iodinot

NVIDIA Orin NX/Nano 初始化

Tue, 17 Mar 2026 00:00:00 GMT

import { Aside, Tabs, TabItem } from 'astro-pure/user'

前言

不常用的流程及指令容易遗忘，而有些流程是低频却必要的，比如新设备的初始化。本文记录 NVIDIA Orin NX/Nano 系统的安装以及初步配置流程以便查阅。

一、 WSL2配置

仅供 Windows 用户参考，原生 Ubuntu 用户可直接跳到系统安装在 ~/.wslconfig 下加入如下配置：

[wsl2]
# 刷机需要与设备处于同一物理局域网，所以使用镜像网络。
networkingMode=mirrored

# 可选：仅在开启代理软件的 TUN 模式（如 Clash/Mihomo 虚拟网卡），且导致 WSL2 镜像网络启动异常
# （例如 `ip a` 只有 `lo`）时再配置。将 TUN 网卡加入黑名单后，WSL2 仍可正常克隆物理网卡。
# 这里的 `Mihomo` 是你的 TUN 网卡名称。
ignoredNetworkAdapters=Mihomo

# 关闭自动代理，避免 WSL 内部环境变量与宿主机 TUN 路由互相干扰。
autoProxy=false

二、系统安装

2.1 GUI 安装

SDK Manager下载：NVIDIA SDK Manager 之后基本就是傻瓜式操作了，详细教程见官方文档

2.2 CLI安装

对 Jetson Orin NX / Nano 而言，NVIDIA 官方当前推荐的命令行刷机路线是 initrd flashing。依据见 Flashing Support 与 Quick Start。

2.2.1 安装前提

先下载两个官方包：BSP release package 和 sample rootfs，下载入口在 Jetson Linux 下载页。
**Orin NX / Nano 默认记 initrd flash**而不是 flash.sh。

2.2.2 环境准备

官方准备步骤如下：

# 解压 Jetson Linux BSP 包
tar xf ${L4T_RELEASE_PACKAGE}
# 将 sample rootfs 解压到 Linux_for_Tegra/rootfs
sudo tar xpf ${SAMPLE_FS_PACKAGE} -C Linux_for_Tegra/rootfs/
cd Linux_for_Tegra/
# 安装刷机依赖
sudo ./tools/l4t_flash_prerequisites.sh
# 应用 NVIDIA 提供的二进制组件
sudo ./apply_binaries.sh

这里的 ${L4T_RELEASE_PACKAGE} 和 ${SAMPLE_FS_PACKAGE} 指的就是刚下载的那两个官方包。
顺序是：先解包 rootfs，再跑前置依赖，最后 apply_binaries.sh。

2.2.3 Force Recovery Mode

对于 Jetson Orin Nano Developer Kit，Quick Start 给出的进入 Force Recovery Mode 的方式如下：

断开电源，确保开发板处于关机状态。
在 12-pin button header 上短接 REC 和 GND。
重新接上电源。

可以在主机上直接执行：

# 主机侧确认 Recovery Mode 识别结果
lsusb

如果能看到类似下面这一行，才说明板子确实进了恢复模式：

Bus 001 Device 025: ID 0955:7523 NVIDIA Corp. APX

2.2.4 命令行刷写

Quick Start 给出的 Jetson Orin Nano Developer Kit 官方示例如下：

其中：

--external-device nvme0n1p1：目标系统写入的外部介质分区。
-c tools/kernel_flash/flash_l4t_t234_nvme.xml：外部介质布局配置文件。
-p "-c bootloader/generic/cfg/flash_t234_qspi.xml"：QSPI 启动介质配置。
--showlogs：输出详细刷机日志。
--network usb0：通过 USB 虚拟网卡完成刷机过程中的网络通信。
jetson-orin-nano-devkit internal：目标板型与刷写模式参数。

--network usb0 不能漏。Flashing Support 提到，initrd flash 过程中工具会通过 IPv6 地址空间 fc00:1:1::/48 使用 NFS 和 SSH。

