast DDS相关的so,头文件等都已经安装好:
root@19c4527b0e3d:/usr/local/eprosima# ls
COLCON_IGNORE             cpp_utils                 ddsrecorder_yaml  fastdds_python                    fastddsspy_tool          local_setup.zsh  setup.zsh
ShapesDemo                dds-suite.repos           ddsreplayer_tool  fastdds_python_examples           fastddsspy_yaml          plotjuggler
_local_setup_util_ps1.py  ddspipe_core              ddsrouter_core    fastdds_qos_profiles_manager_cli  fastrtps                 py_utils
_local_setup_util_sh.py   ddspipe_participants      ddsrouter_tool    fastdds_qos_profiles_manager_lib  foonathan_memory_vendor  resources
cmake_utils               ddspipe_yaml              ddsrouter_yaml    fastdds_statistics_backend        local_setup.bash         setup.bash
colcon.meta               ddsrecorder_participants  fastcdr           fastdds_visualizer_plugin         local_setup.ps1          setup.ps1
controller_tool           ddsrecorder_tool          fastdds_monitor   fastddsspy_participants           local_setup.sh           setup.sh

所以这里省了很多需要自己要搞的事情(如编译Fast CDR,asio,tinyXML等第三方库)
5. 修改镜像并导出为新的镜像:有时候镜像中的内容不满足我们的需要,比如缺少开发相关的软件如新建文件夹,安装开发工具等

  • 首先在docker容器中执行自己需要的操作如创建一个文件夹作为工作目录,如/FastDDS,还需要安装一些常用工具,如cmake,git,vim等,这些可以通过apt-get install xx来安装。
  • exit命令退出环境
  • 将这个容器提交为新容器:docker commit container_name/container_id new_image_name:tag,此时新的镜像也生成了
zee001-w@gf:~/data/ilearning/docker/fastdds-suite$ docker images
REPOSITORY                              TAG                    IMAGE ID       CREATED         SIZE
my_new_dds_docker                       0.0.0.1                19d885b3aaa3   3 minutes ago   1.83GB
ubuntu-fastdds-suite                    v2.14.0                79ac6f93292f   13 days ago     1.83GB
  • 保存这个新的镜像:docker save new-image-name:tag > new-image.tar。如 docker save my_new_dds_docker:0.0.0.1>my_new_dds.tar
  1. 虽然做了很多事,但要修改和调试Fast DDS代码,还需要和本地做同步,这时候需要将docker的容器和本地挂载。这在执行第三步时通过-v命令指定目录挂载:
    docker run -it -v /home/user/data/ilearning/fastdds:/FastDDS /bin/bash

通过以上步骤,就可以创建好一个完整的Fast DDS docker镜像环境。

Fast DDS构建运行

运行原有demo

以上步骤已经完成了Fast DDS编译环境的搭建,可以直接通过已存在的命令goToExamples进入demo运行:

root@1d4740174553:/# goToExamples
root@1d4740174553:/usr/local/eprosima/fastrtps/examples/cpp# tree
.
|-- dds
|   |-- AdvancedConfigurationExample
|   |   `-- bin
|   |       `-- AdvancedConfigurationExample
|   |-- BasicConfigurationExample
|   |   `-- bin
|   |       `-- BasicConfigurationExample
|   |-- Configurability
|   |   `-- bin
|   |       |-- DDSConfigurabilityPublisher
|   |       `-- DDSConfigurabilitySubscriber
|   |-- ContentFilteredTopicExample
|   |   `-- bin
|   |       `-- DDSContentFilteredTopicExample
|   |-- CustomListenerExample
...

编译运行

进入fastrtpscmake命令:

cmake -H. -Bbuild  # 创建build目录
cmkae --build ./build

编译后的二进制文件存放于build目录下,此时运行example会链接到已经安装好的dds的so,需要重新设置到自己编译的so:
export LD_LIBRARY_PATH=/FastDDS/fastrtps/build/src/cpp:$LD_LIBRARY_PATH

这篇关于Fast DDS环境搭建的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/908057

相关文章

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j

mysql-8.0.30压缩包版安装和配置MySQL环境过程

《mysql-8.0.30压缩包版安装和配置MySQL环境过程》该文章介绍了如何在Windows系统中下载、安装和配置MySQL数据库,包括下载地址、解压文件、创建和配置my.ini文件、设置环境变量... 目录压缩包安装配置下载配置环境变量下载和初始化总结压缩包安装配置下载下载地址:https://d

将Python应用部署到生产环境的小技巧分享

《将Python应用部署到生产环境的小技巧分享》文章主要讲述了在将Python应用程序部署到生产环境之前,需要进行的准备工作和最佳实践,包括心态调整、代码审查、测试覆盖率提升、配置文件优化、日志记录完... 目录部署前夜:从开发到生产的心理准备与检查清单环境搭建:打造稳固的应用运行平台自动化流水线:让部署像

gradle安装和环境配置全过程

《gradle安装和环境配置全过程》本文介绍了如何安装和配置Gradle环境,包括下载Gradle、配置环境变量、测试Gradle以及在IntelliJIDEA中配置Gradle... 目录gradle安装和环境配置1 下载GRADLE2 环境变量配置3 测试gradle4 设置gradle初始化文件5 i

Mycat搭建分库分表方式

《Mycat搭建分库分表方式》文章介绍了如何使用分库分表架构来解决单表数据量过大带来的性能和存储容量限制的问题,通过在一对主从复制节点上配置数据源,并使用分片算法将数据分配到不同的数据库表中,可以有效... 目录分库分表解决的问题分库分表架构添加数据验证结果 总结分库分表解决的问题单表数据量过大带来的性能

Java汇编源码如何查看环境搭建

《Java汇编源码如何查看环境搭建》:本文主要介绍如何在IntelliJIDEA开发环境中搭建字节码和汇编环境,以便更好地进行代码调优和JVM学习,首先,介绍了如何配置IntelliJIDEA以方... 目录一、简介二、在IDEA开发环境中搭建汇编环境2.1 在IDEA中搭建字节码查看环境2.1.1 搭建步

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

在 VSCode 中配置 C++ 开发环境的详细教程

《在VSCode中配置C++开发环境的详细教程》本文详细介绍了如何在VisualStudioCode(VSCode)中配置C++开发环境,包括安装必要的工具、配置编译器、设置调试环境等步骤,通... 目录如何在 VSCode 中配置 C++ 开发环境:详细教程1. 什么是 VSCode?2. 安装 VSCo

鸿蒙开发搭建flutter适配的开发环境

《鸿蒙开发搭建flutter适配的开发环境》文章详细介绍了在Windows系统上如何创建和运行鸿蒙Flutter项目,包括使用flutterdoctor检测环境、创建项目、编译HAP包以及在真机上运... 目录环境搭建创建运行项目打包项目总结环境搭建1.安装 DevEco Studio NEXT IDE

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推