课程导学与环境概览
各位同学，欢迎来到《从零搭建规划控制仿真环境》的第一课。
我是你们这门课的主讲，一个在自动驾驶仿真领域摸爬滚打了七八年的老工程师。说实话，刚入行那会儿，我也被各种仿真工具搞得晕头转向。今天这第一讲，咱们不急着写代码，先聊聊「为什么要学仿真」以及「我们到底要用什么工具」。
自动驾驶规划控制仿真，到底在仿什么？
你想想看，一辆自动驾驶车上路，最核心的脑子其实就是两块：规划和控制。
- 规划：决定车往哪走。比如前方有障碍物，是绕过去还是刹停？路径怎么生成？
- 控制：决定车怎么走。方向盘打多少度？油门踩多深？让车稳稳地沿着规划好的路径走。
仿真环境，说白了就是给这两块「脑子」提供一个虚拟的练车场。你不需要真的造一辆车，也不需要去马路上冒险。在电脑里，你可以模拟各种极端场景——暴雨、行人鬼探头、甚至传感器故障。
我个人习惯把仿真分为三个层次：
- 算法级仿真：用MATLAB跑个简单的路径规划，看看曲线是否平滑。
- 系统级仿真：把规划、控制、感知模块串起来，在CARLA里跑个完整闭环。
- 硬件在环仿真：把代码烧到实车控制器上，接上仿真器测试。
咱们这门课，主要聚焦在第二层——系统级仿真。这也是实际工程中最常用、最出活的一层。
主流仿真工具对比：CARLA、SUMO、MATLAB/Simulink
市面上仿真工具不少，我挑三个最有代表性的聊聊。嗯，这里要注意，没有完美的工具，只有最适合你场景的工具。
| 工具 | 核心定位 | 优点 | 缺点 | 我的使用场景 |
|---|---|---|---|---|
| CARLA | 高保真视觉仿真 | 画面逼真、传感器模型丰富、开源 | 安装配置复杂、对显卡要求高 | 感知+规划联合测试 |
| SUMO | 交通流仿真 | 路网规模大、交通逻辑强、轻量 | 没有传感器模型、画面简陋 | 多车交互、交通规则验证 |
| MATLAB/Simulink | 算法快速原型 | 数学工具强大、调试方便、文档全 | 贵、不开源、难以集成到实际工程 | 控制算法初期验证 |
我在项目中遇到过这样一个坑：用MATLAB把控制算法调得漂漂亮亮，一搬到实车上就各种抖。为什么？因为MATLAB仿真太「干净」了，没有考虑通信延迟、传感器噪声这些现实因素。所以后来我学乖了——算法验证用MATLAB，系统集成用CARLA。
本课程技术栈选型：Python + ROS2 + 开源仿真器
好，重点来了。咱们这门课为什么选这套技术栈？
- Python：不用多说，现在自动驾驶算法圈的主流语言。写起来快，生态好，各种规划控制库（如casadi、ompl）都有Python接口。
- ROS2：机器人操作系统的升级版。它解决了ROS1的实时性、安全性问题。说白了，ROS2就是自动驾驶系统的「通信骨架」——各个模块（规划、控制、感知）通过它来收发消息。
- 开源仿真器：我们选的是CARLA + SUMO联合仿真。CARLA负责高保真场景渲染，SUMO负责交通流逻辑。两者通过一个叫「Co-Simulation」的桥接器连接。
避坑指南：我曾经在ROS1和ROS2之间反复横跳过。如果你是从零开始，直接学ROS2，别走弯路了。ROS1已经停止维护，新项目基本都在ROS2上。
这套技术栈的好处是：全开源、全免费、社区活跃。你跟着我学完，不仅能搭出一套能用的仿真环境，更重要的是——你掌握了行业里真实在用的工具链。
知识体系总览
下面这张图，是我自己梳理的课程知识体系。你可以把它当作一张「地图」，后面每讲一个知识点，你都能在这张图上找到它的位置。
这张图你看懂了吗？从上到下，咱们一步步来。先搭环境，再写核心算法，然后做联合仿真，最后跑一个完整的实战项目。每一步我都会带着你踩坑、填坑。
学习路线图：我的建议
很多同学喜欢一上来就啃源码，结果被各种依赖问题劝退。我建议你按这个节奏来：
- 先看后做：每节课的视频先看一遍，理解整体流程。别急着动手。
- 跟着敲代码：第二遍看的时候，打开你的IDE，一行一行跟着我敲。别复制粘贴，敲一遍印象深十倍。
- 改一改：跑通之后，试着改改参数。比如把PID的Kp调大一点，看看车会不会抖。这种「破坏性实验」最能帮你理解原理。
- 遇到问题先自己查：报错了？先看终端日志，再搜一下。实在搞不定，来课程群里问我。但别一上来就「老师这个怎么配」，先自己试试。
警告：千万别在Windows上直接装CARLA。虽然官方说支持，但我试过三次，三次都翻车了。老老实实用Ubuntu 20.04或22.04，能省你三天时间。
好了，第一讲就到这里。内容不多，但都是干货。下一讲咱们就开始动手——装系统、配环境、跑通第一个CARLA示例。到时候见。
可可精品资料库