自动驾驶—CARLA仿真（13）dynamic_weather demo

📌 测试用例

PythonAPI/examples/dynamic_weather.py

动态天气控制，用于：

1. 平滑移动太阳位置（模拟一天中的时间变化）
2. 周期性生成风暴（云层、降雨、积水、湿滑路面等）
3. 以可控速度自动更新天气参数

适用于 自动驾驶系统在复杂天气下的鲁棒性测试、传感器性能评估、视觉算法验证。

carla_dynamic_weather

---

🔑 主要模块解析

1. Sun 类：动态太阳轨迹模拟

• 核心逻辑 ：

  def tick(self, delta_seconds):
      self._t += 0.008 * delta_seconds        # 时间累积（正弦波相位）
      self.azimuth += 0.25 * delta_seconds    # 方位角匀速旋转（360°/40分钟）
      self.altitude = (70 * sin(self._t)) - 20  # 高度角正弦变化（-20° ~ +50°）

• 效果 ：

  • 太阳 东升西落（方位角 0°→360°）
  • 高度角 日出→正午→日落（最低 -20° 地平线下，最高 50°）

• 用途 ：
  模拟 自然光照变化，影响摄像头曝光、阴影、能见度。

---

2. Storm 类：风暴生命周期管理

• 状态机设计：

  • _t：内部状态变量（-250 → 100 → -250 循环）
  • _increasing：控制风暴 增强/减弱阶段

• 天气参数联动：

  参数	计算逻辑	效果
  clouds	_t + 40	云量随风暴强度增加
  rain	_t	降雨量直接反映风暴强度
  puddles	_t + delay	积水滞后于降雨（更真实）
  wetness	_t * 5	路面湿滑程度
  wind	基于云量分级	云多则风大
  fog	_t - 10	风暴伴随薄雾

• 周期行为：

  • 平静期 （_t = -250）→ 风暴酝酿 → 暴雨高峰 （_t = 100）→ 逐渐消退

✅ 模拟了 真实风暴的渐进式发展，而非突变。

---

3. Weather 类：天气系统集成器

• 职责 ：

  • 封装 CARLA 原生 carla.WeatherParameters
  • 协调 Sun 和 Storm 的更新
  • 将计算结果写回 weather 对象

• 关键方法 ：

  def tick(self, delta_seconds):
      self._sun.tick(delta_seconds)
      self._storm.tick(delta_seconds)
      # 同步所有参数到 CARLA 天气对象
      self.weather.sun_azimuth_angle = self._sun.azimuth
      self.weather.precipitation = self._storm.rain
      ...

---

4. 主循环：可控速率更新

speed_factor = args.speed          # 默认 1.0（实时速度）
update_freq = 0.1 / speed_factor   # 更新间隔（秒）

while True:
    timestamp = world.wait_for_tick()
    elapsed_time += delta_seconds
    if elapsed_time > update_freq:
        weather.tick(speed_factor * elapsed_time)  # 加速/减速时间流
        world.set_weather(weather.weather)
        print(weather)  # 实时显示当前状态
        elapsed_time = 0.0

• --speed 参数作用 ：
  • speed=2.0：天气变化快 2 倍（快速测试极端天气）
  • speed=0.5：天气变化慢 2 倍（精细观察过渡效果）

⚠️ 注意：tick() 中传入 speed_factor * elapsed_time 是为了 保持物理一致性（如降雨量积累）。

---

🌦️ 动态天气效果演示

时间段	太阳状态	风暴状态	视觉效果
初始	低角度（清晨）	无云无雨	清晰场景，长阴影
中期	高角度（正午）	乌云密布，小雨	光线变暗，路面反光
高峰	西斜（傍晚）	暴雨+强风+积水	摄像头模糊，LiDAR 噪声增加
结束	落山（夜间）	雨停，积水残留	低光照，湿滑路面

---

🎯 核心应用场景

应用	如何利用本脚本
摄像头鲁棒性测试	验证算法在暴雨/强光下的目标检测性能
LiDAR 性能分析	测试雨雾对点云密度的影响
规划决策验证	检查车辆在湿滑路面是否降低速度
数据集生成	采集带时间连续天气变化的多模态数据

---

⚠️ 技术亮点

1. 物理一致的时间缩放

   • 通过 speed_factor 控制仿真速度，但保持 降雨量 ∝ 时间 的物理关系

2. 参数联动设计

   • 积水（puddles）滞后于降雨（rain）
   • 风速（wind）依赖云量（clouds）
   • 避免不真实的天气组合（如晴天暴雨）

3. 无缝循环

   • 太阳轨迹（sin 函数）和风暴周期（状态机）均 无限循环，适合长时间测试

---

✅ 总结

该脚本是 CARLA 高级天气控制的典范，展示了：

1. 如何构建 时间连续的动态天气系统
2. 如何实现 多天气参数的物理联动
3. 如何提供 可配置的仿真加速比

它是评估 自动驾驶系统在复杂气象条件下可靠性 的关键工具，特别适合需要 长时间、渐进式环境变化 的测试场景。