Dockerfile в корне собирает образ с ROS 2, офлайн-сборка — Dockerfile.offline

Dockerfile

@@ -1,96 +1,109 @@
-# ============================================================================
+# FlyGuard — обнаружение посторонних объектов в тоннеле метро по данным 3D-лидара.
-# FlyGuard: Bionic Obstacle Detection Core (LCT-2026, Case 05)
+#
-# Hesai Pandar128 LiDAR (128 beams, 10 Hz / 100ms)
+# Образ самодостаточен: во время работы сеть не нужна, все зависимости ставятся
-# Universal Production Image: NVIDIA CUDA 12.x / Ada Lovelace / Graceful CPU Fallback
+# на этапе сборки. Базовый образ — официальный ROS 2 Humble на Ubuntu 22.04,
-# ============================================================================
+# ровно та среда, что указана в ТЗ.
+#
+#   docker build -t flyguard .
+#   docker run --rm -it --gpus all --network host --ipc host -v /path/to/bags:/data flyguard
+#
+# Без --gpus all (или на машине без видеокарты NVIDIA) тот же образ считает на
+# процессоре — с тем же результатом.
+FROM ros:humble-ros-base-jammy
 
-# ----------------------------------------------------------------------------
+ARG DEBIAN_FRONTEND=noninteractive
-# Stage 1: Optional lightweight CPU-only image (build with: --target cpu)
-# ----------------------------------------------------------------------------
-FROM python:3.11-slim-bookworm AS cpu
-
-ENV DEBIAN_FRONTEND=noninteractive \
-    PYTHONUNBUFFERED=1 \
-    PYTHONDONTWRITEBYTECODE=1 \
-    PYTHONPATH="/app:/app/tools" \
-    FLYGUARD_DATA="/data" \
-    FLYGUARD_DEVICE="cpu"
 
+# Численное ядро берётся из репозиториев Ubuntu, а не из pip: так образ собирается
+# без выхода в PyPI и получает numpy/scipy, слинкованные с системным BLAS.
 RUN apt-get update && apt-get install -y --no-install-recommends \
-    libgomp1 \
+        python3-numpy \
-    ca-certificates \
+        python3-scipy \
+        python3-opencv \
+        python3-pil \
+        fonts-dejavu-core \
+        python3-colcon-common-extensions \
+        ros-humble-rviz2 \
+        ros-humble-rosbag2-storage-mcap \
+        ros-humble-diagnostic-msgs \
     && rm -rf /var/lib/apt/lists/*
 
-RUN useradd -m -u 1000 -s /bin/bash flyguard && \
+# PyTorch с CUDA 12.8 — плотные стадии конвейера на видеокарте (сетчатка,
-    mkdir -p /app /data /app/artifacts && \
+# ламина, кластеризация; flyguard/gpu.py). Колёса несут свою среду CUDA, от
-    chown -R flyguard:flyguard /app /data
+# машины нужен только драйвер NVIDIA (у стенда 580 — это до CUDA 13.0).
+# 2.9.1 — последняя сборка под Python 3.10 из Ubuntu 22.04; CUDA 12.8 нужна
+# для Blackwell (RTX 50xx) и годится для Ada (RTX 40xx). Весит PyTorch с
+# библиотеками CUDA 6.5 ГБ, поэтому ставится одним слоем и без кэша pip.
+#
+# Колёса — из индекса PyTorch, а если задан TORCH_WHEELS — с этого адреса
+# (сборка там, где сети нет: колёса скачиваются на соседней машине и отдаются
+# любым HTTP-сервером, docker/wheels/README.md). В контекст сборки колёса не
+# кладутся: это ещё 4 ГБ копий на диске.
+ARG TORCH_WHEELS=
+RUN set -e; \
+    if [ -n "$TORCH_WHEELS" ]; then \
+        python3 -c "import re, urllib.request as u; b = '$TORCH_WHEELS'.rstrip('/'); \
+f = re.findall(r'href=\"(pip-[^\"]+\.whl)\"', u.urlopen(b + '/').read().decode())[0]; \
+u.urlretrieve(b + '/' + f, '/tmp/pip.whl')"; \
+        python3 /tmp/pip.whl/pip install --no-cache-dir --no-index \
+            --find-links "$TORCH_WHEELS" torch==2.9.1; \
+        rm -f /tmp/pip.whl; \
+    else \
+        apt-get update && apt-get install -y --no-install-recommends python3-pip; \
+        pip3 install --no-cache-dir --index-url https://download.pytorch.org/whl/cu128 \
+            torch==2.9.1; \
+        rm -rf /var/lib/apt/lists/*; \
+    fi; \
+    python3 -c "import torch; print('torch', torch.__version__, 'CUDA', torch.version.cuda)"
 
