CARLA自动驾驶模型新手入门指南：从环境搭建到第一个仿真场景

1次阅读

没有评论

共计 2384 个字符，预计需要花费 6 分钟才能阅读完成。

CARLA 是一款开源的自动驾驶仿真平台，它提供了高度可配置的城市环境、多样的传感器模型和灵活的 API 接口。对于刚接触自动驾驶研发的新手来说，CARLA 是一个理想的起点，可以帮助你快速理解自动驾驶系统的核心组件和工作流程。

CARLA（Car Learning to Act）是由英特尔实验室开发的一个开源自动驾驶仿真平台。它提供了一个完整的 3D 城市环境，支持多种天气条件和光照变化，可以模拟真实世界中的复杂交通场景。

CARLA 的主要优势包括：

真实的物理引擎和传感器模型
灵活的场景配置和交通参与者控制
丰富的 Python API 接口
开放源代码和活跃的社区支持

CARLA 支持 Windows 和 Linux 系统，建议配置如下：

操作系统：Ubuntu 18.04/20.04 或 Windows 10
CPU：Intel i7 或同等性能的 AMD 处理器
内存：16GB 以上
显卡：NVIDIA GPU（推荐 GTX 1070 或更高）
存储空间：至少 50GB 可用空间

下载 CARLA 发布包

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

安装 Python 依赖

pip install pygame numpy
pip install carla

启动 CARLA 服务器

./CarlaUE4.sh

问题 1 ：启动时报错 ”libomp.so.5 not found”
解决方案：sudo apt-get install libomp5
问题 2 ：Python 客户端无法连接服务器
解决方案：确保服务器已启动，并检查端口设置（默认 2000）

CARLA 提供了多个预构建的城市地图，包含道路、建筑、交通标志等元素。地图可以通过 World 对象访问。

CARLA 支持多种传感器模型，包括：

摄像头（RGB、深度、语义分割）
激光雷达
雷达
GPS
IMU

CARLA 中的交通参与者包括：

Ego Vehicle（主车）
NPC 车辆
行人
交通信号

下面是一个完整的 Python 脚本示例，展示了如何连接 CARLA 服务器、生成一辆车并添加一个摄像头传感器。

import carla
import random

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

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

# 3. 获取车辆蓝图
blueprint_library = world.get_blueprint_library()
vehicle_bp = random.choice(blueprint_library.filter('vehicle.*'))

# 4. 选择生成点
spawn_points = world.get_map().get_spawn_points()
spawn_point = random.choice(spawn_points)

# 5. 生成车辆
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

# 6. 添加摄像头传感器
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

# 7. 注册回调函数显示图像
def image_callback(image):
    image.save_to_disk('output/%06d.png' % image.frame)

camera.listen(image_callback)

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

# 9. 运行仿真
input("Press Enter to exit...")

# 10. 销毁对象
camera.destroy()
vehicle.destroy()