Windows 10/11 上从零搞定 OpenCDA 自动驾驶仿真环境：CARLA 0.9.14 + PyTorch + SUMO 保姆级配置流程

Windows 10/11 上从零搞定 OpenCDA 自动驾驶仿真环境：CARLA 0.9.14 + PyTorch + SUMO 保姆级配置流程

自动驾驶仿真技术正在成为行业研究和开发的重要工具。对于刚接触这一领域的开发者来说，搭建一个完整的仿真环境往往是第一个挑战。本文将带你一步步在Windows系统上配置OpenCDA自动驾驶仿真环境，涵盖CARLA 0.9.14、PyTorch和SUMO的安装与集成，特别针对新手可能遇到的各类问题进行详细解答。

1. 环境准备与基础配置

在开始安装前，我们需要确保系统满足基本要求并做好必要准备。Windows 10或11系统（64位）是最佳选择，建议使用专业版或企业版以获得更好的兼容性。

硬件要求：

• 显卡：NVIDIA GTX 1070或更高（需支持CUDA）
• 内存：16GB以上
• 存储空间：至少50GB可用空间（CARLA本身就需要约30GB）

首先安装必要的系统组件：

1. 安装最新版Visual Studio 2019/2022，勾选"使用C++的桌面开发"工作负载
2. 安装Python 3.7（CARLA 0.9.14的最佳兼容版本）
3. 安装CUDA 11.3和对应版本的cuDNN（与PyTorch版本匹配）

提示：Python环境建议使用Anaconda管理，可以避免系统Python环境被污染

conda create -n opencda python=3.7 conda activate opencda

2. CARLA 0.9.14安装与配置

CARLA是自动驾驶仿真的核心平台，其安装过程有几个关键点需要注意。

2.1 下载与基础安装

从CARLA官网下载Windows版的CARLA_0.9.14.zip包，解压到不含中文和空格的路径（如D:\CARLA_0.9.14）。解压完成后，目录结构应包含：

• CarlaUE4.exe（主程序）
• PythonAPI（Python接口）
• Engine（核心引擎文件）

首次运行时，双击CarlaUE4.exe启动服务端。如果遇到DirectX或显卡驱动问题，尝试更新显卡驱动至最新版本。

2.2 Python API安装

CARLA的Python接口需要特殊处理才能正常使用。进入PythonAPI/carla/dist目录，找到对应的.egg文件（如carla-0.9.14-py3.7-win-amd64.egg），执行以下操作：

# 解压egg文件 unzip carla-0.9.14-py3.7-win-amd64.egg -d carla-0.9.14-py3.7-win-amd64 # 进入解压目录创建setup.py cd carla-0.9.14-py3.7-win-amd64

创建setup.py文件内容如下：

import os from distutils.core import setup CARLA_VERSION = '0.9.14' if 'CARLA_VERSION' in os.environ: CARLA_VERSION = os.environ['CARLA_VERSION'] setup( name='carla', version=CARLA_VERSION, py_modules=['carla'], )

然后安装这个包：

pip install -e /path/to/carla-0.9.14-py3.7-win-amd64

验证安装是否成功：

python -c "import carla; print(carla.__version__)"

3. OpenCDA安装与依赖管理

OpenCDA是一个基于CARLA的协同驾驶自动化仿真框架，整合了SUMO等工具。

3.1 获取OpenCDA源码

从GitHub克隆最新版OpenCDA：

git clone https://github.com/ucla-mobility/OpenCDA.git cd OpenCDA

3.2 创建专用环境

使用conda根据提供的environment.yml创建环境：

conda env create -f environment.yml conda activate opencda

3.3 开发模式安装

以开发模式安装OpenCDA，便于后续修改和调试：

python setup.py develop

4. PyTorch与深度学习环境配置

自动驾驶算法通常需要PyTorch等深度学习框架支持。根据你的CUDA版本选择合适的PyTorch安装命令：

对于CUDA 11.3：

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

验证PyTorch是否能使用GPU：

import torch print(torch.cuda.is_available()) # 应返回True print(torch.version.cuda) # 应显示你的CUDA版本

5. SUMO交通仿真集成

SUMO（Simulation of Urban MObility）是一个开源的交通仿真工具，OpenCDA使用它进行宏观交通流模拟。

5.1 安装SUMO

从SUMO官网下载最新Windows安装包（建议版本1.12.0），安装时勾选"Add SUMO to PATH"选项。安装完成后验证：

sumo --version

5.2 配置环境变量

确保以下环境变量已设置：

• SUMO_HOME：指向SUMO安装目录（如C:\Program Files (x86)\Eclipse\Sumo）
• 将%SUMO_HOME%\bin添加到PATH

6. 系统集成与测试

完成所有组件安装后，需要进行集成测试确保各模块能协同工作。

6.1 启动CARLA服务端

cd /path/to/CARLA_0.9.14 ./CarlaUE4.exe -carla-rpc-port=2000

6.2 运行测试用例

在OpenCDA目录下执行：

python opencda.py -t platoon_joining_2lanefree_cosim -v 0.9.14

常见问题及解决方案：

1. CARLA连接失败：

   • 检查CARLA服务端是否正常运行
   • 确认端口2000未被占用
   • 验证carla Python包是否正确安装

2. SUMO相关错误：

   • 检查SUMO_HOME环境变量
   • 确保sumo-gui能单独运行

3. PyTorch CUDA不可用：

   • 确认安装的PyTorch版本与CUDA版本匹配
   • 更新显卡驱动

7. 高级配置与优化

对于需要更高性能的用户，可以考虑以下优化措施：

CARLA性能优化：

• 编辑CarlaUE4/Config/DefaultEngine.ini，调整：

  [ConsoleVariables] r.VSync=0 r.ScreenPercentage=100

• 使用-quality-level=Low启动参数

SUMO并行计算： 在scenario.yaml中配置：

sumo: num_workers: 4 # 根据CPU核心数调整

PyTorch性能调优：

torch.backends.cudnn.benchmark = True torch.set_float32_matmul_precision('high')

在实际项目中，我发现CARLA的Python API有时会出现内存泄漏问题，特别是在长时间运行多个场景时。一个实用的解决方法是定期重启Python进程，或者使用单独的进程运行每个场景。