2. 相机传感器
相机传感器，说白了就是自动驾驶仿真系统的「眼睛」。在CARLA里，相机不是简单的拍照工具，而是能输出多种数据流的传感器。我个人习惯把相机分成三类：RGB、深度、语义分割。每种都有自己的脾气，配置不对，数据就废了。
核心要点：相机传感器的配置核心在于三个东西——分辨率、视场角（FOV）、以及数据输出类型。这三个参数决定了你能看到什么、看得多清楚、以及数据怎么用。
2.1 RGB相机配置
RGB相机是最直观的。它输出的是彩色图像，跟普通摄像头拍出来的差不多。我在项目中遇到过一个问题：一开始用默认配置，结果图像偏暗，车道线都看不清。后来才发现是曝光参数没调。
配置RGB相机，你需要关注这几个参数：
- image_size_x / image_size_y：图像宽高。我建议至少用800x600，太低的话远处目标根本看不清。
- fov：视场角。默认90度，但如果你做变道场景，我习惯用110度，视野更宽。
- sensor_tick：采集频率。0.05秒就是20FPS，够用了。
- lens_circle_falloff：镜头边缘衰减。这个我踩过坑，默认值会导致图像四周发暗，建议调小。
# RGB相机配置示例
rgb_bp = blueprint_library.find('sensor.camera.rgb')
rgb_bp.set_attribute('image_size_x', '800')
rgb_bp.set_attribute('image_size_y', '600')
rgb_bp.set_attribute('fov', '110')
rgb_bp.set_attribute('sensor_tick', '0.05')
rgb_bp.set_attribute('lens_circle_falloff', '0.1')小技巧：如果你发现RGB图像颜色偏蓝或偏黄，可以调整white_balance_temperature参数。我一般设到5600K，接近自然光。
2.2 深度相机配置
深度相机输出的是每个像素到物体的距离。说白了，就是一张灰度图，越亮的地方越近，越暗的地方越远。嗯，这里要注意：深度数据不是给人看的，是给算法吃的。
配置深度相机，核心参数跟RGB差不多，但有一个关键区别——数据范围。
- fov：建议跟RGB保持一致，否则数据融合时会出问题。我曾经吃过这个亏，RGB和深度图的FOV不一致，标定搞了三天。
- range：最大探测距离。默认100米，但如果你做高速场景，我建议设到200米。
- lens_circle_falloff：这个在深度相机里影响不大，但建议保持默认。
# 深度相机配置示例
depth_bp = blueprint_library.find('sensor.camera.depth')
depth_bp.set_attribute('image_size_x', '800')
depth_bp.set_attribute('image_size_y', '600')
depth_bp.set_attribute('fov', '110')
depth_bp.set_attribute('range', '200')避坑指南：我曾经把深度相机的range设得太小，结果远处车辆直接显示为黑色，算法以为那里是空地，差点撞上。记住：深度图里黑色不代表没有物体，而是代表「超出范围」。
2.3 语义分割相机配置
语义分割相机，说白了就是给图像里的每个像素打标签。路面是路面，车辆是车辆，行人是行人。这个在训练感知模型时特别有用。
配置上，语义分割相机跟RGB几乎一样。但有一个坑——标签映射表。CARLA默认有23个类别，但你可能只需要其中几个。
- image_size_x / image_size_y：建议跟RGB一致，方便做像素级对齐。
- fov：同样建议保持一致。
- sensor_tick：这个可以设低一点，0.1秒就够了，因为语义分割数据变化没那么快。
# 语义分割相机配置示例
semantic_bp = blueprint_library.find('sensor.camera.semantic_segmentation')
semantic_bp.set_attribute('image_size_x', '800')
semantic_bp.set_attribute('image_size_y', '600')
semantic_bp.set_attribute('fov', '110')
semantic_bp.set_attribute('sensor_tick', '0.1')小技巧：语义分割图默认是伪彩色，但你可以通过CityScapesPalette转换成标准格式。我习惯在录制时直接保存原始标签值，而不是彩色图，这样后期处理更灵活。
2.4 相机属性详解
相机属性，说白了就是一堆可以调的旋钮。我整理了一个表格，方便你对照着调：
| 属性名 | 类型 | 默认值 | 我的推荐值 | 说明 |
|---|---|---|---|---|
| image_size_x | int | 800 | 800-1920 | 图像宽度，越大越清晰，但性能开销也大 |
| image_size_y | int | 600 | 600-1080 | 图像高度，建议保持16:9比例 |
| fov | float | 90.0 | 90-120 | 视场角，越大视野越宽，但边缘畸变越严重 |
| sensor_tick | float | 0.0 | 0.05-0.1 | 采集间隔（秒），0.05=20FPS |
| lens_circle_falloff | float | 5.0 | 0.5-2.0 | 镜头边缘衰减，值越小边缘越亮 |
| lens_k | float | -1.0 | 0.0 | 径向畸变系数，模拟鱼眼效果 |
| white_balance_temperature | float | 4000 | 5600 | 白平衡色温，值越高越偏蓝 |
| range | float | 100.0 | 100-200 | 深度相机最大探测距离（米） |
为什么会推荐这些值？你想想看，如果你做的是城区低速场景，FOV 90度就够了。但如果你做的是高速变道，FOV 110度能让你看到侧后方的车辆。我在做匝道汇入场景时，就吃过FOV太窄的亏，侧方车辆完全看不到。
重要提醒：所有相机的image_size_x和image_size_y必须保持一致，否则后期做多模态融合时，你会哭的。我建议统一设为800x600，性能和数据质量比较平衡。
2.5 相机传感器知识体系
下面这张图，是我梳理的相机传感器配置核心逻辑。你一看就明白了：
嗯，这张图其实就讲了一件事：三种相机共享基础属性，但各有各的独门绝技。你配置的时候，先把共同属性统一设好，再单独调各自的特有参数。这样不容易乱。
我的习惯：我会先配好RGB相机，然后把它的参数直接复制给深度和语义分割相机，只改blueprint类型。这样能保证三个相机的视野完全一致，后期做数据融合时省很多事。
最后说一句：相机配置看似简单，但细节决定成败。我见过太多人因为FOV不一致、分辨率不匹配，导致录出来的数据根本没法用。你想想看，花几个小时跑仿真，结果数据是废的，多亏啊。