别再到处找教程了！Ubuntu 18.04 + Carla 0.9.13 + ROS Melodic 联合仿真环境保姆级搭建实录

Ubuntu 18.04 + Carla 0.9.13 + ROS Melodic 联合仿真环境实战指南

自动驾驶仿真环境的搭建往往充满挑战，特别是当多个复杂系统需要协同工作时。本文将带你一步步完成Ubuntu 18.04系统下Carla 0.9.13与ROS Melodic的联合仿真环境搭建，避开那些令人头疼的"坑"。

1. 环境准备与系统配置

在开始之前，确保你的硬件满足以下最低要求：

• GPU：NVIDIA GTX 1070或更高（需支持CUDA）
• 内存：16GB以上
• 存储：至少100GB可用空间（虚幻引擎和Carla会占用大量空间）

1.1 系统基础配置

首先更新系统并安装必要依赖：

sudo apt-get update sudo apt-get upgrade -y sudo apt-get install -y build-essential clang-8 lld-8 g++-7 cmake ninja-build libvulkan1 python3-pip python3-dev python3-setuptools

设置默认编译器为g++-7：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 7 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 7

1.2 NVIDIA驱动安装

确保安装了正确的NVIDIA驱动：

sudo apt-get install -y nvidia-driver-470 sudo reboot

验证驱动安装：

nvidia-smi

2. Carla 0.9.13源码编译

2.1 获取源码

克隆Carla仓库并切换到0.9.13版本：

git clone https://github.com/carla-simulator/carla.git cd carla git checkout 0.9.13

2.2 安装虚幻引擎4.26

Carla 0.9.13需要特定版本的虚幻引擎：

1. 注册Epic Games账号并获取访问权限
2. 下载并安装Unreal Engine 4.26：

./Setup.sh ./GenerateProjectFiles.sh make

注意：编译虚幻引擎可能需要数小时，请确保有足够的存储空间和稳定的网络连接

2.3 编译Carla

设置环境变量：

export UE4_ROOT=~/UnrealEngine_4.26

开始编译：

make PythonAPI make launch

常见问题解决：

• 编译错误：检查g++版本是否为7
• Vulkan错误：安装libvulkan1并确保驱动支持
• 内存不足：增加swap空间或使用make -j4限制并行任务数

3. ROS Melodic安装与配置

3.1 安装ROS Melodic

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt-get update sudo apt-get install -y ros-melodic-desktop-full

初始化rosdep：

sudo rosdep init rosdep update

3.2 创建ROS工作空间

mkdir -p ~/carla-ros/catkin_ws/src cd ~/carla-ros/catkin_ws catkin_make source devel/setup.bash

4. carla-ros-bridge集成

4.1 安装carla-ros-bridge

cd ~/carla-ros/catkin_ws/src git clone --recurse-submodules https://github.com/carla-simulator/ros-bridge.git cd .. rosdep install --from-paths src --ignore-src -r catkin_make

4.2 配置环境变量

在~/.bashrc中添加：

export CARLA_ROOT=~/carla export PYTHONPATH=$PYTHONPATH:$CARLA_ROOT/PythonAPI/carla/dist/carla-0.9.13-py3.7-linux-x86_64.egg source ~/carla-ros/catkin_ws/devel/setup.bash

4.3 启动联合仿真

1. 启动Carla服务器：

cd ~/carla ./CarlaUE4.sh -quality-level=Low

2. 在另一个终端启动ROS桥接：

roslaunch carla_ros_bridge carla_ros_bridge.launch

5. 常见问题与解决方案

5.1 版本兼容性问题

5.2 性能优化技巧

• 降低渲染质量：启动时添加-quality-level=Low
• 关闭不需要的传感器：减少ROS话题数量
• 使用Docker：隔离环境，避免依赖冲突

5.3 调试技巧

1. 检查ROS话题：

rostopic list

2. 可视化传感器数据：

rviz

3. 查看ROS节点状态：

rosnode info /carla_ros_bridge

6. 进阶应用：数字孪生与自动驾驶仿真

搭建好基础环境后，你可以进一步探索：

• 自定义地图导入：使用RoadRunner创建OpenDRIVE格式地图
• 车辆模型替换：通过FBX格式导入自定义3D模型
• 传感器配置：激光雷达、摄像头、雷达等传感器的参数调整
• 算法测试：在仿真环境中验证SLAM、路径规划等算法

# 示例：通过PythonAPI控制车辆 import carla client = carla.Client('localhost', 2000) world = client.get_world() blueprint_library = world.get_blueprint_library() vehicle_bp = blueprint_library.filter('model3')[0] spawn_point = world.get_map().get_spawn_points()[0] vehicle = world.spawn_actor(vehicle_bp, spawn_point)

7. 实战经验分享

在实际项目中，我们发现以下几点特别值得注意：

1. 版本控制：精确记录每个组件的版本号，避免后续维护困难
2. 资源管理：定期清理不需要的日志和临时文件，防止存储空间不足
3. 网络配置：确保ROS节点间的通信不受防火墙限制
4. 备份策略：对关键配置文件进行版本控制

一个典型的自动驾驶仿真项目目录结构建议：

project_root/ ├── carla_assets/ # 自定义地图和车辆模型 ├── config/ # ROS参数文件 ├── launch/ # ROS启动文件 ├── scripts/ # 自定义Python脚本 ├── src/ # ROS包源代码 └── logs/ # 运行日志

