第四章 仿真环境搭建：主流仿真工具介绍与环境配置

说实话，做仿真迁移这件事，最头疼的往往不是算法本身，而是环境搭不起来。我见过太多人卡在第一步——装个Gazebo装了两天，最后发现是Ubuntu版本不对。今天我就把几个主流工具的使用心得，一股脑倒给你们。

4.1 为什么需要仿真环境？

先问个问题：你写好的传感器融合代码，敢直接往真车上跑吗？

我不敢。至少十年前我第一次做激光雷达项目时，就不敢。那时候一个16线激光雷达要好几万，撞坏了赔不起。仿真环境说白了，就是给你一个「随便折腾」的沙盒。

我个人习惯把仿真分成三个层次：

• 算法验证层——跑通流程，看逻辑对不对
• 传感器模拟层——加噪声、加延迟，模拟真实物理特性
• 系统集成层——多传感器联合调试，时序对齐

不同的工具，适合不同的层次。下面我一个个讲。

4.2 Gazebo——机器人仿真的老大哥

Gazebo是我用得最多的工具。为什么？因为它跟ROS是天生一对。

4.2.1 核心特点

• 开源免费，社区活跃
• 支持多种物理引擎（ODE、Bullet、DART）
• 传感器模型丰富：激光雷达、IMU、摄像头、深度相机
• 与ROS/ROS2无缝集成

4.2.2 环境配置要点

嗯，这里要注意。Gazebo的版本跟ROS版本是绑定的。我踩过这个坑：

# 正确做法：先确定ROS版本，再装对应Gazebo
# ROS Noetic → Gazebo 9/11
# ROS2 Foxy → Gazebo 9/11 (通过ros-ign桥接)
# ROS2 Humble → Gazebo Fortress (Ignition)

# 安装命令（以ROS Noetic为例）
sudo apt install ros-noetic-gazebo-ros-pkgs
sudo apt install ros-noetic-gazebo-ros-control

4.2.3 基本操作

启动一个空世界：

gazebo worlds/empty.world

加载机器人模型：

# 先启动ROS核心
roscore

# 再启动Gazebo并加载机器人
roslaunch gazebo_ros empty_world.launch
rosrun gazebo_ros spawn_model -file my_robot.urdf -urdf -model my_robot

你想想看，每次都要手动敲这些命令，是不是很烦？所以我一般写一个launch文件，一键搞定。

4.3 CARLA——自动驾驶仿真的新贵

如果你做的是自动驾驶，尤其是视觉相关的，CARLA是绕不开的。它跟Gazebo最大的区别是：CARLA专门为自动驾驶设计，场景逼真度极高。

4.3.1 核心特点

• 基于Unreal Engine 4，渲染效果一流
• 内置高清地图（Town01-Town07等）
• 支持多种天气、光照条件
• 提供Python API，方便算法集成

4.3.2 环境配置

CARLA的安装有点特殊。它需要下载预编译的包，或者从源码编译。我建议用预编译包：

# 下载CARLA 0.9.13（推荐版本，稳定性好）
wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.13.tar.gz
tar -xzf CARLA_0.9.13.tar.gz
cd CARLA_0.9.13

# 安装Python依赖
pip install -r PythonAPI/examples/requirements.txt

# 启动服务器
./CarlaUE4.sh

export PYTHONPATH=$PYTHONPATH:/path/to/CARLA_0.9.13/PythonAPI/carla

4.3.3 基本操作示例

import carla
import random

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

# 加载地图
world = client.load_world('Town03')

# 生成一辆车
blueprint_library = world.get_blueprint_library()
vehicle_bp = blueprint_library.filter('model3')[0]
spawn_point = random.choice(world.get_map().get_spawn_points())
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

# 添加摄像头
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera = world.spawn_actor(camera_bp, carla.Transform(carla.Location(x=1.5, z=2.4)), attach_to=vehicle)

# 开始采集
camera.listen(lambda image: image.save_to_disk('output/%06d.png' % image.frame))

这段代码我用了无数次。说白了，CARLA的API设计得很直观——你就是在模拟一个自动驾驶系统的各个模块。

4.4 AirSim——微软出品的无人机/汽车仿真

AirSim是微软开源的项目，基于Unreal Engine。它跟CARLA有点像，但更偏向无人机和空中机器人。

4.4.1 核心特点

• 支持无人机和多旋翼
• 传感器模型丰富：GPS、IMU、磁力计、距离传感器
• 提供C++和Python API
• 支持PX4和ArduPilot硬件在环仿真

4.4.2 环境配置

AirSim的配置稍微复杂一些。我建议用Windows + Unreal Engine的方式：

# 克隆AirSim
git clone https://github.com/Microsoft/AirSim.git
cd AirSim

# 编译（需要Visual Studio和Unreal Engine）
./build.cmd

# 生成Unreal项目
./Unreal/Environments/Blocks/GenerateProjectFiles.bat

4.5 MATLAB Simulink——工业界的标准

如果你在汽车电子或航空航天行业，Simulink几乎是标配。它跟前面几个工具最大的不同是：Simulink更擅长系统级建模和控制逻辑验证。

4.5.1 核心特点

• 图形化建模，直观易懂
• 丰富的工具箱：Stateflow、Simscape、Vehicle Dynamics Blockset
• 支持代码生成（C/C++、HDL）
• 与硬件在环（HIL）测试无缝衔接

4.5.2 环境配置

Simulink的安装没什么好说的，装MATLAB的时候勾上Simulink和需要的工具箱就行。我提几个关键点：

% 检查已安装的工具箱
ver

% 添加路径
addpath('C:\MySimulinkModels')
savepath

4.5.3 基本操作

在Simulink里搭建一个简单的传感器模型：

• 从Simulink库中拖入「Sine Wave」作为信号源
• 加入「Gain」模块模拟传感器增益
• 加入「Band-Limited White Noise」模拟噪声
• 用「Scope」查看输出

我在项目中遇到过一个问题：Simulink模型跑得飞快，但部署到嵌入式设备上就卡顿。后来发现是采样时间设置不合理。仿真时用连续时间，但实际硬件是离散采样——这个坑你们要注意。

4.6 工具对比与选型建议

我的建议是：

• 做机器人底层控制 → Gazebo
• 做自动驾驶感知 → CARLA
• 做无人机飞控 → AirSim
• 做系统级验证 → Simulink

4.7 知识体系总览

下面这张图，是我自己总结的仿真工具选型逻辑。你一看就明白：

4.8 避坑指南

最后，我把自己这些年踩过的坑总结一下：

好了，环境搭建这部分就讲到这里。工具只是手段，关键是你想解决什么问题。选对了工具，后面的事情就顺了。