自动驾驶—CARLA仿真(3) 坐标和坐标变换

官方文档

全局坐标系

CARLA 基于 Unreal Engine 4.26 构建,采用与之相同的左手坐标系 。更多关于 Unreal Engine 坐标系的细节,请参阅 Unreal Engine 官方文档

对于站在原点、面朝 X 轴正方向 的观察者,坐标轴关系如下:

  • Z 轴:向上(Up)
  • X 轴:向前(Forward)
  • Y 轴:向右(Right)

在整个 CARLA API 中,距离单位为米(meters)角度单位为度(degrees)。因此,当 CARLA 与其他使用右手坐标系、弧度制角度、厘米或英制单位的应用程序交互时,必须进行相应的单位转换。


参与者(Actor)坐标系

车辆、行人等参与者(Actors)拥有各自的局部坐标系,用于维护传感器位置等局部一致的坐标关系。

按照惯例,CARLA 中的车辆坐标系定义如下:

  • 车头指向 X 轴正方向
  • 车辆右侧指向 Y 轴正方向
  • 车顶指向 Z 轴正方向
  • 坐标原点通常位于车辆包围盒在 X、Y 方向的中心附近,Z 方向则非常接近包围盒的最低面。

CARLA 行人的坐标系类似设定:

  • 面朝 X 轴正方向
  • 右臂指向 Y 轴正方向
  • 头部朝向 Z 轴正方向
  • 坐标原点通常位于静止姿态下包围盒的中心。

通过 CARLA API 处理坐标

CARLA API 提供了多个工具类,用于处理坐标及坐标变换。

Location(位置)

Location 对象用于定义坐标,并在变换、生成或移动对象时使用。

以下代码展示了如何创建一个表示 X=10m, Y=10m, Z=1m 的位置对象:

python 复制代码
# 使用位置参数的默认构造函数
location = carla.Location(10, 10, 1)

# 使用关键字参数
location = carla.Location(x=10, y=10, z=1)

# 无参数构造(默认原点)
location = carla.Location()  # x=y=z=0

可省略任意或全部关键字参数,未指定的轴将被设为 0。


Rotation(旋转)

Rotation 对象用于定义 CARLA 坐标系中的旋转。旋转以欧拉角(Euler angles) 形式表示,包含 roll(滚转)、pitch(俯仰)、yaw(偏航) ,单位为度(degrees)

旋转按 yaw → pitch → roll 的顺序内旋(intrinsic rotation) 应用。

以下代码创建一个 roll=10°, pitch=10°, yaw=90° 的旋转对象:

python 复制代码
# 使用位置参数(顺序:pitch, yaw, roll)
rotation = carla.Rotation(10, 90, 10)

# 使用关键字参数
rotation = carla.Rotation(pitch=10, yaw=90, roll=10)

# 无参数构造(默认无旋转)
rotation = carla.Rotation()  # pitch=yaw=roll=0

可省略任意或全部关键字参数,未指定的角度将被设为 0。


Transform(变换)

Transform 对象用于完整描述一个物体的位姿(pose),包含其 3D 位置和旋转。

可通过 LocationRotation 创建 Transform

python 复制代码
# 定义位置和旋转
location = carla.Location(10, 10, 1)
rotation = carla.Rotation(yaw=90)

# 创建变换
transform = carla.Transform(location, rotation)

该变换可用于生成参与者(如车辆):

python 复制代码
vehicle = world.spawn_actor(vehicle_bp, transform)

可通过 get_transform() 查询参与者的变换,并访问其位置和旋转属性:

python 复制代码
print(vehicle.get_transform())
print(vehicle.get_transform().location)
print(vehicle.get_transform().rotation)

# 输出示例:
# Transform(Location(x=10, y=10, z=1.0), Rotation(pitch=0.0, yaw=90, roll=0.0))
# Location(x=10, y=10, z=1.0)
# Rotation(pitch=0.0, yaw=90, roll=0.0)

Transform 对象提供实用方法,用于对其他坐标应用变换:

