AirSim无人车自动驾驶入门实战：从环境搭建到避障算法实现

1次阅读

没有评论

共计 1656 个字符，预计需要花费 5 分钟才能阅读完成。

AirSim 作为微软开源的无人机 / 无人车仿真平台，有三大不可替代的优势：

物理引擎逼真：基于 Unreal Engine 的物理模拟，车辆动力学接近真实世界
传感器全：内置摄像头、LiDAR、IMU 等多种传感器模型，支持自定义参数
开发友好：提供 Python/C++ API，数据直接对接主流机器学习框架

安装 Unreal Engine 4.27（注意版本必须匹配）
通过 Epic Games Launcher 新建空白项目
克隆 AirSim 仓库到项目 Plugins 目录
编译 AirSim 插件（需提前安装 VS2019）

常见报错解决方案：

编译失败：检查是否安装了 Windows SDK 10.0.18362.0
无法加载地图：确认 Project Settings→Maps 路径配置正确

安装 UE4 引擎（建议通过源码编译）
配置环境变量：export UE4_ROOT=~/UnrealEngine
使用 ./setup.sh 一键配置依赖项

import airsim

# 连接仿真器
client = airsim.CarClient()
client.confirmConnection()

# 获取前视摄像头图像
image_response = client.simGetImage("front_center", airsim.ImageType.Scene)

# 获取 LiDAR 点云（需降采样处理）lidar_data = client.getLidarData()
points = np.array(lidar_data.point_cloud, dtype=np.float32).reshape(-1, 3)

# PID 控制器实现
class PIDController:
    def __init__(self, Kp, Ki, Kd):
        self.Kp = Kp  # 比例系数
        self.Ki = Ki  # 积分系数
        self.Kd = Kd  # 微分系数
        self.last_error = 0
        self.integral = 0

    def update(self, error, dt):
        self.integral += error * dt
        derivative = (error - self.last_error) / dt
        output = self.Kp*error + self.Ki*self.integral + self.Kd*derivative
        self.last_error = error
        return output

# 使用示例（调节经验值：先调 P，再调 D，最后微调 I）pid = PIDController(0.8, 0.001, 0.05)
steering = pid.update(lane_offset, 0.1)  # dt=0.1s

# 获取深度图并计算安全距离
depth_map = client.simGetImage("front_center", airsim.ImageType.DepthPerspective)
depth_array = airsim.list_to_2d_float_array(depth_map)

if np.min(depth_array[100:200, :]) < 5.0:  # 5 米内检测障碍物
    client.car.setBrake(1.0)  # 紧急制动