自动驾驶—CARLA仿真（8）tutorial demo

测试用例

PythonAPI/examples/tutorial.py

这是一个 基础传感器数据采集示例，演示如何：

在仿真中生成一辆主车并启用自动驾驶
为主车挂载一个深度摄像头（Depth Camera）
将摄像头捕获的图像自动保存到磁盘
动态调整车辆位置并批量生成 NPC 车辆

适用于数据集生成、传感器调试、自动化测试等场景。

保存的depth图如下：

🔑 主要模块解析

1. 客户端连接与世界获取

python 复制代码

client = carla.Client('localhost', 2000)
world = client.get_world()

连接到远程 CARLA 服务器
获取当前仿真世界实例

✅ 这是所有 CARLA 脚本的起点。

2. 主车生成与配置

python 复制代码

bp = random.choice(blueprint_library.filter('vehicle'))
if bp.has_attribute('color'):
    color = random.choice(bp.get_attribute('color').recommended_values)
    bp.set_attribute('color', color)

transform = random.choice(world.get_map().get_spawn_points())
vehicle = world.spawn_actor(bp, transform)
vehicle.set_autopilot(True)

随机选择车辆模型（如 Tesla、Dodge 等）
随机设置车身颜色
在地图出生点生成车辆
启用自动驾驶（由 TrafficManager 控制）

💡 注意：车辆被加入 actor_list 以确保后续销毁。

3. 深度摄像头挂载与图像保存

python 复制代码

camera_bp = blueprint_library.find('sensor.camera.depth')
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

cc = carla.ColorConverter.LogarithmicDepth
camera.listen(lambda image: image.save_to_disk('_out/%06d.png' % image.frame, cc))

创建深度摄像头，安装在车头前方（x=1.5m, z=2.4m）
使用对数深度着色器 （LogarithmicDepth），将深度值映射为灰度图像
注册回调函数 ：每帧图像自动保存为 _out/000001.png, _out/000002.png ...

✅ 这是 传感器数据自动采集的核心机制。

4. 动态调整主车位置

python 复制代码

location = vehicle.get_location()
location.x += 40
vehicle.set_location(location)

将主车沿 X 轴向前移动 40 米
注意：此操作会瞬移车辆（不经过物理运动），常用于快速定位

⚠️ 此操作仅适用于测试，真实驾驶中应通过控制指令移动。

5. 批量生成 NPC 车辆

python 复制代码

transform.location += carla.Location(x=40, y=-3.2)
transform.rotation.yaw = -180.0
for _ in range(10):
    transform.location.x += 8.0
    npc = world.try_spawn_actor(bp, transform)
    if npc is not None:
        npc.set_autopilot(True)

在主车前方道路线性排列生成 10 辆 NPC 车
使用 try_spawn_actor() 避免因碰撞导致崩溃
所有 NPC 启用自动驾驶，形成简单交通流

✅ 演示了 可控的交通场景构建方法。

6. 资源安全清理

python 复制代码

finally:
    camera.destroy()
    client.apply_batch([carla.command.DestroyActor(x) for x in actor_list])

使用 finally 块确保无论是否异常，所有 Actor 都被销毁
采用 批量销毁命令 （apply_batch）提高效率

✅ 这是 CARLA 脚本的最佳实践，防止仿真环境残留。

修改demo：添加观察者视角

原测试用例使用默认观察者视角，随着主车、NPC位置的变动，导致在默认视角看不到车辆；因此，我们就可以修改设置下观察者视角；

在 vehicle = world.spawn_actor(...) 之后添加：

复制代码

spectator = world.get_spectator()
vehicle_location = vehicle.get_transform().location
spectator.set_transform(carla.Transform(
    vehicle_location + carla.Location(z=50),  # 高空俯视
    carla.Rotation(pitch=-90)                 # 垂直向下看
))

或更真实的跟随视角：

c 复制代码

# 第三人称跟随
spectator.set_transform(carla.Transform(
    vehicle.get_transform().location + carla.Location(x=-10, z=5),
    vehicle.get_transform().rotation
))

✅ 总结

该脚本是 CARLA 最基础但完整的数据采集范例，展示了：

如何生成并控制车辆
如何挂载传感器并保存数据
如何构建简单交通场景
如何安全管理仿真资源