CARLA自动驾驶入门实战：从零配置车辆自动驾驶的完整指南

1次阅读

共计 3647 个字符，预计需要花费 10 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虚拟环境和丰富的传感器模型。对于自动驾驶研发人员来说，CARLA 的最大价值在于能够快速验证算法在不同场景下的表现，而无需承担真实道路测试的高成本和风险。通过 CARLA，开发者可以轻松模拟各种天气条件、交通状况和突发情况，大大加速算法迭代周期。

安装 CARLA 服务器和客户端

建议使用 CARLA 0.9.13 版本（当前稳定版），下载地址：https://github.com/carla-simulator/carla/releases

下载对应操作系统的预编译包
解压后运行 CarlaUE4.exe（Windows）或./CarlaUE4.sh（Linux）启动服务器
Python 环境配置

需要安装以下 Python 包（建议使用 Python 3.7+）：

pip install carla==0.9.13
pip install pygame
pip install numpy
pip install opencv-python

连接 CARLA 服务器

import carla

# 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

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

# 选择车辆蓝图
vehicle_bp = blueprint_library.find('vehicle.tesla.model3')

# 设置生成点
spawn_point = carla.Transform(carla.Location(x=10, y=2, z=0.5))

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

配置传感器（以摄像头为例）

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

# 设置摄像头位置
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))

# 生成并绑定摄像头
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

# 定义回调函数处理图像数据
def process_image(image):
    # 转换为 numpy 数组
    array = np.frombuffer(image.raw_data, dtype=np.uint8)
    array = np.reshape(array, (image.height, image.width, 4))
    array = array[:, :, :3]  # 去掉 alpha 通道

    # 这里可以添加图像处理代码

    # 显示图像
    cv2.imshow('Camera View', array)
    cv2.waitKey(1)

# 注册回调
camera.listen(process_image)

激活自动驾驶模式

# 启用自动驾驶
vehicle.set_autopilot(True)

# 如果需要自定义自动驾驶行为，可以禁用 autopilot
# 然后使用 vehicle.apply_control()方法手动控制

端口冲突问题
错误表现：无法连接到 CARLA 服务器
解决方案：检查端口 2000 是否被占用，或使用client = carla.Client('localhost', 2000, worker_threads=1)
坐标系转换错误
错误表现：传感器数据位置不正确
解决方案：确保所有 Transform 都使用 CARLA 坐标系（x 向前，y 向右，z 向上）
性能优化建议
控制帧率：settings = world.get_settings() settings.fixed_delta_seconds = 0.05（20FPS）
关闭不需要的渲染：settings.no_rendering_mode = True（仅用于算法测试时）

"""CARLA 自动驾驶基础示例"""
import carla
import random
import numpy as np
import cv2

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

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

    # 设置同步模式（可选）settings = world.get_settings()
    settings.synchronous_mode = True
    settings.fixed_delta_seconds = 0.05
    world.apply_settings(settings)

    # 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) if spawn_points else carla.Transform()
    vehicle = world.try_spawn_actor(vehicle_bp, spawn_point)

    if vehicle is None:
        raise RuntimeError("无法生成车辆，请检查生成点")

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

    # 图像处理回调
    def process_image(image):
        array = np.frombuffer(image.raw_data, dtype=np.uint8)
        array = np.reshape(array, (image.height, image.width, 4))
        array = array[:, :, :3]
        cv2.imshow('Camera View', array)
        cv2.waitKey(1)

    camera.listen(process_image)

    # 启用自动驾驶
    vehicle.set_autopilot(True)

    # 运行一段时间
    for _ in range(1000):
        world.tick()

finally:
    # 清理
    if 'vehicle' in locals() and vehicle is not None:
        vehicle.destroy()
    if 'camera' in locals() and camera is not None:
        camera.destroy()
    cv2.destroyAllWindows()

    # 恢复默认设置
    settings = world.get_settings()
    settings.synchronous_mode = False
    settings.no_rendering_mode = False
    world.apply_settings(settings)

掌握了基础自动驾驶功能后，可以尝试以下进阶方向：