自动驾驶—CARLA仿真（24）sensor_synchronization demo

📌 测试用例

PythonAPI/examples/sensor_synchronization.py

多传感器同步采集的底层实现示例，用于：

演示 CARLA 同步模式下多传感器数据对齐的原理
提供线程安全的传感器数据收集机制
验证所有传感器是否在每帧都成功返回数据

适用于 理解 CARLA 同步机制、开发自定义传感器同步逻辑、调试传感器丢失问题。

bash 复制代码

World's frame: 39070541
    Frame: 39070541   Sensor: lidar01
    Frame: 39070541   Sensor: camera01
    Frame: 39070541   Sensor: camera02
    Frame: 39070541   Sensor: camera03
    Frame: 39070541   Sensor: radar01
    Frame: 39070541   Sensor: radar02
    Frame: 39070541   Sensor: lidar02

🔑 主要模块解析

1. 同步模式配置（基础设置）

python 复制代码

settings.fixed_delta_seconds = 0.2  # 5 FPS 仿真步长
settings.synchronous_mode = True
world.apply_settings(settings)

关键参数 ：fixed_delta_seconds=0.2 → 每 200ms 推进一帧
同步模式 ：确保 world.tick() 返回时所有传感器数据已就绪

⚠️ 注意：此脚本不处理传感器数据内容，仅验证数据到达。

2. 传感器回调机制（核心设计）

python 复制代码

def sensor_callback(sensor_data, sensor_queue, sensor_name):
    sensor_queue.put((sensor_data.frame, sensor_name))

轻量级回调 ：仅将 (帧号, 传感器名) 入队，不处理原始数据
线程安全 ：使用 queue.Queue() 确保多传感器并发写入安全
可扩展性 ：注释中提示可直接入队原始数据（sensor_data）

✅ 这是 生产级传感器管理的最佳实践：回调函数应尽量轻量。

3. 传感器部署（多样化配置）

传感器类型	数量	配置差异
RGB 摄像头	3	默认配置（无位置/朝向设置）
LiDAR	2	不同点云密度： - `lidar01`: 100K 点/秒 - `lidar02`: 1M 点/秒
Radar	2	默认配置

💡 设计意图 ：

通过不同配置的传感器验证同步机制的鲁棒性（高负载 LiDAR 可能延迟）。

4. 主循环同步逻辑（关键创新）

python 复制代码

while True:
    world.tick()  # 推进仿真
    w_frame = world.get_snapshot().frame
    
    # 等待所有传感器数据
    for _ in range(len(sensor_list)):
        s_frame = sensor_queue.get(True, 1.0)  # 阻塞等待 1 秒
        print("Frame: %d Sensor: %s" % (s_frame[0], s_frame[1]))

严格同步 ：每帧必须收到 7 个传感器 的数据
超时处理：若 1 秒内未收齐，打印警告（可升级为报错）
帧号验证 ：通过 sensor_data.frame 确保数据属于当前仿真帧

⚠️ 重要限制 ：

假设所有传感器每帧都触发（实际中雷达/LiDAR 可能因性能跳帧）。

❗ 与高级同步方案（PythonAPI/examples/synchronous_mode.py）的区别

特性	本脚本	`CarlaSyncMode` 上下文管理器
数据处理	仅验证到达	可直接获取原始数据
易用性	需手动管理队列	封装为 `with` 语句
灵活性	适合底层调试	适合应用开发
错误处理	手动捕获 `Empty`	自动帧对齐断言

💡 定位差异 ：

本脚本是 同步机制的教学示例 ，而 CarlaSyncMode 是 工程化封装。

✅ 总结

该脚本是 CARLA 多传感器同步原理的底层演示，展示了：

如何 通过队列实现线程安全的数据收集
如何 验证多传感器数据的帧级对齐
如何 处理传感器数据丢失的边界情况

💡 核心价值 ：

为开发者提供了 理解 CARLA 同步机制的最小可行示例 ，特别适合需要 深度定制传感器同步逻辑 的高级应用场景。