2.2.5 启动介质确认

第一次启动时，要在 UEFI 菜单里选对刚刷进去的启动介质。
比如刷的是 NVMe，启动项也应指向 NVMe。

2.2.6 参考资料

后面如果又忘了细节，优先翻这几个官方页面和官方论坛贴：

三、初次配网

3.1 Headless下无路由器后台权限获取Nano局域网IP

适用范围：板卡已连接工作机同一局域网，但没有显示器、没有路由器后台权限。

# 1. 查看本机 IPv4，确认当前网段（本文示例为 192.168.1.0/24）
ipconfig

# 2. 只扫描开放 22 端口的主机
nmap -p 22 --open 192.168.1.0/24

# 3. 根据扫描结果尝试 SSH，确认目标地址
ssh nvidia@192.168.1.20

其中：

nmap -p 22 --open 用于只保留开放 SSH 端口的主机，候选更少。
Nano 安装系统后 sshd 默认开启，因此可先用 22 端口做一轮筛选。
本机实测在 192.168.1.0/24 下可正常筛出 192.168.1.20，其 MAC 厂商会显示为 Nvidia。
拿到候选地址后，再用 ssh nvidia@<ip> 做最终确认。

本文写作时，本机使用 Nmap 7.98 + Npcap 1.87，nmap -sn 192.168.1.0/24 可正常执行。

3.2 配置 mDNS 访问

具体配置过程见《NVIDIA Orin 环境配置》的对应章节，这里不再重复展开。

四、SSH 扫盲

进入远程开发阶段后，SSH 基本就是你和 Orin Nano 交互的默认入口。无论是工业研发团队，还是高校计算平台，成熟做法都相当一致：以 SSH 作为默认控制面，以公钥认证作为默认鉴权手段，再用主机别名和端口转发把日常开发流程固化下来。

