Apollo 9.0 开发环境实战：WSL2 与 CARLA 仿真器无缝集成指南

1. WSL2与Ubuntu 20.04环境搭建

在Windows系统下搭建Apollo 9.0开发环境，WSL2是最佳选择。相比传统虚拟机，WSL2提供了接近原生Linux的性能，同时又能与Windows系统无缝交互。我实测下来，WSL2的资源占用只有VMware的1/3左右，启动速度却快了近10倍。

安装过程其实很简单，但有几个关键点需要注意：

1. 确保Windows版本在2004以上（建议22H2）
2. BIOS中开启虚拟化支持（VT-x/AMD-V）
3. 分配足够的内存和存储空间（建议至少8GB内存+50GB存储）

具体安装步骤：

# 以管理员身份打开PowerShell wsl --install -d Ubuntu-20.04 wsl --set-version Ubuntu-20.04 2

安装完成后，强烈建议做这些优化配置：

• 修改WSL2内存限制（在%USERPROFILE%/.wslconfig中添加）
• 将Ubuntu根目录迁移到非系统盘（避免C盘爆满）
• 配置SSH密钥和Git基础信息

提示：WSL2与Windows的文件互访通过/mnt/盘符实现，但IO性能较差。建议将开发环境完全放在WSL2内部（如~/projects）

2. Docker与GPU环境配置

Apollo 9.0采用容器化部署，因此需要完整配置Docker环境。这里我推荐使用国内镜像源加速安装：

# 使用阿里云镜像安装Docker curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository "deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable" sudo apt update sudo apt install -y docker-ce

要让Docker支持GPU加速，需要额外安装NVIDIA Container Toolkit。这里有个坑：必须先在Windows主机安装匹配的NVIDIA驱动，再在WSL2内安装工具包：

# 添加NVIDIA仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 安装工具包 sudo apt update sudo apt install -y nvidia-docker2 sudo systemctl restart docker

验证GPU是否可用：

docker run --gpus all nvidia/cuda:11.0-base nvidia-smi

3. Apollo 9.0源码编译

Apollo的Docker镜像已经包含了大部分依赖，但源码编译仍然是个耗时的工作。根据我的经验，编译过程可能会遇到这些问题：

1. 网络问题导致依赖下载失败（建议配置镜像源）
2. 内存不足导致编译中断（建议增加swap空间）
3. 显卡驱动不兼容（需要严格匹配CUDA版本）

编译命令很简单：

./apollo.sh build_opt_gpu

但有几个优化技巧：

• 使用-j参数并行编译（如build_opt_gpu -j8）
• 提前下载第三方依赖（修改Dockerfile中的下载源）
• 关闭不需要的模块（修改BUILD文件）

实测在i7-11800H + RTX 3060配置下，完整编译需要约2小时。如果遇到特定模块编译失败，可以尝试单独编译：

bazel build //modules/perception:all

4. CARLA 9.14集成实战

CARLA与Apollo的桥接是最大的技术难点，主要因为：

• Python版本冲突（Apollo用3.6，CARLA需要3.7+）
• 网络通信配置复杂
• 坐标系转换需要特殊处理

我的解决方案是创建独立Python环境：

sudo apt install python3.7 python3.7 -m venv carla-env source carla-env/bin/activate pip install carla==0.9.14

桥接配置关键步骤：

1. 修改carla_apollo_bridge/config.yaml中的IP设置
2. 确保CARLA服务端口(2000)可访问
3. 处理坐标系转换（修改bridge代码中的TF设置）

启动顺序很重要：

1. 先启动CARLA服务端
2. 启动Apollo的Dreamview
3. 最后启动bridge程序

注意：WSL2的网络架构特殊，需要在Windows防火墙放行相关端口

5. 常见问题排查

在实际部署过程中，我遇到过这些典型问题：

Dreamview无法访问

• 检查bootstrap.sh中的IP配置
• 确认端口映射正确（WSL2需要额外配置）
• 查看docker容器网络模式

传感器数据异常

• 检查bridge的topic配置
• 验证坐标系转换矩阵
• 调整CARLA的仿真参数

性能优化建议

• 限制CARLA的渲染质量（建议Low或Epic）
• 调整Apollo的感知模块参数
• 使用WSL2内存限制避免资源争抢

对于可视化工具不可用的问题，目前可行的解决方案是通过VNC连接：

sudo apt install xvfb export DISPLAY=:0 Xvfb :0 -screen 0 1024x768x24 &

这套环境我已经稳定使用了半年多，虽然初期配置比较麻烦，但一旦跑通后非常便于日常开发。最近发现社区有个新的bridge项目Apollo-CARLA-Bridge，据说兼容性更好，准备下次升级时尝试。