rwthika/ros2-tf

docker-ros-ml-images - 集成机器学习功能的ROS Docker镜像

镜像概述和主要用途

docker-ros-ml-images 提供集成机器学习功能的ROS（机器人操作系统）Docker镜像，旨在为ROS应用开发提供开箱即用的机器学习环境。该镜像系列整合了ROS生态与主流机器学习框架，简化机器人系统中机器学习模型的部署与验证流程。更多信息请访问 https://github.com/ika-rwth-aachen/docker-ros-ml-images%E3%80%82

核心功能和特性

多版本ROS支持

• ROS 1: Noetic
• ROS 2: Foxy, Humble, Iron, Rolling

预集成机器学习框架

• PyTorch 1.11
• TensorFlow 2.9

工具链兼容性

• 与 https://github.com/ika-rwth-aachen/docker-ros 无缝集成：可自动构建ROS应用的最小容器镜像
  https://github.com/ika-rwth-aachen/docker-ros
• 支持 https://github.com/ika-rwth-aachen/docker-run CLI工具：简化Docker镜像交互流程
  https://github.com/ika-rwth-aachen/docker-run

使用场景和适用范围

典型应用场景

• ROS机器人系统中集成机器学习模型（如计算机视觉、传感器数据处理、自主导航决策）
• 快速验证机器学习算法在ROS环境中的实时性与兼容性
• 构建跨平台一致的ROS+机器学习开发环境

适用人群

• 机器人系统开发者
• 机器学习与机器人学交叉领域研究人员
• 需要在ROS环境中部署AI模型的工程团队

使用方法和配置说明

前提条件

• 安装Docker Engine（参考 https://docs.docker.com/engine/install/%EF%BC%89
• 推荐安装 https://github.com/ika-rwth-aachen/docker-run 以简化操作流程

获取镜像

通过GitHub Release获取特定版本镜像，标签格式通常包含ROS版本与机器学习框架信息（如 noetic-pytorch1.11-tensorflow2.9），具体版本请参考 https://github.com/ika-rwth-aachen/docker-ros-ml-images/releases%E3%80%82

基础使用示例

直接运行容器

bash
# 启动交互式容器，挂载当前工作目录
docker run -it --rm \
  -v $(pwd):/workspace \
  --net=host \  # 可选：共享主机网络（适用于ROS节点通信）
  ika-rwth-aachen/docker-ros-ml-images:<镜像标签>

使用docker-run简化操作

bash
# 使用docker-run自动配置ROS环境变量与网络
docker-run ika-rwth-aachen/docker-ros-ml-images:<镜像标签>

与docker-ros结合构建应用镜像

使用 https://github.com/ika-rwth-aachen/docker-ros 构建基于本镜像的ROS应用：

bash
# 在ROS项目根目录执行，指定基础镜像
docker-ros build \
  --base-image ika-rwth-aachen/docker-ros-ml-images:<镜像标签> \
  --output my-ros-ml-app:latest

配置说明

镜像默认包含ROS与机器学习框架的基础配置，如需自定义环境变量或依赖，可通过Dockerfile继承该镜像并添加配置：

dockerfile
FROM ika-rwth-aachen/docker-ros-ml-images:<镜像标签>
ENV CUSTOM_PARAM=value
RUN apt-get update && apt-get install -y <额外依赖>

详细配置参数与高级用法请参考 https://github.com/ika-rwth-aachen/docker-ros-ml-images%E3%80%82