CARLA自动驾驶案例：从零搭建仿真环境的避坑指南

1次阅读

共计 2283 个字符，预计需要花费 6 分钟才能阅读完成。

第一次接触 CARLA 时，我被 Ubuntu 环境配置折磨得不轻。最常见的问题包括：

UE4 崩溃：特别是使用 Docker 部署时，显存不足直接导致虚幻引擎崩掉。后来发现是默认设置没限制 NPC 车辆数量，500 辆车同时渲染当然扛不住
传感器数据不同步 ：相机和 LiDAR 的时间戳对不上，后来发现必须在world.tick() 前设置client.set_timeout(10.0)
PyGame 窗口卡死：尤其在远程连接服务器时，需要加上os.environ["SDL_VIDEODRIVER"] = "dummy"

对比过 AirSim 和 LGSVL 后，CARLA 的优势很明显：

ROS 兼容性：原生支持 ROS/ROS2 桥接，不用自己写驱动
物理引擎：采用 PhysX 的车辆动力学比 AirSim 的简单模型更接近真实
场景多样性：自带 8 个高清地图（Town01 到 Town10HD），还能用 PythonAPI 动态修改天气、交通灯

# 选择地图时注意显存消耗
if use_high_quality:
    world = client.load_world('Town10HD')  # 需要至少 8G 显存
else:
    world = client.load_world('Town01')  # 入门首选

很多新手卡在数据同步上，关键代码：

# 必须设置的同步参数
settings = world.get_settings()
settings.synchronous_mode = True  # 启用同步
settings.fixed_delta_seconds = 0.05  # 20Hz 频率
world.apply_settings(settings)

# 超时设置避免卡死
client.set_timeout(10.0)

处理点云投影的经典代码段：

def project_point_cloud(lidar_data, camera):
    """将 LiDAR 点云投影到相机视角"""
    # 获取变换矩阵
    lidar2world = np.array(lidar_data.transform.get_matrix())
    world2camera = np.array(camera.get_transform().get_inverse_matrix())

    # 转换点云坐标系
    points = np.frombuffer(lidar_data.raw_data, dtype=np.float32)
    points = points.reshape(-1, 4)[:, :3]  # 取 xyz

    # 投影计算（实际代码还需考虑相机内参）points_camera = (world2camera @ lidar2world) @ points.T
    return points_camera.T

添加虚拟显示驱动：export DISPLAY=:0
改用 headless 模式启动：./CarlaUE4.sh -RenderOffScreen
降级 PyGame 版本：pip install pygame==2.0.1

traffic_manager = client.get_trafficmanager()
traffic_manager.set_global_distance_to_leading_vehicle(2.5)  # 车距
# 物理模拟精度必须设为最高
traffic_manager.set_hybrid_physics_mode(True)  
traffic_manager.set_random_device_seed(42)  # 固定随机种子

这个雪地场景特别适合测试算法鲁棒性：

# 设置极端天气
weather = carla.WeatherParameters(
    snow_density=90,  # 大雪
    wetness=80,       # 路面湿滑
    fog_density=50)
world.set_weather(weather)

实测数据（RTX 3090 显卡）：

NPC 车辆数	显存占用	帧率(FPS)
50	4.2GB	45
100	5.8GB	32
200	7.5GB	18

建议：调试阶段保持 NPC≤50，正式测试再逐步增加

CARLA 官方示例的代码风格比较随意，实际项目应该：

def get_sensor_data(vehicle: carla.Vehicle) -> dict:
    """规范的类型注解和文档字符串"""
    transform = vehicle.get_transform()
    return {'timestamp': time.time(),
        'location': (transform.location.x, transform.location.y),
        'speed': vehicle.get_velocity().length()  # m/s
    }

用 CARLA 验证端到端 RL 模型的实践方向：