2. 仿真平台选型：主流仿真平台对比
做自动驾驶感知算法仿真，第一步就是选平台。说实话，这步选错了，后面全白干。我见过不少团队，花三个月搭好环境，结果发现传感器模型不准，或者场景编辑器太弱，最后只能推倒重来。今天我就把几个主流平台掰开揉碎讲清楚。
2.1 四大主流仿真平台概览
目前工业界和学术界用得最多的，就是这四个：CARLA、SUMO、LGSVL、AirSim。它们各有各的脾气，咱们一个一个说。
| 平台 | 定位 | 渲染引擎 | 传感器仿真 | 开源情况 |
|---|---|---|---|---|
| CARLA | 城市自动驾驶仿真 | Unreal Engine 4 | 摄像头、激光雷达、毫米波雷达、GPS/IMU | 完全开源 |
| SUMO | 交通流仿真 | 无（2D微观交通） | 无传感器模型 | 完全开源 |
| LGSVL | 自动驾驶全栈仿真 | Unity | 摄像头、激光雷达、毫米波雷达、超声波 | 开源（已停止维护） |
| AirSim | 无人机/机器人仿真 | Unreal Engine 4 | 摄像头、激光雷达、IMU、深度相机 | 完全开源 |
核心观点：没有最好的平台，只有最合适的平台。选型的关键，是看你的算法要解决什么问题。
2.2 CARLA：感知算法验证的首选
我个人最常用的就是CARLA。为什么？因为它对感知算法的支持最完整。
CARLA基于Unreal Engine 4，渲染质量在开源平台里算第一梯队。它的传感器模型很丰富，尤其是激光雷达，支持64线、32线、16线，还能模拟光束的衰减和噪声。我在做3D目标检测时，就靠CARLA生成的数据来训练模型，效果跟真实数据差距不大。
举个例子，你想验证一个多传感器融合算法：
# CARLA中配置传感器
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '1920')
camera_bp.set_attribute('image_size_y', '1080')
camera_bp.set_attribute('fov', '90')
lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')
lidar_bp.set_attribute('channels', '64')
lidar_bp.set_attribute('range', '100')
lidar_bp.set_attribute('points_per_second', '1000000')
嗯，这里要注意：CARLA的传感器数据是同步发布的，但实际硬件会有延迟。所以你在做真值对齐时，最好加一个时间戳补偿模块。我曾经因为这个疏忽，导致融合算法在实车上表现很差，排查了两天才发现问题。
2.3 SUMO：交通流仿真的利器
SUMO跟其他三个平台不太一样。它不做传感器仿真，也不渲染画面。它的核心能力是交通流仿真。
说白了，SUMO就是模拟车流怎么走、红绿灯怎么变、行人怎么过马路。它生成的轨迹数据，可以作为CARLA等平台的输入，用来驱动场景中的动态物体。
我习惯把SUMO和CARLA搭配使用。SUMO负责生成交通流，CARLA负责渲染和传感器仿真。这样分工明确，各取所长。
# SUMO生成交通流示例
<routes>
<vType id="car" accel="2.0" decel="4.5" sigma="0.5" length="4.5" maxSpeed="15.0"/>
<flow id="flow1" type="car" begin="0" end="100" number="50" from="edge1" to="edge2"/>
</routes>
小技巧：用SUMO生成复杂交通场景时，建议先画好路网，再定义车流。路网越精细，仿真越真实。我一般会用OpenStreetMap导出真实地图，再导入SUMO做微调。
2.4 LGSVL：曾经的王者，现在的遗憾
LGSVL曾经是我最看好的平台。它基于Unity，渲染效果不错，而且支持Apollo和Autoware的对接。我在2020年用它做过一个完整的感知算法验证项目，从数据采集到模型部署，一条龙搞定。
但可惜的是，LGSVL在2022年停止了维护。现在虽然还能用，但新功能不会有了，Bug也没人修了。如果你是新项目，我不建议再选LGSVL。除非你手头有现成的场景和资产，不想迁移。
避坑指南：我曾经因为LGSVL的激光雷达模型有Bug，导致点云数据出现大量离群点。排查了三天才发现是平台问题。所以用LGSVL时，一定要先做传感器标定验证。
2.5 AirSim：无人机感知的专属选择
AirSim是微软开源的，主要面向无人机和机器人。它的传感器模型很全，尤其是深度相机和IMU，精度很高。如果你做的是无人机避障或者SLAM，AirSim是首选。
不过，AirSim对城市道路场景的支持不如CARLA。它的地图编辑器比较简陋，很难生成复杂的交通场景。所以做自动驾驶感知的话，AirSim更适合作为辅助平台，用来验证特定传感器（比如深度相机）的算法。
2.6 选型依据与适用场景
说了这么多，到底怎么选？我总结了一个决策流程，你可以参考：
这个图是我自己总结的，你照着走基本不会错。我再补充几个关键点：
- 做感知算法验证：首选CARLA。传感器模型全，场景丰富，社区活跃。
- 做交通流预测：用SUMO。它生成的轨迹数据可以直接喂给CARLA。
- 做无人机感知：用AirSim。深度相机和IMU的精度很高。
- 做全栈仿真：以前推荐LGSVL，现在建议用CARLA+SUMO组合。
我的建议：如果你刚开始做感知算法仿真，直接上CARLA。它学习曲线虽然陡一点，但功能最全，踩坑最少。我带的实习生，一般两周就能上手。
2.7 选型避坑指南
最后，分享几个我踩过的坑：
- 别只看渲染效果。有些平台画面很漂亮，但传感器模型不准。你想想看，算法在仿真里跑得飞起，一上实车就崩，那多尴尬。
- 注意平台维护状态。LGSVL就是前车之鉴。选平台时，看看GitHub的更新频率，社区活跃度。
- 考虑硬件兼容性。CARLA对GPU要求高，AirSim对内存要求高。我曾经在笔记本上跑CARLA，卡得怀疑人生。
- 别忘了接口扩展性。你的算法可能需要对接ROS、Apollo或者其他框架。选平台时，先确认它支持哪些接口。
嗯，以上就是我对仿真平台选型的全部经验。说白了，选平台就像选工具，顺手最重要。别盲目追求功能多，也别贪图便宜选个半成品。适合你的，才是最好的。