Week 10 — Docker 进阶与 OpenCV 视觉实验

实验目标

在 Docker 容器中运行 OpenCV 视觉处理程序，掌握 Docker 环境下的依赖管理和图形输出，为后续 ROS2 + 视觉项目打下容器化基础。

实验环境

组件	说明
容器引擎	Docker
编程语言	Python 3
视觉库	OpenCV
操作系统	Ubuntu（容器内）

目录结构

Week10/
├── README.md             # 本报告
├── opencv_demo.py        # OpenCV 验证程序
├── opencv-result.png     # 图像处理结果
├── docker_command.png    # Docker 命令执行截图
└── opencv_result.png     # 视觉实验输出

实验步骤

1. Docker 环境准备

检查 Docker 服务状态，确认镜像和容器管理命令可用：

docker ps       # 查看运行中的容器
docker images   # 查看本地镜像列表

2. 构建 OpenCV 运行环境

在容器中安装 OpenCV 及其依赖：

docker run -it --rm -v $(pwd):/workspace python:3.10 bash
pip install opencv-python numpy

3. 运行 OpenCV 验证程序

编写并运行图像处理测试程序，验证 OpenCV 在容器中的功能正常：

python3 opencv_demo.py

4. 输出验证

将处理结果保存为图片文件，确认容器挂载目录正常同步。

关键命令

# 查看 Docker 状态
docker ps
docker images

# 拉取 Python 镜像
docker pull python:3.10

# 挂载工作目录运行容器
docker run -it --rm -v $(pwd):/workspace python:3.10 python3 opencv_demo.py

实验证据

Docker 命令执行

容器状态检查，确认环境正常运行

OpenCV 处理结果

OpenCV 图像处理成功输出

视觉实验最终输出结果

视觉实验最终输出结果

遇到的问题与解决

问题	原因	解决方案
容器内 import cv2 报错	OpenCV 未安装或版本不兼容	使用 pip install opencv-python-headless 避免 GUI 依赖冲突
输出文件在宿主机不可见	未正确挂载工作目录	使用 -v $(pwd):/workspace 确保双向同步
容器退出后文件丢失	使用了 --rm 但未先保存输出	确保在容器退出前将结果写入挂载目录
镜像拉取速度慢	默认 Docker Hub 源在境内较慢	配置国内镜像加速器

总结与反思

核心收获

1. Docker 挂载机制：-v 参数是实现宿主机 ↔ 容器文件共享的关键，理解双向绑定对后续 ROS2 项目至关重要
2. 无头模式：在容器中运行视觉程序，需使用 opencv-python-headless 代替完整版 OpenCV，避免缺少显示服务导致崩溃
3. 环境一致性：Docker 确保不同机器上运行相同的 OpenCV 版本和依赖，消除了”在我电脑上能跑”的问题

延伸思考

Docker + OpenCV 的组合是机器人视觉开发的标准范式：

• 可提前构建包含 OpenCV + ROS2 的定制镜像，新机器一行命令即可启动
• 多容器协作（如视觉容器 + ROS2 容器）可模拟真实机器人系统的分布式架构
• 结合 Docker Compose 可编排更复杂的多服务机器人仿真场景

---

返回实验导航