1、CARLA入门：CARLA是什么、为什么选择CARLA、安装与启动、基本架构概览

1.1 CARLA到底是什么？

说实话，我第一次接触CARLA的时候，心里想的是：「又一个仿真器？」

但用了一段时间后，我改变了看法。CARLA（Car Learning to Act）是一个开源的自动驾驶仿真平台。它由巴塞罗那计算机视觉中心（CVI）和丰田研究院联合开发。说白了，它就是一个专门为自动驾驶算法测试而生的虚拟世界。

在这个世界里，你可以控制车辆、行人、交通信号灯，甚至天气和时间。我习惯把它比作「自动驾驶的《侠盗猎车手》」——只不过，我们是在认真做研究。

1.2 为什么选择CARLA？

市面上仿真器不少，比如AirSim、LGSVL、SUMO。为什么我推荐CARLA？

原因有三：

• 开源且活跃：代码完全公开，社区非常活跃。我在项目中遇到过一个传感器同步的bug，提交issue后两天就有人回复了解决方案。这在商业软件里几乎不可能。
• 传感器模型丰富：内置了摄像头、激光雷达、毫米波雷达、GPS、IMU等。你想想看，要自己从头写一个激光雷达点云生成器，那得花多少时间？
• 灵活的接口：支持Python和C++ API。我个人习惯用Python快速原型，C++做性能优化，CARLA两者都支持。

1.3 安装与启动

嗯，这里要注意。CARLA的安装方式有两种：预编译包和源码编译。

我建议新手直接用预编译包。源码编译太折腾了，我第一次编译花了整整一个下午，还遇到了各种依赖冲突。

1.3.1 预编译包安装（推荐）

1. 访问CARLA官网的Releases页面，下载对应操作系统的最新版本（目前是0.9.15）。
2. 解压到本地目录，比如 C:\CARLA 或 /home/user/CARLA。
3. 安装Python依赖：pip install carla

1.3.2 启动CARLA

启动方式很简单，直接运行CARLA的可执行文件：

# Linux/Mac
./CarlaUE4.sh

# Windows
CarlaUE4.exe

启动后你会看到一个3D窗口，里面有一条街道和几辆车。这就是CARLA的默认场景。

1.3.3 验证安装

启动CARLA后，打开另一个终端，运行以下Python脚本：

import carla
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
world = client.get_world()
print("CARLA连接成功！")
print(f"当前地图: {world.get_map().name}")

如果打印出地图名称，说明安装成功。

1.4 基本架构概览

CARLA的架构其实不复杂。我画了一张图帮你理解：

从上图可以看出，CARLA采用经典的客户端-服务器架构：

• 服务器（Server）：就是那个CarlaUE4进程。它负责渲染画面、模拟物理、运行传感器。服务器可以运行在带GPU的机器上，也可以运行在远程服务器上。
• 客户端（Client）：通过Python或C++ API连接服务器。你写的所有控制代码都在客户端运行。客户端可以控制车辆、读取传感器数据、修改天气等。

这种架构的好处是什么？我举个例子：你可以在一台高性能服务器上跑CARLA，然后用你的笔记本远程连接。这样笔记本只需要发送指令和接收数据，渲染工作全交给服务器。

1.5 核心模块速览

模块	功能	我的使用建议
地图与场景	提供Town01~Town07等地图，支持自定义地图导入	新手先用Town03，路况适中，场景丰富
传感器套件	摄像头、激光雷达、毫米波雷达、IMU、GPS等	做感知算法时，记得调整传感器位置和参数
交通管理器	控制NPC车辆和行人的行为	生成自定义交通流的核心工具，后面会详细讲
车辆动力学	模拟车辆加速、刹车、转向等物理特性	精度够用，但做控制算法建议结合Simulink

好了，这一章的内容就是这些。CARLA的入门其实不难，关键是动手去试。启动起来，跑一跑示例脚本，你很快就能上手。

可可精品资料库