共计 1439 个字符，预计需要花费 4 分钟才能阅读完成。
背景与痛点
CARLA 是一个开源的自动驾驶仿真平台，广泛应用于自动驾驶算法的开发和测试。对于新手开发者来说，直接从源码编译 CARLA 可能会遇到各种问题，比如依赖库缺失、编译错误等。预编译版的出现大大降低了入门门槛，但仍然存在一些配置和使用上的陷阱。本文将详细介绍如何快速搭建 CARLA 预编译版环境，并提供一些实用的避坑技巧。
技术选型对比
- 预编译版：
- 优点：安装简单，无需编译，节省时间；适合快速入门和测试。
-
缺点：功能可能受限，无法自定义修改核心代码；版本更新可能滞后。
-
源码编译版：
- 优点：功能完整，可自定义修改；适合深度开发和性能优化。
- 缺点：编译过程复杂，依赖库多，容易出错；耗时较长。
对于新手来说，预编译版无疑是更友好的选择。
核心实现细节
系统要求
- 操作系统：Ubuntu 18.04 或 20.04（推荐）
- 显卡：NVIDIA 显卡，支持 CUDA
- 内存：至少 8GB
- 存储空间：至少 20GB
安装步骤
-
下载预编译版：从 CARLA 官网下载最新的预编译版本（如 CARLA 0.9.13）。
-
解压文件：
tar -xzvf CARLA_0.9.13.tar.gz -
安装依赖库：
sudo apt-get install python3-pip pip3 install --user pygame numpy -
运行 CARLA：
./CarlaUE4.sh
代码示例
以下是一个简单的 Python 脚本，用于连接 CARLA 服务器并生成一辆车：
import carla
# 连接 CARLA 服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
# 获取世界对象
world = client.get_world()
# 生成一辆车
blueprint_library = world.get_blueprint_library()
vehicle_bp = blueprint_library.find('vehicle.tesla.model3')
spawn_point = world.get_map().get_spawn_points()[0]
vehicle = world.spawn_actor(vehicle_bp, spawn_point)
print('Vehicle spawned:', vehicle)性能与安全性考量
-
性能：预编译版通常经过优化，运行效率较高，但在大规模场景中可能不如源码编译版灵活。
-
安全性：预编译版由官方团队维护，安全性有保障，但无法自定义安全相关的底层代码。
避坑指南
- 问题：运行 CARLA 时提示缺少依赖库。
-
解决：根据错误提示安装对应的依赖库，如
libomp5、libpng-dev等。 -
问题：Python 脚本无法连接到 CARLA 服务器。
-
解决：确保 CARLA 服务器已启动，并且端口（默认 2000）未被占用。
-
问题：车辆无法生成或行为异常。
- 解决：检查蓝图名称和生成点是否正确，确保世界对象已加载。
互动环节
尝试修改上面的 Python 脚本，实现以下功能：
- 生成多辆车，并让它们沿着道路行驶。
- 添加一个行人，并设置其行走路径。
- 使用摄像头传感器捕获车辆前方的图像。
通过这些小任务，你可以更深入地理解 CARLA 的 API 和自动驾驶仿真的基本原理。
总结
CARLA 预编译版为新手开发者提供了一个快速入门的途径，避免了复杂的编译过程。通过本文的指导，你可以轻松搭建 CARLA 环境并开始自动驾驶算法的开发。如果在使用过程中遇到问题，可以参考避坑指南或查阅 CARLA 官方文档。希望这篇指南能帮助你顺利踏上自动驾驶开发之旅！