-WORKDIR /app
+# Видеокарта для CUDA и для RViz (OpenGL через драйвер NVIDIA при --gpus all)
-COPY --chown=flyguard:flyguard requirements.txt /app/
+ENV NVIDIA_VISIBLE_DEVICES=all \
-RUN pip install --no-cache-dir --upgrade pip && \
+    NVIDIA_DRIVER_CAPABILITIES=all
-    pip install --no-cache-dir -r requirements.txt
 
-COPY --chown=flyguard:flyguard . /app/
+WORKDIR /opt/flyguard
-RUN chmod +x /app/docker-entrypoint.sh
 
-USER flyguard
+# Сначала манифесты — слой с зависимостями переживает правки кода
-VOLUME ["/data", "/app/artifacts"]
+COPY ros2_ws/src/flyguard/package.xml            ros2_ws/src/flyguard/package.xml
-ENTRYPOINT ["/app/docker-entrypoint.sh"]
+COPY ros2_ws/src/flyguard_msgs/package.xml       ros2_ws/src/flyguard_msgs/package.xml
-CMD ["default"]
+COPY ros2_ws/src/flyguard_msgs/CMakeLists.txt    ros2_ws/src/flyguard_msgs/CMakeLists.txt
 
+COPY ros2_ws/src ros2_ws/src
+# Память тоннеля и обученное считывание MBON. Без считывания узел работает
+# на ручной формуле веса улики, а у неё ложных тревог в полтора раза больше
+# (13.6 против 8.0 на км, README) — замеренная конфигурация и образ должны совпадать.
+COPY artifacts/mushroom_body.npz ros2_ws/src/flyguard/artifacts/mushroom_body.npz
+COPY artifacts/mbon_readout.npz ros2_ws/src/flyguard/artifacts/mbon_readout.npz
 
-# ----------------------------------------------------------------------------
+# Обычная установка, без --symlink-install: тот режим оставляет в install/
-# Stage 2: Universal Production Image with NVIDIA GPU acceleration & CPU fallback
+# ссылки внутрь build/ и src/, и последующее удаление build/ ломает пакет.
-# (Default target when building with: docker build -t flyguard:latest .)
+RUN . /opt/ros/humble/setup.sh \
-# ----------------------------------------------------------------------------
+    && cd ros2_ws \
-FROM nvidia/cuda:12.4.1-runtime-ubuntu22.04 AS production
+    && colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release \
+    && rm -rf build log
 
-ENV DEBIAN_FRONTEND=noninteractive \
+COPY docker/entrypoint.sh /entrypoint.sh
+COPY docker/fastdds_large.xml /opt/flyguard/fastdds_large.xml
+COPY docker/fastdds_udp.xml /opt/flyguard/fastdds_udp.xml
+# Пульт проигрывания для `docker exec` (пауза, перемотка, скорость)
+COPY docker/flyguard-keys.sh /usr/local/bin/flyguard-keys
+# Снятие CR: при клонировании на Windows git может подставить CRLF, и тогда
+# ядро ищет интерпретатор «bash\r». Ошибка неочевидная, а стоит одной строки.
+RUN sed -i 's/\r$//' /entrypoint.sh /usr/local/bin/flyguard-keys \
+    && chmod +x /entrypoint.sh /usr/local/bin/flyguard-keys
+
+# BLAS в один поток. Матрицы конвейера мелкие, и потоки OpenBLAS не ускоряют
+# кадр, а крутятся вхолостую в ожидании работы: при 4 потоках узел занимал
+# 3 ядра, при одном — 0.4 ядра, а кадр даже чуть быстрее (33.9 / 39.3 мс против
+# 33.2 / 40.5, медиана / p95; синтетика 43.7 / 50.2 против 45.9 / 54.7).
+ENV OMP_NUM_THREADS=1 \
+    OPENBLAS_NUM_THREADS=1 \
+    MKL_NUM_THREADS=1 \
     PYTHONUNBUFFERED=1 \
-    PYTHONDONTWRITEBYTECODE=1 \
+    RCUTILS_COLORIZED_OUTPUT=1
-    PYTHONPATH="/app:/app/tools" \
-    FLYGUARD_DATA="/data" \
-    FLYGUARD_DEVICE="auto" \
-    NVIDIA_VISIBLE_DEVICES=all \
-    NVIDIA_DRIVER_CAPABILITIES=compute,utility
 
