2. 基础环境搭建
各位同学，大家好。我是你们这门课的主讲工程师。
说实话，每次带新人入职，我最头疼的就是环境搭建这一步。明明代码逻辑都写好了，结果一跑起来全是「找不到某某库」、「版本冲突」。嗯，今天这一章，咱们就把这些坑提前填上。
2.1 Python与C++开发环境配置
自动驾驶的算法栈，说白了就是Python和C++的混合体。Python负责快速原型验证，C++负责性能落地。我个人习惯是：Python写控制逻辑原型，C++写最终部署代码。
2.1.1 Python环境
我建议你直接用Anaconda来管理Python环境。为什么？因为自动驾驶项目依赖的库太多了——numpy、scipy、matplotlib、opencv-python、shapely……你想想看，如果每个项目都装到系统Python里，迟早乱成一锅粥。
我的推荐配置：
- Python 3.8 或 3.10（3.8最稳，3.10兼容性更好）
- conda create -n autodrive python=3.8
- pip install numpy scipy matplotlib opencv-python shapely
我曾经在项目里吃过一次亏：用Python 3.11跑一个老版本的轨迹优化库，结果底层C扩展编译不过去。折腾了两天才发现是Python版本太高。从那以后，我所有新项目都先用Python 3.8打底。
2.1.2 C++环境
C++这边，我推荐用CMake + GCC/G++这套组合。Ubuntu 20.04自带GCC 9，够用。如果你要跑一些最新的C++17/20特性，可以手动装GCC 11。
一个小技巧：
装完GCC后，记得检查一下版本：gcc --version。如果系统里装了多个版本，用update-alternatives来切换默认版本。我在调试一个老项目时，就因为GCC版本太高导致ABI不兼容，链接阶段报了一堆莫名其妙的错误。
另外，Eigen库是必装的——做矩阵运算、坐标变换都离不开它。安装很简单：sudo apt install libeigen3-dev。
2.2 ROS/ROS2安装与基础
ROS（Robot Operating System）在自动驾驶圈子里，几乎是事实上的标准通信框架。你想想看，一个自动驾驶系统里，感知模块、定位模块、规划模块、控制模块，它们之间怎么交换数据？总不能每个模块都自己写一套Socket通信吧？ROS就是来解决这个问题的。
2.2.1 ROS1还是ROS2？
这个问题我经常被问到。我的建议是：学ROS2，但也要懂ROS1。
| 对比项 | ROS1 (Noetic) | ROS2 (Foxy/Humble) |
|---|---|---|
| 通信机制 | 基于TCPROS/UDPROS | 基于DDS（数据分发服务） |
| 实时性 | 不支持 | 支持（通过DDS配置） |
| 多机通信 | 需要配置ROS_MASTER_URI | 天然支持，去中心化 |
| 生命周期 | 2025年停止维护 | 活跃维护中 |
我个人习惯是：新项目用ROS2，但读老代码时得懂ROS1。毕竟很多经典的规划控制算法库（比如teb_local_planner）还是基于ROS1写的。
2.2.2 ROS2安装（以Humble为例）
安装过程其实不复杂，但有几个坑要注意。
# 1. 设置locale
sudo apt update && sudo apt install locales
sudo locale-gen en_US en_US.UTF-8
# 2. 添加ROS2源
sudo apt install software-properties-common
sudo add-apt-repository universe
# 3. 安装ROS2 Humble
sudo apt install ros-humble-desktop
# 4. 设置环境变量
echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc
注意：
安装完成后，一定要测试一下：ros2 run demo_nodes_cpp talker。如果报错说找不到节点，八成是环境变量没生效。我曾经帮一个同事排查了半天，最后发现他忘了source setup.bash……
2.2.3 ROS2核心概念速览
ROS2里最重要的三个概念：节点(Node)、话题(Topic)、服务(Service)。
- 节点：一个可执行程序，负责某个具体功能。比如一个节点负责路径规划，另一个节点负责速度控制。
- 话题：节点之间通信的「总线」。一个节点发布消息到话题，其他节点订阅这个话题就能收到消息。说白了就是发布-订阅模式。
- 服务：请求-响应模式。适合那种「你问我答」的场景，比如请求一个路径规划结果。
举个例子：
# 发布者节点（模拟车辆位置）
ros2 topic pub /vehicle_pose geometry_msgs/msg/PoseStamped "{header: {frame_id: 'map'}, pose: {position: {x: 1.0, y: 2.0}}}"
# 订阅者节点（接收位置信息）
ros2 topic echo /vehicle_pose
你看，就这么几行命令，两个节点之间就通信起来了。这就是ROS的魅力——你不用关心底层Socket怎么建、数据怎么序列化，只管定义好消息格式就行。
2.3 常用仿真工具介绍
仿真在自动驾驶开发里有多重要？我这么说吧：没有仿真，你根本不敢把代码刷到实车上。我在项目里见过太多「仿真跑得好好的，一上车就翻车」的案例了。
2.3.1 轻量级仿真：Matlab/Simulink + Carsim
如果你主要做控制算法验证，Matlab/Simulink + Carsim这套组合非常高效。Simulink里搭一个PID控制器，Carsim提供车辆动力学模型，几分钟就能跑一个闭环仿真。
但缺点也很明显：贵。一套Carsim license好几万，而且没法做复杂的场景交互。
2.3.2 开源首选：CARLA + ROS2
CARLA是目前最流行的开源自动驾驶仿真器。它基于Unreal Engine，画面逼真，而且原生支持ROS2接口。
CARLA + ROS2的典型工作流：
- CARLA启动仿真世界，生成车辆和行人
- 通过ROS2 bridge，把CARLA里的传感器数据（相机、激光雷达、GPS）发布到ROS2话题
- 你的规划控制节点订阅这些话题，计算控制指令
- 控制指令通过ROS2 bridge发回CARLA，驱动虚拟车辆
我曾经用这套流程验证过一个Lattice Planner算法。在CARLA里跑了上千个随机场景，发现了一个在特定曲率下路径不连续的bug。要是直接上车测试，轻则颠簸，重则冲出车道。
2.3.3 轻量级替代：Webots / Gazebo
如果你的电脑配置不够跑CARLA（它确实吃显卡），可以考虑Webots或Gazebo。它们更轻量，但物理引擎和传感器仿真精度也够用。
我个人习惯是：算法原型验证用Webots，系统集成测试用CARLA。Webots启动快，改代码-跑仿真-看结果的循环非常快；CARLA场景丰富，适合做回归测试。
2.4 本章知识体系总览
下面这张图，是我自己整理的本章知识结构。你可以把它当作一个「地图」，学完本章后对照着检查一下，看看哪些地方还没掌握。
我的个人建议：
别急着把所有工具都装一遍。先装Python和ROS2，跑通一个最简单的「发布-订阅」例子。然后装CARLA，让车在仿真里动起来。每一步都验证通过，再往下走。我曾经见过有人一口气装了三天环境，结果一个都没跑通，心态直接崩了。
好了，这一章的内容就到这里。环境搭建是枯燥的，但也是最重要的基础。把这一步走扎实了，后面学规划控制算法的时候，你会感谢现在的自己。
可可精品资料库