8. 性能监控与优化

8.1 系统资源监控

使用以下命令实时监控系统状态：

# CPU和内存使用情况 htop # GPU使用情况 nvidia-smi -l 1 # 磁盘IO iotop

8.2 Carla性能参数调整

在CarlaUE4.sh启动时可以添加以下参数：

8.3 ROS参数优化

编辑carla_ros_bridge.launch文件中的关键参数：

<param name="synchronous_mode" value="True"/> <param name="fixed_delta_seconds" value="0.05"/> <param name="timeout" value="10"/>

9. 扩展功能集成

9.1 添加自定义ROS节点

创建一个新的ROS包来处理自定义逻辑：

cd ~/carla-ros/catkin_ws/src catkin_create_pkg my_controller rospy std_msgs

9.2 与Autoware或Apollo集成

通过ROS话题实现与主流自动驾驶框架的通信：

1. Autoware：使用autoware_msgs定义接口
2. Apollo：通过ROS bridge转换协议

9.3 多车协同仿真

修改carla_ros_bridge.launch以生成多个车辆：

<include file="$(find carla_spawn_objects)/launch/carla_spawn_objects.launch"> <arg name="objects_definition_file" value="$(find carla_spawn_objects)/config/vehicles.json"/> </include>

10. 项目实战：构建一个完整的仿真测试场景

让我们通过一个实际案例来整合前面学到的知识：

1. 场景设计：在城市环境中设置交叉路口
2. 车辆配置：主车+3辆NPC车辆
3. 传感器配置：前视摄像头+激光雷达
4. 测试目标：验证AEB（自动紧急制动）功能

实现步骤：

# 创建交通场景 world = client.get_world() settings = world.get_settings() settings.synchronous_mode = True settings.fixed_delta_seconds = 0.05 world.apply_settings(settings) # 生成交通流 tm = client.get_trafficmanager() tm.set_synchronous_mode(True) for i in range(3): vehicle_bp = random.choice(blueprint_library.filter('vehicle.*')) spawn_point = random.choice(world.get_map().get_spawn_points()) npc = world.spawn_actor(vehicle_bp, spawn_point) tm.vehicle_percentage_speed_difference(npc, 30)

11. 调试与日志分析

11.1 ROS日志管理

使用rosbag记录和回放数据：

# 记录指定话题 rosbag record -O test.bag /carla/ego_vehicle/vehicle_status /carla/ego_vehicle/camera/rgb/image_raw # 回放数据 rosbag play test.bag

11.2 Carla日志分析

Carla服务器日志位于~/carla/CarlaUE4/Saved/Logs/，重点关注：

• 加载错误：资产缺失或版本不匹配
• 渲染警告：GPU资源不足
• 物理引擎错误：碰撞检测问题

11.3 性能瓶颈识别

使用rqt_graph可视化节点通信：

rqt_graph

常见性能问题及解决方案：

1. 高延迟：减少传感器数据频率
2. 低帧率：降低渲染质量或分辨率
3. 通信丢失：检查网络配置和防火墙设置

12. 持续集成与自动化测试

对于团队项目，建议建立自动化测试流程：

1. Docker化环境：确保一致性
2. CI/CD流水线：自动构建和测试
3. 场景数据库：管理测试用例

示例Dockerfile片段：

FROM ubuntu:18.04 # 安装基础依赖 RUN apt-get update && apt-get install -y \ build-essential \ clang-8 \ lld-8 \ g++-7 \ cmake \ ninja-build # 设置默认编译器 RUN update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 7 && \ update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 7

13. 资源管理与优化

13.1 内存管理技巧

• 定期重启：长时间运行可能导致内存泄漏
• 资源释放：Python脚本中显式销毁Actor
• 监控工具：使用valgrind检测内存问题

13.2 存储优化

1. 清理不需要的资产：删除未使用的地图和车辆模型
2. 日志轮转：设置日志大小限制
3. 使用符号链接：将大文件存储在单独的分区

13.3 网络优化

对于分布式仿真：

• 使用ZeroMQ：替代默认的ROS通信
• 数据压缩：对图像和点云数据进行压缩
• QoS配置：调整ROS话题的Quality of Service

14. 安全注意事项

1. 防火墙配置：限制对Carla端口的访问
2. 认证机制：为ROS master设置访问控制
3. 数据安全：敏感数据加密存储
4. 系统隔离：使用专用机器或虚拟机运行仿真

15. 社区资源与进一步学习

15.1 官方文档

• Carla官方文档
• ROS Melodic文档

15.2 优质教程

1. Carla PythonAPI高级用法
2. ROS与Carla深度集成
3. 自定义传感器开发

15.3 开源项目参考

• Autoware.Carla
• ROS2 Carla Bridge
• Scenario Runner

16. 硬件配置建议

根据项目规模选择合适的硬件：

17. 版本升级策略

当需要升级组件时，建议：

1. 逐步升级：一次只升级一个主要组件
2. 充分测试：在开发环境验证后再部署
3. 备份数据：升级前备份关键配置和资产
4. 文档更新：记录版本变更和兼容性信息

18. 多机分布式仿真

对于大规模仿真，可以考虑：

1. Carla分布式设置：多台机器运行不同地图区域
2. ROS多机通信：配置ROS_MASTER_URI
3. 数据同步：使用NTP服务确保时间一致

19. 自定义插件开发

通过Carla的PythonAPI和ROS服务，你可以：

1. 开发新的传感器类型
2. 实现自定义交通行为
3. 创建特殊天气效果
4. 集成第三方算法

示例插件结构：

my_plugin/ ├── __init__.py ├── sensor.py # 自定义传感器实现 ├── controller.py # 车辆控制算法 └── utils.py # 辅助函数

20. 项目规划与管理建议

1. 模块化设计：清晰划分功能模块
2. 版本控制：使用Git管理代码和配置
3. 文档规范：维护详细的开发文档
4. 团队协作：明确接口定义和职责划分