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 17:58:34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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492