CARLA自动驾驶仿真入门：从零搭建你的第一个自动驾驶测试环境

1次阅读

共计 3634 个字符，预计需要花费 10 分钟才能阅读完成。

自动驾驶技术的发展离不开高质量的仿真环境，而 CARLA 作为开源自动驾驶仿真平台，提供了高度可配置的传感器模拟、多样的场景和灵活的 API 接口。对于刚接触 CARLA 的新手来说，环境搭建、API 学习和性能优化往往是最大的挑战。本文将带你一步步从零开始搭建 CARLA 环境，实现第一个自动驾驶 Demo。

CARLA 虽然功能强大，但对新手来说存在几个明显痛点：

环境配置复杂：需要处理多个依赖项，且不同版本间兼容性问题频发
API 学习曲线陡峭：核心类和方法较多，文档示例有限
性能要求高：需要合理配置硬件资源才能流畅运行
调试困难：错误信息不直观，问题定位耗时

这些痛点往往让初学者在第一步就卡住，无法快速验证想法。下面我们就来逐个击破这些问题。

操作系统：Ubuntu 18.04/20.04（推荐）或 Windows 10
GPU：NVIDIA 显卡，至少 4GB 显存
内存：16GB 以上
存储：至少 50GB 可用空间

安装基础依赖

# Ubuntu 系统
sudo apt-get update
sudo apt-get install -y python3-pip python3-dev python3-opengl \
    libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev \
    libswscale-dev libv4l-dev libxvidcore-dev libx264-dev \
    libgtk-3-dev libatlas-base-dev gfortran

下载 CARLA 预编译包

建议从官网下载最新稳定版（如 0.9.13）：

wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.13.tar.gz
tar -xzvf CARLA_0.9.13.tar.gz
cd CARLA_0.9.13

安装 Python 依赖

pip install -r PythonAPI/requirements.txt

显示驱动问题：确保安装了正确的 NVIDIA 驱动，推荐使用 470 或更高版本
OpenGL 错误 ：尝试设置环境变量LIBGL_ALWAYS_SOFTWARE=1 临时解决
Python 版本冲突：建议使用 Python 3.7 或 3.8

CARLA 的核心功能主要通过 Python API 实现，主要模块包括：

carla.Client：连接 CARLA 服务器的入口点
carla.World：管理仿真世界和其中的所有对象
carla.Actor：所有动态实体的基类（车辆、行人等）
carla.Sensor：各种传感器（相机、雷达等）的基类
carla.BlueprintLibrary：可用角色蓝图库

连接服务器

client = carla.Client('localhost', 2000)
client.set_timeout(10.0)  # 设置超时

获取世界对象

world = client.get_world()

生成车辆

blueprint_library = world.get_blueprint_library()
vehicle_bp = blueprint_library.find('vehicle.tesla.model3')
spawn_point = carla.Transform(carla.Location(x=10, y=2, z=0.5))
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

添加相机传感器

camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '800')
camera_bp.set_attribute('image_size_y', '600')
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

以下是一个简单的自动驾驶 Demo，包含车辆生成、摄像头配置和基础控制逻辑：

import carla
import random
import time

def main():
    # 连接 CARLA 服务器
    client = carla.Client('localhost', 2000)
    client.set_timeout(10.0)

    try:
        # 获取世界对象
        world = client.get_world()

        # 设置天气
        weather = carla.WeatherParameters(
            cloudiness=10.0,
            precipitation=0.0,
            sun_altitude_angle=70.0)
        world.set_weather(weather)

        # 获取蓝图库
        blueprint_library = world.get_blueprint_library()

        # 生成车辆
        vehicle_bp = random.choice(blueprint_library.filter('vehicle.*'))
        spawn_points = world.get_map().get_spawn_points()
        spawn_point = random.choice(spawn_points)
        vehicle = world.spawn_actor(vehicle_bp, spawn_point)

        # 添加 RGB 相机
        camera_bp = blueprint_library.find('sensor.camera.rgb')
        camera_bp.set_attribute('image_size_x', '800')
        camera_bp.set_attribute('image_size_y', '600')
        camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
        camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

        # 相机回调函数
        def camera_callback(image):
            image.save_to_disk('output/%06d.png' % image.frame)

        # 注册回调
        camera.listen(camera_callback)

        # 设置自动驾驶模式
        vehicle.set_autopilot(True)

        # 运行 30 秒
        time.sleep(30)

    finally:
        # 清理
        if 'camera' in locals():
            camera.destroy()
        if 'vehicle' in locals():
            vehicle.destroy()
        print('Demo 结束，清理完成')

if __name__ == '__main__':
    main()

CARLA 对硬件要求较高，以下优化建议可提升运行效率：