📝 Week 10 实验汇报：Docker 深度应用与 OpenCV 视觉基础
- 实验目标 深入理解 Docker 的核心概念（镜像、容器、仓库）。
掌握在 Ubuntu 环境下安装与配置 OpenCV 计算机视觉库。
编写基础脚本，验证 OpenCV 在图像处理中的基本功能。
- 核心实验内容 🐳 2.1 Docker 核心概念与使用 Docker 通过将软件及其依赖打包，解决了“在我的电脑上能跑，在你的电脑上不行”的问题。
镜像 (Image)：软件运行环境的只读模板。
容器 (Container)：镜像运行后的实例，可以理解为一个轻量级的虚拟机。
常用指令：
Bash docker ps # 查看运行中的容器 docker stop [ID] # 停止容器 docker rm [ID] # 删除容器 📷 2.2 OpenCV 介绍与安装 OpenCV 是全球最流行的开源计算机视觉库，支持图像处理、特征检测和机器学习。
安装步骤（在 Ubuntu/Docker 中）：
Bash sudo apt update sudo apt install python3-opencv 功能验证：编写 Python 脚本读取并显示图像，转换为灰度图以验证库文件是否正常调用。
- 实验截图展示
Docker 容器命令执行结果
OpenCV 在容器中成功导入
Docker 镜像列表确认环境就绪
Docker + OpenCV 环境配置完成 建议：这里放两张图。一张是 Docker 终端操作截图，一张是 OpenCV 处理图像的结果（比如原图 vs 灰度图）。
左图：Docker 镜像管理与容器启动过程。
右图：OpenCV 成功读取并处理机器狗/机械臂的仿真截图。
- 关键代码片段 (OpenCV 验证) Python import cv2
读取图像
img = cv2.imread(‘robot_dog.jpg’)
转换为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
保存结果
cv2.imwrite(‘robot_dog_gray.jpg’, gray_img) print(“OpenCV 图像处理成功！”)
- 实验总结
本周通过对 Docker 的学习，我能够更高效地管理不同版本的 ROS 2 环境。同时，OpenCV 的引入为后续给机器狗添加“视觉感知”能力奠定了基础。在实验中我发现，在 Docker 容器内运行 OpenCV 窗口需要额外配置 X11 转发，这与第八周的 GUI 配置逻辑是一致的。
遇到的问题与解决
| 问题 | 原因 | 解决方案 |
|---|---|---|
| Docker commit 后镜像过大 | 未清理缓存 | commit 前清理 apt/pip 缓存 |
| OpenCV 在容器内导入失败 | 缺少系统依赖库 | apt install libgl1-mesa-glx 等依赖 |
总结与反思
Docker 让视觉开发环境可复现，结合 OpenCV 和 PyBullet 能快速搭建机器人仿真平台。