CARLA自动驾驶仿真平台新手入门指南：从环境搭建到第一个仿真场景

共计 1994 个字符，预计需要花费 5 分钟才能阅读完成。

CARLA 平台概述与应用场景

CARLA 是一款开源的自动驾驶仿真平台，基于 Unreal Engine 构建，提供高度可配置的仿真环境。它支持传感器模拟（如摄像头、激光雷达）、交通流控制、天气条件变化等功能，广泛应用于自动驾驶算法的开发与测试。

• 核心优势 ：物理引擎精准、传感器模型丰富、支持多客户端连接
• 典型应用 ：感知算法验证、决策规划测试、端到端系统集成
• 学习价值 ：零物理风险、可重复场景、低成本迭代

环境搭建（Ubuntu 20.04+）

推荐使用 Docker 部署方案避免依赖冲突：

1. 安装 NVIDIA 驱动和 Docker

   sudo apt-get install nvidia-driver-510 docker.io
   sudo systemctl enable docker

2. 拉取 CARLA 镜像

   docker pull carlasim/carla:0.9.13

3. 启动容器（映射端口 2000-2002）

   docker run -it --rm --gpus all -p 2000-2002:2000-2002 carlasim/carla:0.9.13 /bin/bash

4. 在容器内启动服务

   ./CarlaUE4.sh -RenderOffScreen

Python API 核心架构

CARLA 采用 Client-Server 模式，通过 TCP 协议通信：

import carla

# 连接服务端
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)  # 超时设置

# 获取世界对象
world = client.get_world()

关键对象模型：

• World：当前仿真环境容器
• Actor：场景中的动态实体（车辆、行人等）
• Blueprint：Actor 的模板定义
• Sensor：数据采集组件

实现车载摄像头传感器

以下代码创建前置摄像头并保存图像数据：

# 获取车辆蓝图
blueprint_library = world.get_blueprint_library()
cam_bp = blueprint_library.find('sensor.camera.rgb')
cam_bp.set_attribute('image_size_x', '800')
cam_bp.set_attribute('image_size_y', '600')

# 创建传感器（安装在车辆前方）camera = world.spawn_actor(
    cam_bp,
    carla.Transform(carla.Location(x=1.5, z=2.4)),
    attach_to=vehicle)

# 定义数据回调函数
def image_callback(image):
    image.save_to_disk('output/%06d.png' % image.frame)

# 注册回调
camera.listen(image_callback)

坐标系系统详解

CARLA 使用右手坐标系：

      Z
      |   X
      |  /
      | /
      |/_____ Y

• Location：米为单位 (x,y,z)
• Rotation：度为单位 (pitch,yaw,roll)
• Transform：位置 + 旋转的组合

天气与光照控制

通过修改世界属性实现环境变化：

weather = carla.WeatherParameters(
    cloudiness=80.0,
    precipitation=30.0,
    sun_altitude_angle=70.0)
world.set_weather(weather)

不同条件对比：

性能优化技巧

1. 同步模式 ：锁定时间步长，适合算法开发

   settings = world.get_settings()
   settings.synchronous_mode = True
   world.apply_settings(settings)

2. 固定时间步 ：控制仿真速度

   settings.fixed_delta_seconds = 0.05  # 20FPS

3. 传感器分组 ：异步组避免阻塞

常见问题解决

• GLIBC 版本冲突 ：使用 Docker 或编译指定版本
• 端口占用 ：检查 2000-2002 端口状态

  netstat -tulnp | grep 200

• 内存不足 ：启动时添加参数

  ./CarlaUE4.sh -quality-level=Low -RenderOffScreen

下一步学习建议

1. 尝试集成 OpenDRIVE 地图
2. 探索 LiDAR 点云数据处理
3. 研究交通管理器（Traffic Manager）API
4. 搭建多智能体交互场景

推荐官方资源：
– CARLA 文档：https://carla.readthedocs.io
– GitHub 示例：https://github.com/carla-simulator/carla

通过本指南，你应该已经能够搭建基础仿真环境并采集传感器数据。后续可以结合具体算法需求，深入探索 CARLA 的高级功能模块。