CARLA自动驾驶仿真入门指南：从环境搭建到第一个仿真场景

1次阅读

共计 2149 个字符，预计需要花费 6 分钟才能阅读完成。

CARLA 是一个开源的自动驾驶仿真平台，基于 Unreal Engine 构建，提供高度可配置的传感器模拟和环境控制能力。它的核心特点包括：

高精度物理引擎：支持车辆动力学、传感器物理模拟
模块化设计：地图、车辆、传感器均可自由组合
Python API：提供便捷的编程接口控制仿真

架构上分为服务端 (Server) 和客户端 (Client) 两部分：

graph LR
    A[Client-PythonAPI] --> B[Server-UnrealEngine]
    B --> C[传感器数据]
    B --> D[物理仿真]

Ubuntu 18.04/20.04 (推荐)或 Windows 10
NVIDIA 显卡(建议 GTX 1080 以上)
至少 50GB 可用磁盘空间

安装依赖项：

sudo apt-get install -y \
    python3-pip \
    libomp5 \
    libpng16-16

下载预编译包（以 0.9.13 版本为例）：

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

安装 Python 依赖：

pip3 install --user pygame numpy

import carla
import random

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

# 加载地图
world = client.load_world('Town01')

# 生成车辆蓝图库
blueprint_library = world.get_blueprint_library()
car_bp = random.choice(blueprint_library.filter('vehicle.*'))

# 设置生成点
spawn_points = world.get_map().get_spawn_points()
spawn_point = random.choice(spawn_points)

# 生成车辆
vehicle = world.spawn_actor(car_bp, spawn_point)
print(f'Spawned {car_bp.id} at {spawn_point.location}')

# 添加 RGB 摄像头
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '800')
camera_bp.set_attribute('image_size_y', '600')

# 将摄像头安装在车辆上
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

# 定义传感器回调函数
def camera_callback(image):
    image.save_to_disk('output/%06d.png' % image.frame)

# 注册回调
camera.listen(camera_callback)

黑屏 / 花屏：尝试禁用集成显卡，确保使用 NVIDIA 显卡
低帧率：在 CarlaSettings.ini 中降低质量设置

try:
    client = carla.Client('localhost', 2000)
    client.set_timeout(2.0)
    world = client.get_world()
except RuntimeError:
    print("请先启动 CARLA 服务端: ./CarlaUE4.sh")

使用 --quality-level=Low 启动服务端
减少同时活跃的物理对象数量
对于 AI 车辆，设置适当的traffic_manager.global_percentage_speed_difference

尝试修改以下参数：

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

# 生成行人
pedestrian_bp = random.choice(blueprint_library.filter('walker.*'))
pedestrian = world.spawn_actor(pedestrian_bp, random.choice(spawn_points))

通过本文的实践，你应该已经能够搭建基础仿真环境并运行简单场景。建议下一步尝试构建完整的感知 - 决策 - 控制闭环系统，或探索更复杂的地图场景。

正文完