Autoware项目在ARM架构Ubuntu22.04上构建TensorRT组件的问题分析

问题背景

在Autoware自动驾驶框架的开发过程中，当用户在基于ARM架构的Jetson AGX Orin开发套件上（运行Ubuntu 22.04系统）构建autoware_tensorrt_common组件时，遇到了CMake构建错误。错误信息显示CMake无法找到TENSORRT_NVPARSERS_LIBRARY变量，导致构建过程失败。

环境配置

出现问题的环境配置如下：

• 硬件平台：NVIDIA Jetson AGX Orin 32GB开发套件
• 操作系统：Ubuntu 22.04 LTS
• CUDA版本：12.6
• cuDNN版本：9.3.0.75-1+cuda12.6
• TensorRT版本：10.3.0.30-1+cuda12.5
• Autoware版本：最新提交

错误分析

构建过程中出现的核心错误信息表明CMake无法定位到TENSORRT_NVPARSERS_LIBRARY这个关键库文件。深入分析后发现，这实际上反映了TensorRT版本兼容性问题。

根本原因

经过技术调查，发现以下关键因素导致了这一问题：

1. TensorRT版本演进：从TensorRT 9.0.1版本开始，NVIDIA移除了libnvparsers库。该库在早期版本(如8.6.1)中用于提供CaffeParser和UffParser功能。

2. 架构兼容性限制：TensorRT 8.6.1版本虽然包含所需的libnvparsers，但官方仅支持x86架构的Ubuntu 22.04，对于ARM架构的Ubuntu 22.04仅支持到Ubuntu 20.04。

3. Autoware依赖关系：Autoware的autoware_tensorrt_common组件仍然依赖于已被移除的libnvparsers库，这在较新的TensorRT版本上会导致构建失败。

解决方案

针对这一问题，开发者可以考虑以下几种解决方案：

1. 降级TensorRT版本：回退到包含libnvparsers的TensorRT 8.6.1版本，但需要注意架构兼容性问题。

2. 修改Autoware代码：更新autoware_tensorrt_common组件，使其适配TensorRT 10.x的新API，不再依赖已被移除的库。

3. 使用兼容环境：考虑使用官方支持的Ubuntu 20.04环境进行开发，以获得更好的TensorRT兼容性。

技术建议

对于在ARM架构上开发Autoware的用户，建议：

1. 仔细检查TensorRT版本与Autoware组件的兼容性
2. 关注Autoware官方对TensorRT新版本的支持进度
3. 在环境配置时参考官方文档的版本要求
4. 考虑使用容器化方案来管理不同版本的依赖关系

总结

这一问题典型地展示了深度学习框架与硬件加速库之间的版本依赖复杂性。在嵌入式AI开发中，特别是在Jetson等ARM平台上，软件版本的选择和兼容性检查尤为重要。开发者需要平衡新特性需求与系统稳定性，选择最适合项目需求的软件版本组合。