2、环境搭建：CARLA安装与配置、Python环境准备、依赖库安装、常见安装问题排查
CARLA作为一款开源的端到端自动驾驶仿真平台，其环境搭建的成败直接决定了后续开发与实验的效率。许多初学者在安装过程中常因版本不匹配、依赖缺失或系统配置不当而陷入困境。本章将围绕CARLA仿真平台的核心安装流程，系统讲解从系统准备、CARLA本体安装、Python环境配置到依赖库管理的完整链路，并结合真实排障案例，帮助你建立一套可复用的环境搭建方法论。
2.1 核心原理：CARLA的架构与版本兼容性
理解CARLA的架构是成功安装的前提。CARLA基于Unreal Engine 4构建，采用客户端-服务器（Client-Server）架构。服务器端负责渲染仿真环境、物理计算和传感器模拟，而客户端通过Python API与服务器通信，发送控制指令并接收传感器数据。这种架构决定了安装过程需要同时关注两个层面：一是服务器端（CARLA本体）的系统依赖，二是客户端（Python API）的库依赖。
版本兼容性是安装中最容易踩坑的环节。CARLA的Python API与服务器端必须严格匹配，例如CARLA 0.9.15版本对应Python 3.8，而0.9.13版本则支持Python 3.7。此外，CARLA对NVIDIA显卡驱动和CUDA版本有明确要求，通常需要驱动版本≥460，CUDA≥11.3。下表列出了常见版本组合的兼容性矩阵：
| CARLA版本 | 推荐Python版本 | NVIDIA驱动 | CUDA版本 | 操作系统 |
|---|---|---|---|---|
| 0.9.15 | 3.8 | ≥460 | 11.3+ | Ubuntu 20.04/22.04 |
| 0.9.13 | 3.7 | ≥450 | 11.0+ | Ubuntu 18.04/20.04 |
| 0.9.11 | 3.6 | ≥450 | 10.2+ | Ubuntu 18.04 |
2.2 操作流程：CARLA本体安装与配置
CARLA本体的安装分为预编译包安装和源码编译两种方式。对于绝大多数开发者，推荐使用预编译包，其安装流程如下：
- 系统准备：确认Ubuntu版本（20.04或22.04），更新系统包管理器：
sudo apt update && sudo apt upgrade。安装必要的系统工具：sudo apt install wget unzip build-essential。 - 显卡驱动验证：运行
nvidia-smi检查驱动是否正常。若未安装，执行sudo apt install nvidia-driver-470（版本可根据显卡型号调整），重启后再次验证。 - 下载CARLA包：从官方GitHub Release页面下载CARLA_0.9.15.tar.gz（约20GB），使用
wget或浏览器下载。下载完成后解压到指定目录：tar -xzf CARLA_0.9.15.tar.gz -C ~/carla。 - 启动测试：进入CARLA目录，运行
./CarlaUE4.sh -quality-level=Low。首次启动会加载着色器，耗时约1-2分钟。看到UE4窗口打开且无报错，说明服务器端安装成功。 - 配置环境变量：编辑
~/.bashrc，添加export CARLA_ROOT=~/carla和export PYTHONPATH=$CARLA_ROOT/PythonAPI/carla/dist/carla-0.9.15-py3.8-linux-x86_64.egg:$CARLA_ROOT/PythonAPI/carla:$PYTHONPATH，然后source ~/.bashrc。
setup.py，也可以使用pip install -e .方式安装，但需注意egg文件路径的优先级。
2.3 Python环境准备与依赖库安装
Python环境的隔离是避免依赖冲突的关键。推荐使用Anaconda创建独立的虚拟环境：
# 创建Python 3.8虚拟环境
conda create -n carla_env python=3.8
conda activate carla_env
# 安装基础依赖
pip install numpy scipy pygame opencv-python
# 安装CARLA Python API（两种方式任选其一）
# 方式一：通过egg文件（推荐，与服务器版本严格匹配）
pip install ~/carla/PythonAPI/carla/dist/carla-0.9.15-py3.8-linux-x86_64.egg