-# Install Python 3.11, pip, and system runtime libraries (OpenMP for LightGBM/Torch)
+# Транспорт под кадр в 24 МБ: умолчания Fast DDS рассчитаны на сотни килобайт
-RUN apt-get update && apt-get install -y --no-install-recommends \
+# и теряли половину кадров ещё до подписчика. Профиль поднимает сегмент
-    software-properties-common \
+# разделяемой памяти и буферы сокетов; снимается через FLYGUARD_DDS_PROFILE=0.
-    ca-certificates \
+ENV FASTRTPS_DEFAULT_PROFILES_FILE=/opt/flyguard/fastdds_large.xml
-    libgomp1 \
-    curl \
-    && add-apt-repository -y ppa:deadsnakes/ppa \
-    && apt-get update && apt-get install -y --no-install-recommends \
-    python3.11 \
-    python3.11-distutils \
-    && curl -sS https://bootstrap.pypa.io/get-pip.py | python3.11 \
-    && ln -sf /usr/bin/python3.11 /usr/bin/python3 \
-    && ln -sf /usr/bin/python3.11 /usr/bin/python \
-    && apt-get clean && rm -rf /var/lib/apt/lists/*
 
-# Create non-root user for container security compliance
+ENTRYPOINT ["/entrypoint.sh"]
-RUN useradd -m -u 1000 -s /bin/bash flyguard && \
+CMD ["ros2", "launch", "flyguard", "detect.launch.py"]
-    mkdir -p /app /data /app/artifacts && \
-    chown -R flyguard:flyguard /app /data
-
-WORKDIR /app
-
-# Cache layer: install Python dependencies with PyTorch CUDA 12.1+ wheels
-COPY --chown=flyguard:flyguard requirements-gpu.txt /app/
-RUN pip install --no-cache-dir --upgrade pip setuptools wheel && \
-    pip install --no-cache-dir -r requirements-gpu.txt
-
-# Copy source code and artifacts
-COPY --chown=flyguard:flyguard . /app/
-RUN chmod +x /app/docker-entrypoint.sh
-
-USER flyguard
-VOLUME ["/data", "/app/artifacts"]
-
-# Container healthcheck: verifies Python runtime and graceful device detection
-HEALTHCHECK --interval=30s --timeout=10s --start-period=5s --retries=3 \
-    CMD python3 -c "import flyguard; from flyguard.device import get_device_info; print('healthy', get_device_info())" || exit 1
-
-ENTRYPOINT ["/app/docker-entrypoint.sh"]
-CMD ["default"]

Dockerfile.gpu

@@ -1,7 +1,7 @@
 # ============================================================================
 # FlyGuard GPU: NVIDIA RTX / CUDA 12 Production Image (Кейс 05, ЛЦТ-2026)
 # Архитектура: Ada Lovelace (RTX 4070 Ti Super 16GB) / Ampere / Turing
-# Полная совместимость с Dockerfile (Stage: production)
+# Полная совместимость с Dockerfile.offline (Stage: production)
 # ============================================================================
 FROM nvidia/cuda:12.4.1-runtime-ubuntu22.04 AS production
 

