保姆级教程：在WSL2里用Docker搞定Apollo 9.0开发环境，顺便连上Carla 9.14
保姆级教程：WSL2+Docker构建Apollo 9.0与Carla 9.14联调环境全指南
当自动驾驶开发者第一次尝试在Windows环境下搭建Apollo仿真平台时，往往会被复杂的工具链和跨系统兼容性问题劝退。本教程将彻底解决这个痛点——通过WSL2的Linux环境配合Docker容器化部署，实现从零开始构建完整的Apollo 9.0开发环境，并成功连接Carla 9.14仿真器。不同于碎片化的网络教程，本文将系统性地解决以下核心问题：
- 环境隔离：利用Docker容器保持开发环境纯净
- GPU加速：配置NVIDIA-Docker实现硬件加速
- 跨系统通信：打通WSL2与Windows主机的网络壁垒
- 版本兼容：处理Python 3.6/3.7的版本冲突
- 可视化调试：优化Dreamview在WSL2下的访问体验
1. 基础环境搭建：WSL2与Ubuntu 20.04
1.1 Windows系统准备
在管理员权限的PowerShell中执行以下命令启用WSL2功能：
# 启用WSL功能 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart重启后设置WSL2为默认版本：
wsl --set-default-version 21.2 Ubuntu 20.04安装
从Microsoft Store安装Ubuntu 20.04 LTS后，建议进行以下优化配置：
# 更新软件源 sudo apt update && sudo apt upgrade -y # 安装基础工具链 sudo apt install -y build-essential curl git python3-pip注意：建议将WSL2实例存储在SSD硬盘分区，可显著提升I/O性能。通过
wsl --export和wsl --import命令可迁移已有实例。
2. Docker与GPU支持配置
2.1 Docker引擎安装
推荐使用鱼香ROS的一键安装脚本：
curl -sSL https://fishros.com/install | bash安装完成后需要配置用户组：
sudo usermod -aG docker $USER newgrp docker2.2 NVIDIA-Docker配置
确保Windows主机已安装最新NVIDIA驱动后，执行：
# 添加NVIDIA容器工具包仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 安装工具包 sudo apt update sudo apt install -y nvidia-docker2 sudo systemctl restart docker验证GPU支持：
docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi3. Apollo 9.0容器化部署
3.1 源码获取与容器启动
建议将代码克隆到Windows可见目录（如/mnt/d）：
git clone https://github.com/ApolloAuto/apollo /mnt/d/apollo cd /mnt/d/apollo启动开发容器：
bash docker/scripts/dev_start.sh3.2 编译优化技巧
进入容器后的编译命令：
./apollo.sh build_opt_gpu为加速编译过程，可尝试以下方法：
| 优化方法 | 具体操作 | 效果预估 |
|---|---|---|
| 并行编译 | ./apollo.sh build_opt_gpu --jobs=$(nproc) | 缩短30%-50%时间 |
| 缓存依赖 | 预先下载第三方库到/apollo/.cache | 减少网络延迟 |
| 内存交换 | 增加swap空间至8GB以上 | 避免OOM中断 |
4. Carla 9.14联调实战
4.1 Windows端安装
从Carla官方仓库下载9.14版本Windows包，解压后运行：
.\CarlaUE4.exe -quality-level=Low4.2 桥接服务配置
创建Python 3.7虚拟环境：
sudo apt install python3.7 python3.7-venv python3.7 -m venv ~/carla_bridge source ~/carla_bridge/bin/activate安装Carla Python API：
pip install carla==0.9.14配置carla_apollo_bridge时需注意：
# config/settings.yaml关键配置 carla: host: "Windows主机IP" port: 2000 apollo: dreamview_url: "http://WSL2_IP:8888"5. 网络与可视化调试
5.1 Dreamview访问配置
修改scripts/bootstrap.sh中的IP设置：
# 将localhost替换为WSL2 IP DREAMVIEW_URL="http://$(hostname -I | awk '{print $1}'):8888"启动增强版Dreamview：
./scripts/bootstrap.sh start_plus5.2 常见问题解决方案
问题1：Cyber模块无法自动启动
# 手动启动所需模块 cyber_launch start modules/planning/launch/planning.launch问题2：可视化工具无法使用可通过X11转发解决：
# Windows安装VcXsrv后 export DISPLAY=$(awk '/nameserver / {print $2":0"}' /etc/resolv.conf)经过完整配置后，开发者可以在WSL2中获得接近原生Linux的开发体验，同时利用Windows端的Carla进行可视化仿真。实际测试中，这套环境在RTX 3060显卡上可实现20-30FPS的实时仿真帧率，满足大部分算法调试需求。