CARLA 数据采集与标注实战指南：从环境搭建到自动化处理

1次阅读

共计 1925 个字符，预计需要花费 5 分钟才能阅读完成。

自动驾驶开发离不开大量高质量的标注数据。传统实车采集存在成本高、场景覆盖有限等问题，而 CARLA 仿真平台提供了丰富的场景和传感器模拟能力。但在实际使用中，开发者常遇到:

场景多样性不足导致模型泛化性差
手动标注效率低下（特别是点云数据）
不同传感器时间戳不同步造成数据对齐困难

从 CARLA 官网下载对应版本的预编译包（建议 0.9.13+）
安装 Python 依赖：
```
pip install carla numpy opencv-python
```

启动服务端：

./CarlaUE4.sh -quality-level=Epic -carla-rpc-port=2000

import carla

# 连接服务端
client = carla.Client('localhost', 2000)
world = client.get_world()

# 创建传感器蓝图
blueprint_library = world.get_blueprint_library()
cam_bp = blueprint_library.find('sensor.camera.rgb')
lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')

# 配置摄像头参数
cam_bp.set_attribute('image_size_x', '1920')
cam_bp.set_attribute('image_size_y', '1080')
cam_bp.set_attribute('fov', '90')

# 安装到车辆
vehicle = world.spawn_actor(vehicle_bp, spawn_point)
camera = world.spawn_actor(cam_bp, carla.Transform(), attach_to=vehicle)
lidar = world.spawn_actor(lidar_bp, carla.Transform(), attach_to=vehicle)

# 场景管理示例
weather_presets = [
    carla.WeatherParameters.ClearNoon,
    carla.WeatherParameters.WetCloudyNoon,
    carla.WeatherParameters.HardRainNoon
]

for weather in weather_presets:
    world.set_weather(weather)

    # 触发传感器采集
    camera.listen(lambda image: image.save_to_disk(f'output/{frame_id}.png'))
    lidar.listen(lambda point_cloud: point_cloud.save_to_disk(f'output/{frame_id}.ply'))

    # 同步采集 10 秒
    time.sleep(10)

安装 CVAT 标注工具
使用 CARLA PythonAPI 生成基础标注：

# 获取物体 3D 边界框
for actor in world.get_actors():
    if isinstance(actor, carla.Vehicle):
        bbox = actor.bounding_box
        vertices = [
            bbox.location + carla.Location(x=±bbox.extent.x, 
                                         y=±bbox.extent.y,
                                         z=±bbox.extent.z)
            for x in [-1,1] for y in [-1,1] for z in [-1,1]
        ]
        # 转换为 CVAT 格式
        annotation = {
            'type': 'cuboid',
            'points': [v for vertex in vertices for v in [vertex.x, vertex.y, vertex.z]]
        }