在docker中运行SLAM十四讲程序

《十四讲》的示例程序依赖比较多,而且系统有点旧。可以在容器中运行。

拉取镜像

bash 复制代码
docker pull ddhogan/slambook:v0.1

这个docker对应的github:HomeLH/slambook2-docker

拉下来之后,假如是Windows系统,需要使用XLaunch用于提供X11图形化显示服务器。在创建容器时,运行

bash 复制代码
docker run -it --net=host \
-e DISPLAY=$DISPLAY \
-v $HOME/.Xauthority:/root/.Xauthority \
-v /tmp/.X11-unix:/tmp/.X11-unix \
--name slamtest ddhogan/slambook:v0.1

解释如下:

  • wsl宿主机上运行 xhost + 命令来允许对X Server的访问。
  • 使用 --net=host 参数可以让Docker容器直接连接到主机上的X11服务,无需通过SSH。
  • 用 -v 参数将wsl宿主机的 /tmp/.X11-unix 目录挂载到容器内的相同路径。(按作者所说,仅仅挂载.Xauthority,我这是显示不出的,最后只能删掉container)
  • -e 参数设置容器的 DISPLAY 环境变量,使其与wsl所使用的 DISPLAY 环境变量一致。

按照作者所说这样就行了。但我测试窗口显示时,直接X11转发就会遇到问题。测试xterm报错:

bash 复制代码
docker exec -it -u msy -e DISPLAY=127.0.0.1:0 slamtest bash
msy@docker-desktop:/opt/slambook$ xterm
xterm: Xt error: Can't open display: 127.0.0.1:0

我查看了wsl中的DISPLAY

bash 复制代码
echo $DISPLAY

输出是127.0.0.1:0,也就是localhost。为什么docker中使用就不对了。

问题是这样解决的:

考虑到实际是通过X11转发将容器内的图形输出到Windows主机上的X服务器。在Windows PowerShell中查看Win11的IPv4地址:192.168.xxx.xxx

重新启动docker

bash 复制代码
docker exec -it -e DISPLAY=192.168.xxx.xxx:0 slamtest bash
  • -e 参数设置容器的 DISPLAY 环境变量,使其与win11的XLaunch所提供的DISPLAY服务的ip地址一致。

后来我发现不用XLaunch也行。

另一种方法,直接在MobaXterm中启动,它附带了可视化功能:

如果安装了MobaXterm就可以直接在它的命令行,把DISPLAY给出的ip地址作为docker的执行参数,从而直接显示可视化窗口。

最后测试ch3的轨迹可视化,可行:

相关推荐
硅谷秋水1 小时前
通过模仿学习实现机器人灵巧操作:综述(上)
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
何大春3 小时前
【视频时刻检索】Text-Video Retrieval via Multi-Modal Hypergraph Networks 论文阅读
论文阅读·深度学习·神经网络·计算机视觉·视觉检测·论文笔记
猿饵块3 小时前
opencv--图像变换
人工智能·opencv·计算机视觉
jndingxin4 小时前
OpenCV 图形API(63)图像结构分析和形状描述符------计算图像中非零像素的边界框函数boundingRect()
人工智能·opencv·计算机视觉
知来者逆4 小时前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
武汉唯众智创4 小时前
高职人工智能技术应用专业(计算机视觉方向)实训室解决方案
人工智能·计算机视觉·人工智能实训室·计算机视觉实训室·人工智能计算机视觉实训室
暴龙胡乱写博客6 小时前
OpenCV---图像预处理(四)
人工智能·opencv·计算机视觉
李一帆'7 小时前
【论文阅读】Hierarchical Group-Level Emotion Recognition
论文阅读·计算机视觉
豆芽8198 小时前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
北上ing8 小时前
从FP32到BF16,再到混合精度的全景解析
人工智能·pytorch·深度学习·计算机视觉·stable diffusion