Apollo自动驾驶平台:如何将Cyber Recorder录制数据存储至外接硬盘
2025-05-07 16:42:54作者:胡唯隽
背景介绍
在Apollo自动驾驶平台的开发过程中,使用Cyber Recorder工具录制传感器数据是常见的操作。然而,由于设备自带存储空间有限,当需要长时间录制大量数据时,存储空间很快就会耗尽。本文将详细介绍如何通过外接移动硬盘来解决这一问题。
存储方案设计
默认存储位置分析
默认情况下,Cyber Recorder会将录制的数据存储在Docker容器内部。这种设计虽然简单直接,但存在两个主要问题:
- Docker容器本身的空间限制
- 主机设备的存储容量有限
外接存储方案优势
使用外接移动硬盘作为存储介质具有以下优势:
- 存储容量可扩展,支持长时间数据录制
- 数据管理更加灵活,便于后期分析和处理
- 不影响系统运行性能
具体实现步骤
准备工作
- 确保外接硬盘已正确连接到设备
- 确认硬盘已格式化为兼容的文件系统(如ext4、NTFS等)
实施步骤
1. 创建挂载目录
在Apollo工作目录下创建专用的数据存储目录:
cd apollo
mkdir -p data/bag
这个目录将作为外接硬盘的挂载点。
2. 挂载外接硬盘
执行以下命令将外接硬盘挂载到指定目录:
sudo mount /dev/sdb1 data/bag
注意事项:
/dev/sdb1需要替换为实际的外接硬盘设备标识- 建议使用
lsblk命令确认硬盘设备标识 - 如需自动挂载,可配置
/etc/fstab文件
3. 使用Cyber Recorder录制数据
挂载完成后,即可使用Cyber Recorder指定存储路径:
cyber_recorder record -a -o=data/bag
参数说明:
-a:录制所有通道数据-o:指定输出目录
高级配置建议
1. 自动挂载配置
为避免每次重启后手动挂载,可以在/etc/fstab中添加如下配置:
/dev/sdb1 /apollo/data/bag ext4 defaults 0 2
2. 存储路径优化
建议采用日期时间命名的子目录结构,便于数据管理:
cyber_recorder record -a -o=data/bag/$(date +%Y%m%d_%H%M%S)
3. 权限管理
确保Docker容器有权限访问挂载目录:
sudo chmod -R 777 data/bag
常见问题排查
-
挂载失败:
- 确认硬盘设备标识正确
- 检查文件系统类型是否匹配
- 确保挂载点目录存在
-
写入权限问题:
- 检查目录权限设置
- 确认SELinux或AppArmor未限制访问
-
存储空间不足:
- 使用
df -h命令确认硬盘挂载成功 - 检查硬盘实际可用空间
- 使用
性能优化建议
- 使用SSD硬盘可获得更好的写入性能
- 避免同时进行大量数据读写操作
- 定期清理或归档历史数据
总结
通过外接移动硬盘扩展Apollo平台的存储能力,是解决长时间数据录制需求的实用方案。本文介绍的方法不仅适用于Cyber Recorder工具,也可应用于其他需要大容量存储的场景。合理配置存储方案,将为自动驾驶系统的开发和测试提供更可靠的数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
985