# 方式二：通过setup.py
cd ~/carla/PythonAPI/carla
python setup.py install依赖库的版本选择需要特别注意。CARLA对numpy有严格限制，0.9.15版本要求numpy≥1.20且<1.24，因为更高版本的numpy会改变数组接口，导致传感器数据解析失败。pygame建议使用2.0+版本，opencv-python则推荐4.5+。下表列出了推荐的依赖库版本组合：
| 依赖库 | 推荐版本 | 用途 | 常见问题 |
|---|---|---|---|
| numpy | 1.21.x | 数组运算、传感器数据处理 | 版本过高导致API不兼容 |
| pygame | 2.1.0 | 可视化窗口、键盘控制 | 版本过低无法显示窗口 |
| opencv-python | 4.5.5 | 图像处理、相机数据 | 与numpy版本冲突 |
| scipy | 1.7.x | 科学计算、路径规划 | 编译依赖问题 |
pip freeze > requirements.txt记录当前环境的依赖版本，便于复现。同时，建议在虚拟环境中安装ipython和jupyter，方便交互式调试CARLA API。
2.4 案例拆解：一次完整的安装排障过程
下面通过一个真实案例，展示从问题出现到解决的完整闭环。某开发者在Ubuntu 20.04上安装CARLA 0.9.15时，遇到以下问题：
初始现象：运行./CarlaUE4.sh后，窗口一闪而过，终端输出Segmentation fault (core dumped)错误。
关键日志分析：查看~/carla/CarlaUE4/Saved/Logs/CarlaUE4.log，发现以下关键信息：
LogRHI: Error: Failed to create GPU device
LogWindows: Error: D3D11 device creation failed with error 0x80070057
LogInit: Error: GPU driver or hardware is not supported判断过程：错误指向GPU设备创建失败，可能原因包括：显卡驱动版本过旧、显存不足、或UE4引擎与显卡不兼容。运行nvidia-smi发现驱动版本为440，低于CARLA要求的460。
实际操作步骤：
- 卸载旧驱动：
sudo apt purge nvidia-* - 添加NVIDIA官方PPA：
sudo add-apt-repository ppa:graphics-drivers/ppa - 安装新驱动：
sudo apt install nvidia-driver-470 - 重启系统，验证
nvidia-smi显示470版本 - 重新启动CARLA，成功进入UE4界面
结果对比：修复前，CARLA无法启动；修复后，启动时间约30秒，运行稳定。同时，Python API连接测试通过：
import carla
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
world = client.get_world()
print(f"Connected to CARLA version: {client.get_server_version()}")复盘经验：CARLA对GPU驱动版本极其敏感，安装前务必检查驱动版本。此外，日志文件是排障的第一手资料，不要只看终端输出。建议在安装前使用nvidia-smi和glxinfo | grep "OpenGL version"验证图形环境。
2.5 常见误区与总结复盘
在CARLA环境搭建过程中，以下误区需要特别注意：
- 误区一：忽略版本匹配。CARLA服务器端、Python API、依赖库三者必须严格对应。例如，使用Python 3.9运行CARLA 0.9.15的egg文件会直接报错，因为egg文件是编译好的二进制，只支持Python 3.8。
- 误区二：使用系统Python直接安装。系统Python往往被多个项目共享，安装CARLA依赖可能破坏其他项目的环境。务必使用虚拟环境隔离。
- 误区三：忽视显存限制。CARLA默认使用较高画质，若显卡显存不足（<6GB），建议启动时添加
-quality-level=Low参数，或修改Engine.ini降低渲染分辨率。 - 误区四：端口冲突。CARLA默认使用2000端口，若被其他进程占用，可通过
./CarlaUE4.sh -carla-rpc-port=3000指定其他端口，Python客户端需同步修改连接端口。