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:

  1. 在仿真中生成一辆主车并启用自动驾驶
  2. 为主车挂载一个深度摄像头(Depth Camera)
  3. 将摄像头捕获的图像自动保存到磁盘
  4. 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:

  1. 如何生成并控制车辆
  2. 如何挂载传感器并保存数据
  3. 如何构建简单交通场景
  4. 如何安全管理仿真资源
相关推荐
Frag0ut8 小时前
Chrome 2026浏览器AI助手全攻略:智能问答与内容创作实战进阶指南
人工智能·chrome·ai助手·本地大模型·浏览器ai·网页智能总结·侧边栏ai
如夏倾城9 小时前
入侵检测系统(IDS)原理、部署模式与 IPS/防火墙对比
大数据·网络·人工智能·网络安全·云原生·架构·kubernetes
Dawson Zhu9 小时前
【模型量化⑤】Weight-Only INT4:AWQ与GPTQ两大算法深度解析
人工智能·语言模型·架构·aigc·agi
水如烟9 小时前
孤能子视角:通用智能 vs 分工协同智能群系统–––集中结晶 vs 分布式结晶
人工智能
罗西的思考9 小时前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
lilihuigz10 小时前
权限配置:WordPress 7.2 Abilities API 权限、输入验证与 JSON 输出指南
人工智能
杨凯凡10 小时前
IT日报|2026-11-20:欧盟 AI 网络攻击、Valkey 9.2、GitHub 企业迁移
人工智能·github
鲁邦通物联网10 小时前
机器人梯控到站状态机设计:楼层匹配、事件时序与任务判断
人工智能·机器人·机器人梯控·agv梯控·非侵入式采集·机器人乘梯·机器人自主乘梯
静水深码11 小时前
文生图提示词的工程师写法:把玄学话术拆成结构化模板
人工智能·后端·代码规范
Seiran11 小时前
Claude Fable 5.1写技术方案,ZEEKEAI提效实录
人工智能