4.1 第一次连接

如果这台 Nano 还没配好 mDNS，就先用刚扫出来的 IP 登录：

ssh nvidia@192.168.1.20

第一次连接时，终端通常会提示你确认主机指纹，输入 yes 即可。登录成功后，建议先记住下面几条最常用的确认命令：

hostname      # 当前主机名
hostname -I   # 当前 IP
whoami        # 当前登录用户

4.2 用 `~/.ssh/config` 给设备起别名

如果每次都手动输入 ssh nvidia@192.168.x.x，很快就会烦。更实用的做法是在开发机的 ~/.ssh/config 里给每台设备起一个固定别名。

Host nrc17-via-jump
    HostName 192.168.1.20              # Nano 在内网中的地址
    User nvidia                        # Nano 登录用户
    IdentityFile ~/.ssh/id_ed25519     # 登录 Nano 使用的私钥
    IdentitiesOnly yes                 # 只使用指定私钥
    ProxyJump jump-lab                 # 先跳到 jump-lab，再转发到目标主机
    ConnectTimeout 5                   # 避免跳板链路异常时卡太久
```

其中 Host 后面的名字是你自己定义的别名。这样以后直接执行：

ssh nrc17

即可登录对应设备。
如果跳板链路不止一层，ProxyJump 也支持继续写成 jump-a,jump-b 这种链式形式。

4.3 免密登录

工程上更推荐把公钥提前配好，避免每次输密码：

# 本机生成 ed25519 密钥；如果已有 ~/.ssh/id_ed25519，可跳过
ssh-keygen -t ed25519

# 将本机公钥复制到目标设备
ssh-copy-id nrc17

# 验证免密是否生效
ssh nrc17

这一步在多机调试、频繁重连、脚本化部署时尤其省事。

4.4 常用的几种 SSH 命令

远程执行命令

# 指定私钥、连接超时和 SSH 端口；登录后在远端执行巡检命令
ssh -i ~/.ssh/id_ed25519 -o ConnectTimeout=5 -p 22 nrc17 \
  "hostname && hostname -I && systemctl is-active ssh"

常用参数：

-p：指定端口，如 ssh -p 2222 nrc17
-i：指定私钥文件，如 ssh -i ~/.ssh/id_ed25519 nrc17
-L：本地端口转发
-J：通过跳板机连接，等价于 ProxyJump
-o：临时指定配置项，如 -o ConnectTimeout=5

传文件

# 指定私钥、端口和压缩，将本机文件上传到 Nano
scp -i ~/.ssh/id_ed25519 -P 22 -C ./config.yaml nrc17:~/config.yaml

# 递归拉回远端目录
scp -i ~/.ssh/id_ed25519 -P 22 -r nrc17:~/logs ./logs

常用参数：

-P：指定端口，注意这里是大写 P
-i：指定私钥文件
-r：递归复制目录
-C：启用压缩，适合弱网环境
-o：透传 SSH 配置项，如 -o ConnectTimeout=5

端口转发

如果某个服务只监听在 Nano 本机回环地址上，可以用 ssh -L 把端口转到自己的电脑。例如 Nano 上某个 WebSocket 或 Web 服务监听在 8765 端口：

# 指定私钥与端口，只建立隧道、不打开 shell，并放到后台运行
ssh -i ~/.ssh/id_ed25519 -p 22 -N -f \
  -L 8765:localhost:8765 \
  nrc17

连上后，本机访问 localhost:8765，实际就等于访问 Nano 的 localhost:8765。
这种方式并不局限于 foxglove_bridge，在 Jupyter、TensorBoard 等交互式服务上也普遍采用同样的 SSH 隧道模式。

常用参数：

-L [本机端口]:[远端地址]:[远端端口]：本地端口转发
-N：只建立隧道，不执行远程命令
-f：放到后台运行，通常和 -N 搭配
-p：指定 SSH 端口
-J：通过跳板机建立隧道

4.5 关于 `ForwardAgent`

ForwardAgent 能让远端主机借用你本地 ssh-agent 中已经加载的密钥，在某些需要从 Nano 再访问 Git 仓库的场景里会很方便。但这一项要谨慎使用，建议只对明确受信任的主机单独开启，不要写成 Host * 的全局默认值。

Host nrc17
    HostName nrc17.local
    User nvidia
    ForwardAgent yes                   # 允许远端借用本机 ssh-agent；仅建议对受信任主机开启

如果你并不需要在 Nano 上继续跳转到别的 SSH 服务，那么这一项完全可以不配。

五、常用服务与配置文件

容易忘的。

5.1 系统层

核心服务

