Autoware项目中TensorRT库路径配置问题的解决方案

问题背景

在构建Autoware项目时，开发者可能会遇到TensorRT库无法被正确识别的问题，特别是在使用tar包方式安装TensorRT而非deb包的情况下。系统会报错"cuda, cudnn, tensorrt libraries are not found"，即使已经设置了LD_LIBRARY_PATH环境变量。

环境配置要点

1. 版本兼容性：Autoware项目推荐使用CUDA 12.3版本，与TensorRT 8.6.1.6配合使用。开发者尝试过多种版本组合，包括：

   • CUDA 12.3 + cuDNN 8.9 + TensorRT 8.6
   • CUDA 11.8 + cuDNN 8.8 + TensorRT 8.6

2. 路径设置：使用tar包安装TensorRT后，仅设置LD_LIBRARY_PATH是不够的：

   export LD_LIBRARY_PATH=/opt/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH
   

根本原因分析

通过修改CMakeLists.txt文件检查发现，问题出在TENSORRT_FOUND变量为false。这表明CMake系统无法定位TensorRT的安装位置，即使LD_LIBRARY_PATH已正确设置。

完整解决方案

对于使用tar包安装TensorRT的情况，需要额外设置TENSORRT_ROOT环境变量：

export TENSORRT_ROOT=/opt/TensorRT-8.6.1.6

请将此路径替换为实际的TensorRT安装路径。这个变量帮助构建系统定位TensorRT的头文件和库文件。

最佳实践建议

1. 推荐安装方式：使用deb包安装TensorRT可以避免此类问题，系统会自动处理所有路径配置。

2. 环境验证：安装后可通过以下命令验证TensorRT相关包是否安装成功：

   dpkg -l | grep nvinfer
   

3. 容器化方案：对于复杂的开发环境，建议使用Docker容器，可以确保环境的一致性和可重复性。

总结

在Autoware项目开发中，正确配置TensorRT环境对于深度学习相关功能的构建至关重要。通过设置TENSORRT_ROOT环境变量，可以解决tar包安装方式下的库路径识别问题。对于新手开发者，建议优先考虑使用deb包安装或Docker容器，以减少环境配置的复杂度。