Dockerfile.offline

@@ -0,0 +1,96 @@
+# ============================================================================
+# FlyGuard: Bionic Obstacle Detection Core (LCT-2026, Case 05)
+# Hesai Pandar128 LiDAR (128 beams, 10 Hz / 100ms)
+# Universal Production Image: NVIDIA CUDA 12.x / Ada Lovelace / Graceful CPU Fallback
+# ============================================================================
+
+# ----------------------------------------------------------------------------
+# Stage 1: Optional lightweight CPU-only image (build with: --target cpu)
+# ----------------------------------------------------------------------------
+FROM python:3.11-slim-bookworm AS cpu
+
+ENV DEBIAN_FRONTEND=noninteractive \
+    PYTHONUNBUFFERED=1 \
+    PYTHONDONTWRITEBYTECODE=1 \
+    PYTHONPATH="/app:/app/tools" \
+    FLYGUARD_DATA="/data" \
+    FLYGUARD_DEVICE="cpu"
+
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    libgomp1 \
+    ca-certificates \
+    && rm -rf /var/lib/apt/lists/*
+
+RUN useradd -m -u 1000 -s /bin/bash flyguard && \
+    mkdir -p /app /data /app/artifacts && \
+    chown -R flyguard:flyguard /app /data
+
+WORKDIR /app
+COPY --chown=flyguard:flyguard requirements.txt /app/
+RUN pip install --no-cache-dir --upgrade pip && \
+    pip install --no-cache-dir -r requirements.txt
+
+COPY --chown=flyguard:flyguard . /app/
+RUN chmod +x /app/docker-entrypoint.sh
+
+USER flyguard
+VOLUME ["/data", "/app/artifacts"]
+ENTRYPOINT ["/app/docker-entrypoint.sh"]
+CMD ["default"]
+
+
+# ----------------------------------------------------------------------------
+# Stage 2: Universal Production Image with NVIDIA GPU acceleration & CPU fallback
+# (Default target when building with: docker build -t flyguard:latest .)
+# ----------------------------------------------------------------------------
+FROM nvidia/cuda:12.4.1-runtime-ubuntu22.04 AS production
+
+ENV DEBIAN_FRONTEND=noninteractive \
+    PYTHONUNBUFFERED=1 \
+    PYTHONDONTWRITEBYTECODE=1 \
+    PYTHONPATH="/app:/app/tools" \
+    FLYGUARD_DATA="/data" \
+    FLYGUARD_DEVICE="auto" \
+    NVIDIA_VISIBLE_DEVICES=all \
+    NVIDIA_DRIVER_CAPABILITIES=compute,utility
+
+# Install Python 3.11, pip, and system runtime libraries (OpenMP for LightGBM/Torch)
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    software-properties-common \
+    ca-certificates \
+    libgomp1 \
+    curl \
+    && add-apt-repository -y ppa:deadsnakes/ppa \
+    && apt-get update && apt-get install -y --no-install-recommends \
+    python3.11 \
+    python3.11-distutils \
+    && curl -sS https://bootstrap.pypa.io/get-pip.py | python3.11 \
+    && ln -sf /usr/bin/python3.11 /usr/bin/python3 \
+    && ln -sf /usr/bin/python3.11 /usr/bin/python \
+    && apt-get clean && rm -rf /var/lib/apt/lists/*
+
+# Create non-root user for container security compliance
+RUN useradd -m -u 1000 -s /bin/bash flyguard && \
+    mkdir -p /app /data /app/artifacts && \
+    chown -R flyguard:flyguard /app /data
+
+WORKDIR /app
+
+# Cache layer: install Python dependencies with PyTorch CUDA 12.1+ wheels
+COPY --chown=flyguard:flyguard requirements-gpu.txt /app/
+RUN pip install --no-cache-dir --upgrade pip setuptools wheel && \
+    pip install --no-cache-dir -r requirements-gpu.txt
+
+# Copy source code and artifacts
+COPY --chown=flyguard:flyguard . /app/
+RUN chmod +x /app/docker-entrypoint.sh
+
+USER flyguard
+VOLUME ["/data", "/app/artifacts"]
+
+# Container healthcheck: verifies Python runtime and graceful device detection
+HEALTHCHECK --interval=30s --timeout=10s --start-period=5s --retries=3 \
+    CMD python3 -c "import flyguard; from flyguard.device import get_device_info; print('healthy', get_device_info())" || exit 1
+
+ENTRYPOINT ["/app/docker-entrypoint.sh"]
+CMD ["default"]

