第1章：环境搭建——Ubuntu系统配置、CARLA安装与编译、Python环境准备、依赖库安装
说实话，做自动驾驶仿真这件事，最磨人的往往不是算法本身，而是环境搭建。我见过太多人卡在这一步，一卡就是好几天。所以咱们第一章，就把这些坑先填平。
本章核心目标：让你的电脑能跑起CARLA，并且Python能跟它正常对话。
1.1 Ubuntu系统配置——选对版本，少走弯路
我个人习惯用Ubuntu 20.04 LTS。为什么？因为CARLA官方对这个版本支持最好。你非要用22.04也行，但有些依赖库的版本会打架，到时候哭都来不及。
系统装好后，第一件事是换源。别用官方源，慢得让人抓狂。我建议用清华或者中科大的镜像源。
# 备份原源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
# 替换为清华源（Ubuntu 20.04）
sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
# 更新
sudo apt update
sudo apt upgrade -y小技巧：换完源之后，顺手装个vim和git。这两个工具后面天天用。
显卡驱动这块，嗯，这里要注意。如果你用的是NVIDIA显卡，建议用nvidia-driver-535或更新的版本。我曾经在470版本上折腾了两天，CARLA死活跑不起来，最后发现是驱动太老，不支持某些OpenGL特性。
# 查看显卡型号
lspci | grep -i nvidia
# 安装驱动（推荐用ubuntu-drivers自动检测）
sudo ubuntu-drivers autoinstall
sudo reboot1.2 CARLA安装与编译——两种方式，各有利弊
CARLA的安装方式有两种：直接下载预编译包，或者从源码编译。我两种都试过，说说我的感受。
| 方式 | 优点 | 缺点 | 适合人群 |
|---|---|---|---|
| 预编译包 | 即下即用，10分钟搞定 | 不能修改源码，版本固定 | 初学者、快速验证 |
| 源码编译 | 可定制，能调试底层 | 编译2小时起步，依赖多 | 进阶开发、二次开发 |
如果你是第一次接触CARLA，我建议先用预编译包。等后面玩熟了，再考虑编译源码。
方式一：预编译包安装
# 下载CARLA 0.9.14（我用的这个版本，稳定）
wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.14.tar.gz
# 解压
tar -xzf CARLA_0.9.14.tar.gz -C ~/carla
# 进入目录
cd ~/carla
# 启动CARLA（先试试能不能跑）
./CarlaUE4.sh注意：第一次启动时，如果报错libcarla.so.0.9.14: cannot open shared object file，别慌。这是动态库路径没设置好。执行下面这行就行：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/carla/CarlaUE4/Binaries/Linux方式二：源码编译（可选）
说实话，源码编译挺折腾的。我当年第一次编译，从下午三点搞到晚上十点。但好处是，你能看到CARLA的每一行代码，想改什么改什么。
# 克隆源码
git clone https://github.com/carla-simulator/carla.git
cd carla
# 更新子模块
git submodule update --init --recursive
# 安装编译依赖
sudo apt-get install -y build-essential clang-8 lld-8 cmake ninja-build \
python3-dev python3-pip libpng-dev libtiff5-dev libjpeg-dev \
libboost-all-dev libc++-dev libc++abi-dev
# 设置LLVM环境
export CC=/usr/bin/clang-8
export CXX=/usr/bin/clang++-8
# 开始编译（去泡杯咖啡吧）
make setup
make launch避坑指南：编译时如果报内存不足，可以加make launch -j4限制并行任务数。我曾经在8GB内存的机器上编译，直接卡死，后来改成-j4才搞定。
1.3 Python环境准备——虚拟环境是必须的
你想想看，一个项目用Python 3.8，另一个项目用Python 3.10，依赖库版本还不一样。如果不隔离，迟早会乱套。所以我强烈建议用虚拟环境。
# 安装Python 3.8（CARLA官方推荐）
sudo apt-get install python3.8 python3.8-dev python3.8-venv
# 创建虚拟环境
python3.8 -m venv ~/carla_env
# 激活环境
source ~/carla_env/bin/activate
# 验证版本
python --version # 应该显示 Python 3.8.x为什么要用Python 3.8？因为CARLA的Python API是基于3.8编译的。你用3.10也能跑，但有些底层接口会报warning。说白了，就是官方没做全面兼容。
1.4 依赖库安装——缺什么补什么
CARLA的Python接口需要几个核心库。我列个清单，你照着装就行。
# 激活虚拟环境后执行
pip install --upgrade pip
# 核心依赖
pip install numpy # 数值计算，必装
pip install pygame # 可视化窗口
pip install matplotlib # 画图用
pip install opencv-python # 图像处理
pip install shapely # 几何计算，做路径规划时有用
# CARLA Python API（关键！）
pip install carla==0.9.14重要：安装carla包时，版本号必须跟你下载的CARLA版本一致。0.9.14的API不能用在0.9.13上，会报函数签名不匹配的错误。
装完之后，验证一下能不能正常导入：
python -c "import carla; print('CARLA version:', carla.__version__)"如果没报错，恭喜你，环境搭好了。如果报ModuleNotFoundError: No module named 'carla'，多半是pip装错了位置。检查一下你当前是不是在虚拟环境里。
1.5 整体架构一览
说了这么多，咱们用一张图把整个环境结构串起来。你心里有个谱，后面学起来就顺了。
这张图说白了就是四层结构：操作系统打底，CARLA跑在中间，Python环境做桥梁，依赖库提供工具。每一层都稳了，你的仿真才能跑得顺。
我的经验：环境搭好后，建议跑一下CARLA自带的示例脚本PythonAPI/examples/automatic_control.py。如果能看到一个车在城里自己开，说明所有环节都通了。我第一次看到那个画面时，说实话，挺激动的。
好了，环境搭建就这些。别嫌麻烦，这一步做好了，后面写代码就是享受。