| 条目 | 作用 | 最小示例 | | ---------------------- | ----------------------------------------------------------------------- | ------------------------------------------ | | ssh.service | 远程登录入口。系统刷好以后，后续大多数终端操作都从它开始。 | sudo systemctl enable --now ssh | | avahi-daemon.service | 提供 .local 形式的 mDNS 主机发现，便于在局域网内用主机名访问 Nano。 | sudo systemctl enable --now avahi-daemon |

核心配置文件

| 条目 | 作用 | 最小示例 | | ------------------------------ | ------------------------------------------------------------------- | ----------------------- | | /etc/ssh/sshd_config | sshd 的主配置文件。常改的通常是认证方式、端口与登录策略。 | Port 22 | | /etc/avahi/avahi-daemon.conf | avahi-daemon 的配置文件。和 mDNS、主机名发布相关。 | publish-addresses=yes | | /etc/hostname | 机器主机名。配合 mDNS 后，常直接对应 nrc17.local 这种访问方式。 | nrc17 | | /etc/hosts | 本地静态主机名解析表。改主机名或做本地别名映射时经常一起看。 | 127.0.1.1 nrc17 |

Ubuntu 常用配置文件

| 条目 | 作用 | 最小示例 | | -------------------------------- | ------------------------------------------------------------------ | ---------------------------------------------------------------- | | /etc/apt/sources.list | apt 软件源主配置。换镜像、检查发行版源时最常看。 | deb http://ports.ubuntu.com/ubuntu-ports jammy main restricted | | /etc/apt/sources.list.d/*.list | 第三方仓库配置目录。Jetson、Docker、ROS 这类额外源通常会落在这里。 | docker.list | | /etc/netplan/*.yaml | Ubuntu 的网络配置文件。静态 IP、DNS、网卡名映射通常从这里改。 | renderer: NetworkManager | | /etc/fstab | 开机自动挂载表。挂载 NVMe 分区、数据盘或外设时常会改。 | UUID=xxxx /data ext4 defaults 0 2 | | /etc/environment | 系统级环境变量文件。需要对所有用户生效的环境变量可以写在这里。 | HTTP_PROXY=http://127.0.0.1:7890 | | ~/.bashrc | 用户级 shell 初始化文件。别名、PATH、代理变量等更常写在这里。 | export PATH=$PATH:/usr/local/bin |

自定义自启动

| 条目 | 作用 | 最小示例 | | ------------------------------- | --------------------------------------------------------------------------------------------- | -------------------------------------- | | /etc/systemd/system/*.service | 自定义 systemd 服务单元目录。后续如果要让节点、脚本或容器开机自启，通常就在这里写服务文件。 | ExecStart=/usr/bin/docker compose up |

`.service` 模板

后面如果要把脚本、节点或容器做成开机自启，通常会在 /etc/systemd/system/ 下写一个 .service 文件。最小模板如下：

[Unit]
Description=My Startup Service
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
User=nvidia
WorkingDirectory=/home/nvidia
ExecStart=/usr/bin/bash /home/nvidia/start.sh
Restart=always
RestartSec=3

[Install]
WantedBy=multi-user.target

其中：

After / Wants：声明启动依赖，常见是等网络起来。
User：指定以哪个用户身份运行。
WorkingDirectory：脚本或程序的工作目录。
ExecStart：真正执行的命令。