  • transform() :将局部坐标转换为全局坐标

    例如,计算安装在车辆上的传感器在全局坐标系中的位置:

    python 复制代码
    sensor_local_coord = carla.Location(1, 0, 0)        # 传感器在车体坐标系中的位置
    vehicle_transform = vehicle.get_transform()
    sensor_global_coord = vehicle_transform.transform(sensor_local_coord)
    
    # 输出:Vector3D(x=10.0, y=11.0, z=1.0)
  • inverse_transform() :将全局坐标转换为局部坐标

    例如,将世界中某物体的位置转换到车辆的局部坐标系(常用于自动驾驶感知系统):

    python 复制代码
    location = carla.Location(1, 0, 0)                  # 全局坐标
    vehicle_transform = vehicle.get_transform()
    transformed_location = vehicle_transform.inverse_transform(location)

地理坐标(Geocoordinates)

地理坐标是大地坐标(geodetic coordinates) ,以 纬度(latitude)、经度(longitude)、海拔(altitude) 表示地球表面位置。

CARLA 地图的 OpenDRIVE 定义文件(.xodr)可在元数据中包含地理参考(georeference) 。OpenDRIVE 标准中地理参考的详细信息请参阅相关文档

在 OpenDRIVE 文件中,地理参考信息位于 <header> 标签内:

xml 复制代码
<?xml version="1.0" encoding="UTF-8"?>
<OpenDRIVE>
    <header ...>
        <geoReference><![CDATA[+proj=tmerc +lat_0=0 +lon_0=0 +k=1 +x_0=0 +y_0=0 +ellps=WGS84]]></geoReference>
        ...
    </header>
    ...
</OpenDRIVE>

CARLA 的 Map 对象利用此地理参考信息,通过地图投影实现 CARLA 世界坐标 ↔ 地理坐标 的相互转换。geoReference 中的参数定义了所用投影类型及 CARLA 地图中心(X=Y=Z=0 点)对应的地理坐标。

将 CARLA 坐标转换为地理坐标:
python 复制代码
carla_map = world.get_map()
location = carla.Location(0, 0, 0)
print(carla_map.transform_to_geolocation(location))

# 输出示例:
# GeoLocation(latitude=0.000099, longitude=0.000090, altitude=1.000000)
将地理坐标转换为 CARLA 坐标:
python 复制代码
geolocation = carla.GeoLocation(latitude=0.000099, longitude=0.000090, altitude=1.000000)
carla_map = world.get_map()
print(carla_map.geolocation_to_transform(geolocation))

# 输出示例:
# Location(x=10.014747, y=11.016221, z=1.000000)
相关推荐
TMO Group 探谋网络科技2 小时前
AI电商的应用:Magento 使用 Adobe 生成式 AI改造7大业务场景
大数据·人工智能·adobe·ai
UI设计兰亭妙微2 小时前
理性数据,温柔体验:北京兰亭妙微解码 Hydra Corps. 企业管理界面的 “松弛感设计”
大数据·人工智能·用户体验设计
慎独4133 小时前
家家有:从单向支出到价值循环,绿色积分如何 重构商业逻辑?
大数据·人工智能
深度之眼3 小时前
入选TPAMI顶刊!多模态图像融合新突破!
深度学习·机器学习·多模态
Mxsoft6193 小时前
DBSCAN孤立点检测救场!某次异常数据污染,精准过滤保模型精度!
人工智能
华东设计之美3 小时前
muti-Agent+RAG+KnowledgeGraph构建智能问诊系统的可行性分析
人工智能·软件开发·rag·大模型应用·增强检索生成
光羽隹衡3 小时前
sklearn实现一元线性回归——分析广告投入和销售额的关系
人工智能·线性回归·sklearn
Luhui Dev3 小时前
幻觉不是 AI 的病,而是智能的宿命
人工智能
HyperAI超神经3 小时前
活动回顾丨 北大/清华/Zilliz/MoonBit共话开源,覆盖视频生成/视觉理解/向量数据库/AI原生编程语言
人工智能·ai·开源·编程语言·向量数据库·视频生成·视觉理解