CARLA自动驾驶仿真平台：从环境搭建到多传感器融合实战

1次阅读

共计 981 个字符，预计需要花费 3 分钟才能阅读完成。

CARLA 采用服务端 - 客户端架构，服务端运行虚拟世界，客户端通过 API 控制仿真。理解这个模型是高效使用 CARLA 的关键。

服务端 ：负责维护虚拟环境、物理引擎和交通模拟
客户端 ：通过 Python API 控制车辆、设置传感器、获取数据
同步模式 ：默认异步运行，但关键测试建议启用同步模式保证数据一致性

安装方式选择
Docker 方式：快速但灵活性差，适合快速体验
源码编译：复杂但可定制，推荐长期开发者
UE4 版本兼容性
CARLA 0.9.13+ 需要 UE4.26
旧项目升级需注意地图兼容性问题

# 创建 RGB 相机
camera_bp = world.get_blueprint_library().find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '1920')
camera_bp.set_attribute('image_size_y', '1080')
camera_bp.set_attribute('fov', '90')

参数	说明	推荐值
channels	扫描线数	64
range	检测距离 (m)	100
points_per_second	点云密度	100000

原生 API：延迟低但功能有限
ROS Bridge：生态丰富但引入额外复杂度

完整跟驰场景代码示例：

# 车辆控制闭环示例
def control_loop():
    while True:
        # 获取前车距离
        distance = get_leading_vehicle_distance()

        # PID 控制
        throttle = pid_controller.update(distance)

        # 应用控制
        vehicle.apply_control(carla.VehicleControl(throttle=throttle))

CARLA 使用 PhysX 引擎，在以下方面需要特别注意：
– 轮胎摩擦系数与真实差异
– 传感器噪声模型简化
– 天气变化对物理的影响