Restart / RestartSec：异常退出后的重启策略。
WantedBy=multi-user.target：表示在常规多用户启动阶段拉起。

NVIDIA Orin NX/Nano 环境配置与搭建

Fri, 13 Mar 2026 00:00:00 GMT

import { Aside } from 'astro-pure/user'

一、项目概述

本项目在 NVIDIA Jetson Orin NX/Nano 平台上部署一系列无人机上位机所需的ROS2包，下称 AADCL_UAV_UGV。为简化开发流程，并支持后续批量配置集群的需求，本项目通过容器化技术（Docker + Compose）部署，并利用 mDNS 协议简化集群组网。

二、基础环境配置

本文适用于已预装基础系统的 Jetson Orin Nano。配置前需确保开发板已联网且可通过终端（SSH、屏幕或远程桌面）访问。

前提条件：稳定的局域网环境、已知开发板 IP 以及 SSH 客户端。

首先进行网络配置。

2.1 连接 WiFi

要把 nano 连上开发/生产环境的局域网，最常用的办法是使用 nmcli 指令。

扫描附近的 WiFi：
```
nmcli device wifi list
```

连接到你的 SSID：

# 把 Your_SSID 和 Your_Password 换成实际的
sudo nmcli device wifi connect "Your_SSID" password "Your_Password"

确认连接成功：

nmcli connection show  # 看到有绿色的一行就说明连上了

2.2 抛弃静态 IP：配置 mDNS 访问

在多机协同的环境下，记住每台车/无人机的 IP 地址是非常麻烦的。我们通过配置 mDNS，让你能在局域网内直接用 nrcXX.local 这种名字访问 nano，不管它的 IP 怎么变。如上文所说，我们进入了 Orin Nano 的终端，在终端下输入如下指令：

给 nano 命名：

# 比如第 17 号机，就叫它 nrc17
sudo hostnamectl set-hostname nrc17

配置并启动服务 (Avahi)：安装 Avahi 并确保它在运行。注意：修改主机名后必须重启 Avahi 服务才能让新名字在局域网生效。
```
sudo apt update && sudo apt install -y avahi-daemon
sudo systemctl restart avahi-daemon
sudo systemctl enable avahi-daemon
```
验证一下：在你的开发机（比如笔记本）上执行 ping nrc17.local。如果能通，以后你只需要记住这个名字就行了。

2.3 生产环境对齐：基于 SSH 的 Headless 开发

在无人机集群开发中，给每台 Orin Nano 配备显示器是不现实的。更核心的原因在于：运行图形界面 (GUI) 会消耗昂贵的 CPU/GPU 资源，在 Orin Nano 这种算力受限的平台上，每一分资源都应该留给 ROS 管道和 AI 推理。

因此，建议采用 Headless 开发模式：

性能最大化：关闭桌面环境可节省数百 MB 显存及 CPU 周期。
环境一致性：开发环境与最终飞行场景完全一致，避免图形驱动导致的性能抖动。
远程可视化：通过 foxglove_bridge 等工具建立 WebSocket 通道，将原始数据流高效转发到你的电脑桌面上，使用 Foxglove Studio 进行低延迟的可视化调试。

配置你的开发机 (推荐)：为了不用每次都输 IP 甚至不用输密码，建议在你的电脑（Linux/Mac/Win）的 ~/.ssh/config 中加入如下配置：
```
Host nrc17
    HostName nrc17.local
    User nvidia
```
这样便相当于用 ssh nrc17 代替了 ssh nvidia@192.168.1.17。

免密登录 (可选)：在你的开发机终端执行：

ssh-keygen -t ed25519  # 生成你的密钥（如果已经有了就跳过）
ssh-copy-id nrc17      # 把你的公钥“递给”nano

完成后，ssh nrc17 便可直连（这在 vibe coding 时非常实用）。

2.4 容器环境：Docker 与 NVIDIA Toolkit

为了不把 nano 的原始系统环境搞乱，建议全量使用容器。除了 Docker，最关键的是要安装 NVIDIA 的转发工具（Toolkit），这样容器里的算法才能用到 Orin 的 GPU 算力。

安装 Docker 引擎与 Compose V2 插件：由于 Ubuntu 22.04 的官方源不含 Compose V2 (即 docker compose 指令)，我们需要添加 Docker 官方软件源：

# 1. 安装基础依赖
sudo apt-get update
sudo apt-get install -y ca-certificates curl gnupg

# 2. 添加 Docker 官方 GPG 密钥 (使用 .asc 格式最稳妥，避免转换报错)
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 3. 添加 Docker 软件源列表