README.md

@@ -63,7 +63,7 @@ ROS 2 bag  →  /lidar_points (PointCloud2, 0.3–0.9 млн точек, 10 Гц
 ## Сборка
 
 ```bash
-docker build -t flyguard -f docker/Dockerfile .
+docker build -t flyguard .
 ```
 
 Образ основан на `ros:humble-ros-base-jammy` (Ubuntu 22.04 + ROS 2 Humble). Все зависимости
@@ -647,9 +647,9 @@ artifacts/                   обученная память тоннеля и
 ```
 
 Ядро в `flyguard/` и в `ros2_ws/src/flyguard/flyguard/` — один и тот же код из одного
-источника. Сборка и запуск по этому README — через `docker/Dockerfile`. В корне лежат ещё
+источника. Корневой `Dockerfile` и `docker/Dockerfile` собирают один и тот же образ. В корне
-`Dockerfile`, `Dockerfile.gpu` и `docker-compose.yml` для прогона ядра по записям без ROS
+лежат ещё `Dockerfile.offline`, `Dockerfile.gpu` и `docker-compose.yml` для прогона ядра по
-и `Dockerfile.ros2` с узлом `flyguard/flyguard_ros2_node.py`.
+записям без ROS и `Dockerfile.ros2` с узлом `flyguard/flyguard_ros2_node.py`.
 
 ## Лицензия
 

docker-compose.yml

@@ -8,7 +8,7 @@ services:
   pipeline:
     build:
       context: .
-      dockerfile: Dockerfile
+      dockerfile: Dockerfile.offline
     image: flyguard:latest
     container_name: flyguard-pipeline
     command: ["pipeline", "--all", "--verbose"]
@@ -209,7 +209,7 @@ services:
   cpu-test:
     build:
       context: .
-      dockerfile: Dockerfile
+      dockerfile: Dockerfile.offline
       target: cpu
     image: flyguard:cpu
     container_name: flyguard-cpu-test

docker-run.sh

@@ -46,11 +46,11 @@ CMD="${1:-run}"
 case "$CMD" in
     build)
         echo "==> Сборка универсального образа FlyGuard ($IMAGE_NAME)..."
-        docker build -t "$IMAGE_NAME" -f "$DIR/Dockerfile" "$DIR"
+        docker build -t "$IMAGE_NAME" -f "$DIR/Dockerfile.offline" "$DIR"
         ;;
     build-cpu)
         echo "==> Сборка облегченного CPU-образа FlyGuard (flyguard:cpu)..."
-        docker build --target cpu -t flyguard:cpu -f "$DIR/Dockerfile" "$DIR"
+        docker build --target cpu -t flyguard:cpu -f "$DIR/Dockerfile.offline" "$DIR"
         ;;
     run|default)
         shift 2>/dev/null || true

docs/DOCKER.md

@@ -34,7 +34,7 @@ FlyGuard поставляется в виде универсального пр
 
 ### Универсальный образ с GPU-ускорением (по умолчанию)
 ```bash
-docker build -t flyguard:latest .
+docker build -t flyguard:latest -f Dockerfile.offline .
 ```
 * **База**: `nvidia/cuda:12.4.1-runtime-ubuntu22.04`
 * **Python**: 3.11, PyTorch CUDA 12.1+, cuDNN, OpenMP `libgomp1`
@@ -43,7 +43,7 @@ docker build -t flyguard:latest .
 
 ### Облегченный CPU-образ (опционально, ~200 МБ)
 ```bash
-docker build --target cpu -t flyguard:cpu .
+docker build --target cpu -t flyguard:cpu -f Dockerfile.offline .
 ```
 
 ---