4. 包管理器安装

好，咱们接着往下走。上一章我们把环境基础打好了，这一章就来解决核心问题——怎么把CARLA本体请进你的电脑里。

安装CARLA，说白了就两条路：pip安装和Docker安装。我个人习惯是，做快速原型验证时用pip，搞团队协作或需要稳定部署时用Docker。你想想看，这两种方式各有各的脾气，咱们一个一个说清楚。

4.1 使用pip安装CARLA

pip安装是最直接的方式。我刚开始接触CARLA时，第一反应也是「直接pip完事」。嗯，这里要注意，CARLA的pip包和普通的Python包不太一样——它其实是一个预编译的二进制包，里面包含了完整的模拟器引擎。

具体步骤很简单，就两行命令：

# 创建一个干净的虚拟环境（我建议用conda）
conda create -n carla_env python=3.8
conda activate carla_env

# 安装CARLA
pip install carla-simulator

等等，这里有个坑。我在项目中遇到过，直接pip install carla-simulator可能会下载很慢，因为包体大概有2-3GB。我的做法是：

1. 先配置国内镜像源，比如清华源或阿里源
2. 或者直接去CARLA的GitHub Release页面下载预编译包

安装完成后，你可以用这个命令验证一下：

pip list | grep carla

如果看到类似carla-simulator 0.9.14的输出，说明pip安装成功了。

4.2 使用Docker安装CARLA

Docker安装是我个人更推荐的方式，尤其当你需要多人协作或在不同机器上复现环境时。说白了，Docker把整个CARLA环境打包成了一个「盒子」，你只需要拉下来就能跑，省去了各种依赖冲突的烦恼。

为什么我会这么说？因为我在项目中遇到过好几次「在我电脑上能跑，在你电脑上就报错」的尴尬情况。用Docker之后，这种问题再也没出现过。

Docker安装CARLA的步骤：

# 第一步：拉取CARLA镜像
docker pull carlasim/carla:latest

# 第二步：运行CARLA容器
docker run --rm -it \
  --net=host \
  --gpus all \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -e DISPLAY=$DISPLAY \
  carlasim/carla:latest

这里有几个参数我解释一下：

• --net=host：让容器使用宿主机的网络，这样你可以在宿主机上直接连接CARLA的端口
• --gpus all：如果你有NVIDIA显卡，加上这个参数可以启用GPU加速
• -v /tmp/.X11-unix：这是为了让容器能显示图形界面

拉取镜像的时间取决于你的网速。我记得第一次拉取时，3GB的镜像下了快半小时。建议你提前准备好，别等到演示前才拉。

4.3 验证安装是否成功

装完了，怎么知道它真的能跑？我一般用三步验证法：

4.3.1 启动模拟器

先启动CARLA服务端。如果你用的是pip安装：

# 找到CARLA的安装路径
python -c "import carla; print(carla.__file__)"

# 进入CARLA的根目录，运行
./CarlaUE4.sh

如果你用的是Docker，上面已经给了启动命令。启动后你会看到一个3D城市窗口，这就是CARLA的主界面。

4.3.2 运行客户端测试脚本

打开另一个终端，运行一个简单的Python脚本来连接服务端：

import carla

# 连接服务端
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)

# 获取世界对象
world = client.get_world()

# 打印当前地图名称
print(f"成功连接！当前地图：{world.get_map().name}")

# 获取所有可用的蓝图
blueprint_library = world.get_blueprint_library()
print(f"可用车辆蓝图数量：{len(blueprint_library.filter('vehicle.*'))}")

如果输出类似：

成功连接！当前地图：/Game/Carla/Maps/Town01
可用车辆蓝图数量：42

那就说明安装成功了。嗯，这里要注意，如果连接失败，八成是端口没开或者服务端没启动。

4.3.3 生成一辆测试车辆

最后一步，我习惯生成一辆车来验证整个流程是否通畅：

# 继续上面的代码
# 选择一个车辆蓝图
vehicle_bp = blueprint_library.filter('vehicle.audi.a2')[0]

# 选择一个生成点
spawn_points = world.get_map().get_spawn_points()
spawn_point = spawn_points[0]

# 生成车辆
vehicle = world.spawn_actor(vehicle_bp, spawn_point)
print(f"车辆已生成：{vehicle.type_id}")

# 让车辆动起来
vehicle.set_autopilot(True)
print("车辆已开启自动驾驶模式")

# 等待5秒后销毁
import time
time.sleep(5)
vehicle.destroy()
print("测试完成")

如果你看到车辆在窗口中动起来了，恭喜你，CARLA环境搭建成功！

4.4 两种安装方式的对比

最后，我用一张表格总结一下pip和Docker的差异，方便你根据实际情况选择：

对比项	pip安装	Docker安装
安装速度	较快（直接下载二进制包）	较慢（需拉取完整镜像）
依赖管理	依赖宿主机Python环境	完全隔离，无依赖冲突
GPU支持	原生支持	需额外配置--gpus参数
多人协作	需手动同步环境	镜像即环境，一键拉取
适合场景	个人开发、快速原型	团队协作、生产部署

我个人建议，如果你是初学者，先用pip装一个试试手。等你要做正式项目了，再切换到Docker。毕竟，先跑起来再说，对吧？