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 4. 更新并安装 V2 插件
sudo apt-get update
sudo apt-get install -y docker-compose-plugin

# 5. 权限补丁：将当前用户加入 docker 组
sudo usermod -aG docker $USER
# 注意：执行后需重新登录，或输入 `newgrp docker` 立即生效

配置 NVIDIA 软件源并安装 Toolkit：由于 Ubuntu 官方源不含此工具，必须手动添加 NVIDIA 的仓库：

# 账户预检
sudo apt-get update && sudo apt-get install -y curl

# 1. 导入 GPG 密钥（如果文件已存在，执行此指令会自动覆盖）
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor --yes -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

# 2. 添加软件源列表
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
  sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 3. 更新并安装
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

# 4. 重启 Docker 生效
sudo systemctl restart docker

三、获取源码：克隆仓库

3.1 选择访问方式

本项目仓库位于 gitfub.cv，支持以下两种访问方式：

生产环境（推荐）：由于本仓库已设置为公开，在内地环境可直接裸连 HTTPS 地址进行克隆，无需登录，也无需配置 SSH Key。
开发环境：如果你需要向仓库提交代码，建议配置 SSH Key 以获得推送权限。

3.2 生产环境：快速克隆（HTTPS）

直接执行以下指令进行全量同步：

cd ~
# 1. 克隆主架构 (仓库公开，内地直接访问)
git clone https://gitfub.cv/iodinot/AADCL_UAV_UGV.git
cd AADCL_UAV_UGV

# 2. 关键：拉取所有依赖的算法源码和硬件驱动
git submodule update --init --recursive

# 3. 补丁：修正 livox_ros_driver2 的 package.xml
[ -f src/drivers/livox_ros_driver2/package_ROS2.xml ] && cp src/drivers/livox_ros_driver2/package_ROS2.xml src/drivers/livox_ros_driver2/package.xml

如果是生产环境，下一步可直接跳到五、容器配置、编排与启动。

3.3 开发环境：SSH 配置（仅需提交代码时执行）

如果你需要提交代码，请按以下步骤配置 Gitea 访问权限：

生成密钥对：ssh-keygen -t ed25519 -C "your_email"
添加公钥：复制 ~/.ssh/id_ed25519.pub 内容，前往 Gitea SSH 设置添加。
克隆地址：使用 git@gitfub.cv:iodinot/AADCL_UAV_UGV.git。

四、 AADCL_UAV_UGV 目录结构

代码按照“单一职责”原则划分为五个顶级目录：

~/AADCL_UAV_UGV
├── .env                # 机器硬件配置 (单一事实来源)
├── config/             # 算法逻辑配置 (*.yaml)
├── src/
│   ├── main/           # 系统编排层 (TF/Launch)
│   ├── drivers/        # L1 硬件驱动层
│   ├── core/           # L2 核心感知层
│   ├── apps/           # L3 业务应用层
│   └── sim/            # 仿真工具层
├── compose.yaml        # 多容器编排声明
└── README.md

此目录结构采用Scheme C的架构标准。对于开发环境，此目录包含必要的也就是可能进行二次开发的代码的源码；对于生产环境，此目录包含必要的配置文件。

五、容器配置、编排与启动

先进入刚刚 pull 下来的代码目录（其目录结构见四、 AADCL_UAV_UGV 目录结构）。

cd ~/AADCL_UAV_UGV

此时并不能直接起 docker 容器，还需要编辑配置文件，我们采用 SSOT (单一事实来源) 原则，通过 .env 文件来管理机器之间的差异。

5.1 设备配置文件 (.env)

仓库里已经包含了一个 .env.example 模板。它规定了这台车需要哪些硬件参数。

复制模板：
```
cp .env.example .env
```
参数配置：编辑 .env。由于无人机的外设配置例如飞控串口路径（比如 MAVLink 用的 /dev/ttyTHS1）和系统 ID 不确定，需要结合实际情况进行修改。

