一、传感器概览与选型：CARLA支持的传感器类型与场景匹配
大家好，我是你们的老朋友。今天咱们来聊聊CARLA里的传感器。说实话，传感器选型这事儿，我刚开始做自动驾驶仿真时也踩过不少坑。你想想看，一辆车上装七八种传感器，每种还有十多个参数要调，光看着就头大。但别担心，咱们一步步来。
1.1 CARLA支持的传感器类型
CARLA目前支持的主流传感器，我按功能分成了三大类：视觉类、测距类、定位类。下面这张图能帮你快速建立整体认知。
1.2 各传感器核心特性详解
RGB相机
RGB相机是仿真里最常用的传感器。说白了，它就像车的「眼睛」，输出的是1920x1080的彩色图像。我个人习惯在城区场景用90°FOV，高速场景用60°FOV——视野窄一点，远处目标更清晰。
关键参数：图像分辨率、视场角（FOV）、快门模式、曝光补偿
💡 小技巧：如果你做的是夜间场景仿真，记得把快门模式改成「auto」，否则图像会全黑。我在做雨夜项目时吃过这个亏，折腾了两天才发现是快门没调。
深度相机
深度相机输出的是每个像素到物体的距离值。嗯，这里要注意：CARLA的深度相机默认输出是归一化后的值（0~1），你需要乘以最大深度才能得到真实米数。
# 获取真实深度值
depth_data = sensor_data # 原始数据范围0~1
real_depth = depth_data * 1000 # 假设最大深度1000米语义分割相机
这个传感器会把画面里的每个像素标上类别标签。比如路面是0，车辆是10，行人是12。我在做变道决策算法时，全靠语义分割来区分车道线和路沿。
| 标签值 | 类别 | 颜色（R,G,B） |
|---|---|---|
| 0 | 未标注 | (0,0,0) |
| 1 | 建筑 | (70,70,70) |
| 6 | 路面 | (128,64,128) |
| 10 | 车辆 | (0,0,142) |
| 12 | 行人 | (220,20,60) |
LIDAR（激光雷达）
LIDAR是我个人最喜欢的传感器。它发射激光束，返回点云数据。CARLA里常用的有32线、64线、128线三种。你想想看，线数越高，点云越密，但计算量也越大。
⚠️ 避坑指南：我曾经在仿真里设置LIDAR的「channels=64, range=100」，结果跑起来帧率掉到个位数。后来发现是点云数量太大，把range降到50米就流畅了。仿真不是真车，别盲目追求高参数。
# LIDAR配置示例
lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')
lidar_bp.set_attribute('channels', '32')
lidar_bp.set_attribute('range', '50')
lidar_bp.set_attribute('points_per_second', '56000')
lidar_bp.set_attribute('rotation_frequency', '20') # 20HzRADAR（毫米波雷达）
RADAR和LIDAR不一样，它用无线电波，不受雨雾影响。但缺点也很明显——分辨率低，只能检测到物体的大致位置和速度。我在做自适应巡航（ACC）时，RADAR是主力传感器，LIDAR反而只是辅助。
GNSS与IMU
GNSS就是咱们常说的GPS/北斗，提供经纬度坐标。IMU提供加速度和角速度。这两个传感器通常配合使用——GNSS有更新慢、易遮挡的问题，IMU正好在中间时刻做插值。
黄金组合：GNSS + IMU + 轮速计 = 低成本定位方案。我在园区物流车项目里用过这套方案，精度能到20cm以内。
1.3 传感器选型原则与场景匹配
选传感器不是越贵越好，也不是越多越好。我总结了三条原则，你记一下：
- 场景决定传感器：高速场景优先LIDAR+RADAR，城区场景优先多相机+语义分割
- 冗余但不过剩：关键功能要有2种传感器互为备份，但别装一堆用不上的
- 算力匹配：仿真里传感器越多，帧率越低。我一般控制在6~8个传感器以内
下面这张表是我自己整理的场景匹配方案，你可以直接参考：
| 应用场景 | 推荐传感器组合 | 说明 |
|---|---|---|
| 高速公路领航 | 前视RGB相机 + 64线LIDAR + 长距RADAR | LIDAR负责近距离，RADAR负责远距离 |
| 城区十字路口 | 4个鱼眼相机 + 32线LIDAR + 语义分割相机 | 360°环视，重点检测行人、非机动车 |
| 自动泊车 | 4个鱼眼相机 + 超声波传感器 | 近距离精度要求高，超声波成本低 |
| 雨雾天气测试 | RADAR + 深度相机 + GNSS/IMU | RADAR不受天气影响，深度相机辅助 |
1.4 实战经验：我踩过的三个坑
最后分享几个真实教训，希望能帮你少走弯路：
- 坑一：我曾经在仿真里同时开了4个RGB相机，结果显存爆了。后来发现可以用「sensor.camera.rgb」的「image_size_x」参数降低分辨率，从1920降到1280，帧率直接翻倍。
- 坑二：LIDAR的「dropoff_general_rate」参数默认是0.0，如果你不做调整，点云会非常完美——但真实LIDAR是有丢点率的。我建议设成0.1~0.3，更接近真实情况。
- 坑三：GNSS的「noise_alt_stddev」参数默认是0，意味着高度完全准确。但真实GPS高度误差很大。我一般设成0.5~1.0，模拟真实飘移。
💡 记住一句话：仿真里「太完美」的参数，往往意味着不真实。适当加噪声，你的算法才经得起实车考验。
好了，传感器概览和选型就聊到这儿。下一章咱们会手把手配置第一个RGB相机，到时候见。
可可精品资料库