3、CARLA架构解析：服务器-客户端模型、世界、蓝图、参与者、传感器
好，咱们直接进入正题。CARLA这套仿真系统，说白了就是一个服务器-客户端的架构。我刚开始接触的时候，也觉得这名字挺唬人，但拆开来看其实特别清晰。
3.1 服务器-客户端模型：谁在干活？
CARLA的服务器，你可以把它想象成一个“游戏引擎”。它负责渲染画面、处理物理碰撞、管理交通流这些重活。客户端呢？就是咱们写的Python脚本，它负责发号施令。
举个例子：
- 服务器：我在后台默默运行，每秒钟更新60次世界状态。
- 客户端：你通过API告诉我，“嘿，在坐标(10, 20, 0)处放一辆红色轿车”。
我个人习惯把客户端比作“导演”，服务器是“摄影棚”。导演喊“Action”，摄影棚就开始运转。你想想看，如果导演和摄影棚混在一起，那得多乱？
核心要点：一个服务器可以同时连接多个客户端。我在项目中遇到过需要同时控制10辆车做编队测试的场景，就是靠多个客户端分别控制不同的车辆。
3.2 世界(World)：一切发生的舞台
世界对象，就是CARLA里那个“大容器”。它包含了地图、天气、交通信号灯，以及所有参与者。获取世界对象很简单：
import carla
# 连接服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
# 获取世界
world = client.get_world()拿到世界之后，你能做什么？
- 切换地图：
world = client.load_world('Town03') - 设置天气：
world.set_weather(carla.WeatherParameters.WetCloudySunset) - 获取时间戳：
world.get_snapshot()
我的小技巧：调试的时候，我经常用world.get_actors().filter('vehicle.*')来快速查看当前场景里有哪些车。这比盯着屏幕数车快多了。
3.3 蓝图(Library)：造车的图纸
蓝图，英文叫Blueprint，你可以理解成“造车图纸”。每辆车、每个行人、每个传感器，在CARLA里都有一个对应的蓝图。
获取所有蓝图：
blueprint_library = world.get_blueprint_library()
# 筛选出所有车辆蓝图
vehicle_blueprints = blueprint_library.filter('vehicle.*')蓝图里有什么？
| 属性 | 说明 | 示例值 |
|---|---|---|
| id | 唯一标识 | vehicle.audi.a2 |
| tags | 标签（用于筛选） | ['vehicle', 'car', 'audi'] |
| attributes | 可调参数 | color, number_of_wheels |
嗯，这里要注意：蓝图只是模板，不是实体。你得用蓝图去生成参与者，车才会出现在世界里。
3.4 参与者(Actor)：世界里的活物
参与者就是世界里所有能动的东西——车辆、行人、交通标志、甚至摄像头。生成一个参与者的标准流程：
# 1. 选蓝图
bp = blueprint_library.find('vehicle.audi.a2')
# 2. 设置属性（比如换个颜色）
bp.set_attribute('color', '255,0,0')
# 3. 选出生点
spawn_point = random.choice(world.get_map().get_spawn_points())
# 4. 生成
vehicle = world.spawn_actor(bp, spawn_point)我曾经踩过的坑：生成参与者时，如果出生点被其他物体占了，会报错。所以最好用world.try_spawn_actor()，它返回None而不是抛异常。
参与者有生命周期：
- 生成：
spawn_actor() - 控制：
vehicle.apply_control(carla.VehicleControl(throttle=0.5)) - 销毁：
vehicle.destroy()
记住，不用的参与者一定要销毁！否则服务器内存会爆。我见过有人跑了一晚上仿真，第二天发现服务器挂了——就是忘了销毁。
3.5 传感器(Sensor)：自动驾驶的眼睛
传感器是CARLA里最精彩的部分。它们附着在参与者身上，采集数据。常见的传感器有：
| 传感器类型 | 数据内容 | 典型用途 |
|---|---|---|
| 相机(RGB) | 图像数组 | 目标检测、语义分割 |
| 激光雷达(LiDAR) | 点云数据 | 3D感知、建图 |
| 雷达(Radar) | 目标距离/速度 | 自适应巡航 |
| IMU | 加速度/角速度 | 定位、姿态估计 |
| GNSS | 经纬度坐标 | 全局定位 |
挂载传感器的代码：
# 创建相机蓝图
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '800')
camera_bp.set_attribute('image_size_y', '600')
# 挂载到车辆上
camera = world.spawn_actor(
camera_bp,
carla.Transform(carla.Location(x=1.5, z=2.4)), # 车顶位置
attach_to=vehicle
)
# 监听数据
camera.listen(lambda image: image.save_to_disk('output/%.6d.png' % image.frame))关键点：传感器是异步的。你调用listen()之后，数据会源源不断地回调。我在项目中遇到过数据同步问题——多个传感器的数据帧率不一致，需要做时间戳对齐。
3.6 知识体系总览
下面这张图，是我自己总结的CARLA架构关系。你看一眼就能明白各个组件怎么配合：
这张图里，从上到下是层级关系。服务器在最底层，世界是中间层，蓝图、参与者、传感器是平级的组件。数据流则是从传感器出发，经过客户端处理，再回到参与者形成闭环。
我的建议：刚开始学的时候，别急着写复杂代码。先跑通spawn_actor和listen这两个基础操作。我当年就是太心急，一上来就想做多传感器融合，结果debug了一整天。
好了，这一章的内容就这些。记住：服务器是引擎，客户端是导演，世界是舞台，蓝图是剧本，参与者是演员，传感器是摄像机。这个比喻你记住了，CARLA的架构就理解了一半。
一句话总结：CARLA的架构设计，说白了就是让服务器专心做渲染和物理，客户端专心做逻辑控制。这种分离设计，让自动驾驶仿真变得既灵活又高效。
可可精品资料库