5.2 离线数据集安装 (MAVROS 必备)

MAVROS 在启动时需要特殊的地理坐标数据集（Geoids）。如果在启动日志里看到 GeographicLib exception 报错，请执行以下指令进行一键安装：

mkdir -p ~/AADCL_UAV_UGV/data/geographiclib
# 启动一个临时容器进行下载（约 100MB）
docker run --rm -v ~/AADCL_UAV_UGV/data/geographiclib:/usr/share/GeographicLib robot_stack_base:humble /opt/ros/humble/lib/mavros/install_geographiclib_datasets.sh

5.3 初次启动系统

本项目使用 Docker V2（docker compose）进行一键编排。

对于新机器，我们提供两种部署方案：方案 A（本地构建） 适用于需要深度定制底层依赖的场景；方案 B（云端拉取） 适用于追求一键快速部署的情况。

方案 A：本地手动构建 (初次耗时 30-50 分钟)

这一步会从头安装 ROS2 Humble、PCL、OpenCV 等数 GB 的依赖。

docker compose build l1-hardware

方案 B：从 Gitea 容器仓库拉取

如果你已熟悉编译流程或只想进行快速部署，直接执行以下指令即可跳过漫长的编译过程（该仓库为公开，内地裸连且无需登录）：

# 1. 拉取镜像
docker pull gitfub.cv/iodinot/aadcl_uav_ugv/base:latest
docker pull gitfub.cv/iodinot/aadcl_uav_ugv/l3_planner:latest
docker pull gitfub.cv/iodinot/aadcl_uav_ugv/l3_yolo:latest

# 2. 关联标签 (让 compose 能识别)
docker tag gitfub.cv/iodinot/aadcl_uav_ugv/base:latest robot_stack_base:humble
docker tag gitfub.cv/iodinot/aadcl_uav_ugv/l3_planner:latest l3_planner:humble
docker tag gitfub.cv/iodinot/aadcl_uav_ugv/l3_yolo:latest l3_yolo:humble

启动全量系统

镜像就绪后（无论通过 A 还是 B），执行：

docker compose up -d

启动视觉模块：如果你需要跑 YOLO 目标检测。
```
docker compose --profile apps up -d l3-yolo-demo
```
启动监控桥接：为了用 Foxglove 远程看数据。
```
docker compose --profile viz up -d visualization-bridge
```

5.4 `ros2c` 脚本的配置

Docker 的环境隔离虽然安全，但调试很不方便：每次查看节点都要用 docker exec 进入容器。为此，本项目提供了一个增强版 ros2c (ROS2 in Container) 脚本，支持 自动容器探测，实现透明化的容器操作体验。

请在 宿主机（Nano 终端） 直接执行以下“一键安装”指令：

curl -sSL https://gitfub.cv/iodinot/AADCL_UAV_UGV/raw/branch/main/scripts/install_ros2c.sh | bash

其核心功能及实现方案如下：

自动容器感知：脚本会自动检测 l1_hardware、l2_capability 或 l3 系列正在运行的容器，并将其作为当前执行目标，人员无需关心具体容器 ID。
环境全自动注入：每次执行均会自动在容器内 source ROS2 Humble 原生路径及项目自身的 install/setup.bash，彻底解决“找不到消息类型”或“找不到节点”的问题。
TTY 鲁棒性：智能判断当前终端是否为交互式，自动处理 -it 参数，使其无缝支持 SSH 脚本控制、自动流水线调用及手动调试。
极简指令入口：将复杂的 docker exec -it ... bash -lc \"...\" 包装为极简的 ros2c [command]，使开发者在操作容器时获得与原生 ROS 环境一致的操作体验。

Tab 补全：你可以输入 ros2c -c [Tab][Tab]，系统会自动联想出当前正在运行的容器名称。
指定容器：如果你想针对特定容器执行指令，可以使用 -c 参数，例如：
```
ros2c -c l3_yolo_demo node list
```
默认逻辑：若不带 -c，脚本会按 l1 -> l2 -> l3 的优先级自动寻找第一个活跃容器执行。

常用指令：

ros2c node list           # 列出所有节点
ros2c topic list          # 列出所有话题
ros2c                     # 不带参数：直接进入默认容器的 Shell

六、集群部署

当你有了一台完整配置好的机型（如 nrc17），为同型号的新机器（如 nrc18）配置环境时，无需再重复耗时的编译过程。

