开wangwang的机器，看哪个容器装了ros-noetic-cuda11.4.2，没有的输入如下指令安装

bash
展开代码
docker pull mzahana/ros-noetic-cuda11.4.2

bash
展开代码
xd@euler-MS-7D30:/data/xiedong$ xhost +
xd@euler-MS-7D30:/data/xiedong$ xclock

bash
展开代码
docker run \
-e QT_X11_NO_MITSHM=1 \
-e DISPLAY \
--net=host \
--gpus all \
-v ~/.Xauthority:/root/.Xauthority:rw \
-v ~/tmp/.X11-unix:/tmp/.X11-unix:ro \
-v ~/out_home:/out_home \
-v /data/xiedong/cc_ws:/cc_ws \
-it kevinchina/deeplearning:ros-noetic-cuda11.4.2-v5 bash

bash
展开代码
vim /etc/ssh/sshd_config
service ssh restart

注意看第5行，是需要显卡资源的，所以如果没有显卡资源就会这么显示： docker: Error response from daemon: could not select device driver "" with capab [[gpu]] ，也进不了容器

安装好后

bash
展开代码
docker ps

查看容器，进入

bash
展开代码
docker exec -it 954 bash

bash
展开代码
cd ego-planner/

bash
展开代码
sudo apt-get install libarmadillo-dev -y

bash
展开代码
catkin_make -DCMAKE_BUILD_TYPE=Release

打开 rviz 进行可视化和交互：

bash
展开代码
source devel/setup.bash
roslaunch ego_planner rviz.launch

运行后出现这个： 可能显卡出问题了

退出容器

bash
展开代码
exit

再重启容器

bash
展开代码
docker restart <id>

重新进入 docker exec -it...

重复上述步骤

运行

bash
展开代码
source devel/setup.bash
roslaunch ego_planner rviz.launch

另开一个终端,在仿真中运行规划器：

bash
展开代码
docker exec -it <id> bash
cd ego-planner/
source devel/setup.bash
roslaunch ego_planner run_in_sim.launch

记录一下安装pandas的步骤以及输出：

启动python解释器，调用系统默认Python环境

bash
展开代码
(base) cc@LAPTOP-2A2OV24P:~$ python
Python 3.13.5 | packaged by Anaconda, Inc. | (main, Jun 12 2025, 16:09:02) [GCC 11.2.0            ] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

检查Python路径，显示默认Python解释器的实际路径

bash
展开代码
(base) cc@LAPTOP-2A2OV24P:~$ which python
/home/cc/miniconda3/bin/python  #输出

检查Conda路径，确认Conda的安装位置

bash
展开代码
(base) cc@LAPTOP-2A2OV24P:~$ which conda
/home/cc/miniconda3/bin/conda

直接调用绝对路径的Python：/home/cc/miniconda3/bin/python→ 效果与步骤1相同

bash
展开代码
(base) cc@LAPTOP-2A2OV24P:~$ /home/cc/miniconda3/bin/python
Python 3.13.5 | packaged by Anaconda, Inc. | (main, Jun 12 2025, 16:09:02) [GCC 11.2.0            ] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

尝试创建新Conda环境→ 准备创建名为 py310的新环境

bash
展开代码
conda create -n py310

激活py310环境，并检查python路径

bash
展开代码
conda activate py310
which python  

实践：

bash
展开代码
(base) cc@LAPTOP-2A2OV24P:~$ conda activate py310
(py310) cc@LAPTOP-2A2OV24P:~$ conda env list

# conda environments:
#
base                   /home/cc/miniconda3
py310                * /home/cc/miniconda3/envs/py310

(py310) cc@LAPTOP-2A2OV24P:~$ which python
/home/cc/miniconda3/envs/py310/bin/python

切换回base环境，并验证python路径

bash
展开代码
conda activate base
which python 

实践：

bash
展开代码
```bash
(py310) cc@LAPTOP-2A2OV24P:~$ conda activate base
(base) cc@LAPTOP-2A2OV24P:~$ which python
/home/cc/miniconda3/bin/python

• 不同环境有独立的Python解释器路径（envs/py310/bin/vs 主bin/目录）
• 在py310安装的包不会影响base环境

返回py310环境安装pandas

bash
展开代码
conda activate py310
pip install pandas

在特定环境下执行的命令（如pip install）仅作用于当前环境

Linux文件系统基本概念

基本模型

电机模型：

$V_m=i_aR_a+L_a\frac{di_a}{dt}+E_b$

反电动势 (emf) $E_{b}$ 与角速度 $\dot{\varphi}$ 相关。

$E_{b}=K_{b}\dot{\varphi}$

因为：$L_a<<R_a$

所以： $i_a=\frac{V_m-K_b \dot{\varphi}}{R_a}$

电机转矩 $\tau$ 和反电动势 (emf) 有关：

基本模型

电机模型：

$V_m=i_aR_a+L_a\frac{di_a}{dt}+E_b$

反电动势 (emf) $E_{b}$ 与角速度 $\dot{\varphi}$ 相关。

$E_{b}=K_{b}\dot{\varphi}$

因为：$L_a<<R_a$

所以： $i_a=\frac{V_m-K_b \dot{\varphi}}{R_a}$

电机转矩 $\tau$ 和反电动势 (emf) 有关：