Python实战：CARLA自动驾驶模拟器入门指南与避坑手册

1次阅读

没有评论

共计 2173 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模拟器，基于虚幻引擎构建，专门用于自动驾驶系统的开发、训练和验证。它提供了高度可配置的模拟环境，包括城市街道、高速公路、乡村道路等多种场景，支持各种天气条件和光照变化。

CARLA 的核心架构分为两部分：

服务器端：负责运行模拟环境和物理引擎
客户端：通过 Python API 与服务器通信，控制模拟过程

这种架构使得研究人员可以方便地在模拟环境中测试自动驾驶算法，而无需担心真实世界中的安全风险和成本问题。

首先需要安装 CARLA 模拟器本体，可以从官网下载预编译版本
Python 环境建议使用 3.7+ 版本，并安装以下依赖包：

pip install pygame numpy
pip install carla

常见安装问题解决方案：
如果遇到 DLL 加载错误，请确保安装了对应版本的 Visual C++ Redistributable
在 Linux 系统下可能需要手动安装 libomp5
Python 版本不匹配是最常见的问题，务必检查版本兼容性

import carla

# 连接本地 CARLA 服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)  # 设置超时时间

# 获取世界对象
world = client.get_world()

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

# 创建车辆
vehicle_bp = blueprint_library.filter('model3')[0]
spawn_point = world.get_map().get_spawn_points()[0]
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

# 创建行人
walker_bp = blueprint_library.filter('walker.pedestrian.*')[0]
walker_controller_bp = blueprint_library.find('controller.ai.walker')
walker = world.spawn_actor(walker_bp, carla.Transform())
controller = world.spawn_actor(walker_controller_bp, carla.Transform(), walker)
controller.start()
controller.go_to_location(world.get_random_location_from_navigation())

# 获取车辆控制对象
control = carla.VehicleControl()

# 设置油门和转向
control.throttle = 0.5
control.steer = 0.2

# 应用控制
vehicle.apply_control(control)

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

# 设置传感器位置
transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, 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)