基于CARLA构建多种典型自动驾驶测试场景的实践指南

1次阅读

没有评论

共计 2945 个字符，预计需要花费 8 分钟才能阅读完成。

在自动驾驶算法开发过程中，仿真测试是不可或缺的环节。CARLA 作为开源的自动驾驶仿真平台，虽然功能强大，但在实际使用中我发现手动构建测试场景存在以下问题：

重复性工作多：每次测试都需要手动放置车辆、设置天气、配置交通流
场景一致性差：人为操作难以保证多次测试的初始条件完全相同
管理成本高：随着测试场景增多，版本管理和复用变得困难

为了解决上述问题，我设计了一套基于 Python 的自动化场景构建框架，核心思路是：

使用 YAML 文件描述场景配置
通过 Python 脚本解析配置并调用 CARLA API
采用模块化设计支持灵活组合

场景配置文件采用 YAML 格式，示例结构如下：

scenario:
  name: "highway_overtake"
  map: "Town04"

weather:
  cloudiness: 30
  precipitation: 0
  sun_altitude: 75

actors:
  ego_vehicle:
    model: "vehicle.tesla.model3"
    spawn_point: [100.4, 3.5, 0.5]
    autopilot: true

  npc_vehicles:
    - model: "vehicle.audi.tt"
      spawn_point: [95.2, 3.5, 0.5]
      speed: 60

首先需要建立与 CARLA 服务的连接：

import carla
import yaml

def connect_to_carla(host='localhost', port=2000):
    """
    连接 CARLA 服务
    :param host: 服务地址
    :param port: 服务端口
    :return: client 和 world 对象
    """
    client = carla.Client(host, port)
    client.set_timeout(10.0)
    world = client.get_world()
    return client, world

下面是核心的场景加载代码：

def load_scenario(config_file):
    """
    加载并执行场景配置
    :param config_file: YAML 配置文件路径
    """
    with open(config_file) as f:
        config = yaml.safe_load(f)

    client, world = connect_to_carla()

    # 设置天气
    weather = carla.WeatherParameters(cloudiness=config['weather']['cloudiness'],
        precipitation=config['weather']['precipitation'],
        sun_altitude_angle=config['weather']['sun_altitude']
    )
    world.set_weather(weather)

    # 加载地图
    if 'map' in config['scenario']:
        world = client.load_world(config['scenario']['map'])

    # 生成 ego 车辆
    blueprint_library = world.get_blueprint_library()
    ego_bp = blueprint_library.find(config['actors']['ego_vehicle']['model'])
    ego_transform = carla.Transform(carla.Location(*config['actors']['ego_vehicle']['spawn_point'][:3]),
        carla.Rotation())
    ego_vehicle = world.spawn_actor(ego_bp, ego_transform)

    if config['actors']['ego_vehicle']['autopilot']:
        ego_vehicle.set_autopilot(True)

    # 生成 NPC 车辆
    for npc in config['actors']['npc_vehicles']:
        npc_bp = blueprint_library.find(npc['model'])
        npc_transform = carla.Transform(carla.Location(*npc['spawn_point'][:3]),
            carla.Rotation())
        npc_vehicle = world.spawn_actor(npc_bp, npc_transform)
        npc_vehicle.set_velocity(carla.Vector3D(npc['speed'], 0, 0))

预加载资源：在脚本开始时批量加载所有需要的蓝图
异步生成 ：使用apply_batch_sync() 批量生成 actor
内存管理：及时销毁不再需要的 actor

优化后的生成代码示例：

# 批量生成 NPC 车辆
batch_commands = []
for npc in config['actors']['npc_vehicles']:
    npc_bp = blueprint_library.find(npc['model'])
    npc_transform = carla.Transform(carla.Location(*npc['spawn_point'][:3]),
        carla.Rotation())
    batch_commands.append(carla.command.SpawnActor(npc_bp, npc_transform)
    )

# 执行批量生成
results = client.apply_batch_sync(batch_commands)
npc_actors = [world.get_actor(result.actor_id) for result in results]

坐标系统混淆：CARLA 使用 UE4 的左手法则坐标系，注意与常规右手坐标系的转换
异步操作问题 ：使用wait_for_tick() 确保世界状态更新
actor 生命周期 ：使用destroy() 显式销毁 actor 避免内存泄漏

为每个场景创建独立的 YAML 配置文件
使用 Git 管理场景配置和脚本
采用语义化版本号（如 v1.0.0）标记重要变更

可以通过继承基础场景类实现特定场景：

class AccidentScenario(BaseScenario):
    def __init__(self, config):
        super().__init__(config)

    def setup(self):
        # 添加事故车辆
        accident_car = self.spawn_vehicle(
            model="vehicle.dodge.charger_police",
            position=[120.0, 3.5, 0.5],
            rotation=[0, 0, 90]  # 侧翻 90 度
        )

建议读者尝试实现以下典型场景：