6.1 方案 A：通过容器注册表同步 (推荐)

这是最标准且高效的方法。只需在新机器上重复 5.3 节中的方案 B 即可：

拉取镜像：docker pull gitfub.cv/iodinot/aadcl_uav_ugv/base:latest ...
打标签：docker tag ... robot_stack_base:humble ...
启动：docker compose up -d。

由于 Gitea 仓库是公开的且内地直连极速，这种方式比拷贝文件更可靠。

6.2 方案 B：离线镜像迁移 (离线/无网络场景)

如果在无法连接注册表的情况下，可使用 Docker 的导出功能进行物理迁移：

在“母机”导出：

docker save robot_stack_base:humble | gzip > ~/AADCL_UAV_UGV_base.tar.gz

拷贝至新机：

scp ~/AADCL_UAV_UGV_base.tar.gz nvidia@nrc18.local:~

在新机导入：

docker load < ~/AADCL_UAV_UGV_base.tar.gz

七、系统功能验证

程序跑起来后，需确认各项模块是否正常运行。以下提供三项关键验证指标：

节点全不全？：执行 ros2c node list，你应该能看到 mavros、fast_lio 和 ego_planner 等一众核心节点都在线。
定位有输出吗？：执行 ros2 topic echo /Odometry。如果屏幕上数据在跳，说明算法已经闭环并在解算定位。
视觉有反应吗？：如果启动了 YOLO，执行 ros2 topic echo /yolo/detections。如果有人或物体出现在镜头里，你会看到识别结果。

附录：硬件网口配置（优化高频点云传输稳定性）

Livox MID360 雷达的数据量较大，若直接在默认网口传输，高频点云包可能会干扰 WiFi 或 SSH 链路的稳定性。建议将雷达绑定至独立的物理网口：

看看雷达插在哪个口了：

nmcli device  # 找一下那个显示“以太网”连接的口，比如叫 enP8p1s0

给这个口设个固定 IP：注意：雷达不需要网关，我们只要在这个口上配置 192.168.10.x 网段就行。

# 假设网口名是 enP8p1s0，给 nano 分配 192.168.10.50
sudo nmcli connection add type ethernet con-name lidar-link ifname enP8p1s0 ipv4.method manual ipv4.addresses 192.168.10.50/24
sudo nmcli connection up lidar-link

查一下生效没：执行 ip addr show enP8p1s0，看到 192.168.10.50 就说明搞定了。

iodinot

NVIDIA Orin NX/Nano 初始化

前言

一、 WSL2配置

二、 系统安装

2.1 GUI 安装

2.2 CLI安装

2.2.1 安装前提

2.2.2 环境准备

2.2.3 Force Recovery Mode

2.2.4 命令行刷写

2.2.5 启动介质确认

2.2.6 参考资料

三、初次配网

3.1 Headless下无路由器后台权限获取Nano局域网IP

3.2 配置 mDNS 访问

四、SSH 扫盲

4.1 第一次连接

4.2 用 ~/.ssh/config 给设备起别名

4.3 免密登录

4.4 常用的几种 SSH 命令

远程执行命令

传文件

端口转发

4.5 关于 ForwardAgent

五、常用服务与配置文件

5.1 系统层

核心服务

核心配置文件

Ubuntu 常用配置文件

自定义自启动

.service 模板

NVIDIA Orin NX/Nano 环境配置与搭建

一、 项目概述

二、 基础环境配置

2.1 连接 WiFi

2.2 抛弃静态 IP：配置 mDNS 访问

2.3 生产环境对齐：基于 SSH 的 Headless 开发

2.4 容器环境：Docker 与 NVIDIA Toolkit

三、 获取源码：克隆仓库

3.1 选择访问方式

3.2 生产环境：快速克隆（HTTPS）

3.3 开发环境：SSH 配置（仅需提交代码时执行）

四、 AADCL_UAV_UGV 目录结构

五、 容器配置、编排与启动

5.1 设备配置文件 (.env)

5.2 离线数据集安装 (MAVROS 必备)

5.3 初次启动系统

方案 A：本地手动构建 (初次耗时 30-50 分钟)

方案 B：从 Gitea 容器仓库拉取

启动全量系统

5.4 ros2c 脚本的配置

六、 集群部署

6.1 方案 A：通过容器注册表同步 (推荐)

6.2 方案 B：离线镜像迁移 (离线/无网络场景)

七、 系统功能验证

附录：硬件网口配置（优化高频点云传输稳定性）

二、系统安装

4.2 用 `~/.ssh/config` 给设备起别名

4.5 关于 `ForwardAgent`

`.service` 模板

一、项目概述

二、基础环境配置

三、获取源码：克隆仓库

五、容器配置、编排与启动

5.4 `ros2c` 脚本的配置

六、集群部署

七、系统功能验证