2、环境准备：硬件要求、操作系统选择、显卡驱动与CUDA安装、Python环境配置
好，咱们正式开始动手了。这一章说白了就是「搭台子」。台子搭不好，后面跑仿真的时候各种报错，你心态会崩。我当年第一次装Carla，光显卡驱动就折腾了一下午，后来发现是CUDA版本没对齐。嗯，这些坑我帮你先踩一遍。
2.1 硬件要求：别让机器拖后腿
Carla这玩意儿，吃硬件。尤其是显卡和内存。你想想看，它要实时渲染一个3D城市，还要跑传感器模拟，CPU和GPU都得扛得住。
我个人习惯，先看官方推荐的最低配置，再往上加一档。因为实际跑起来，你会发现「最低配置」只能让你看到画面，根本跑不了多智能体。
| 硬件 | 最低要求 | 推荐配置（我建议） |
|---|---|---|
| GPU | NVIDIA GTX 1060 6GB | NVIDIA RTX 3060 12GB 或更高 |
| CPU | Intel i5 第8代 / AMD Ryzen 5 | Intel i7 第12代 / AMD Ryzen 7 |
| 内存 | 16 GB | 32 GB（我强烈建议） |
| 硬盘 | SSD 256 GB | NVMe SSD 512 GB 以上 |
| 显存 | 6 GB | 8 GB 起步，12 GB 更稳 |
2.2 操作系统选择：Ubuntu是亲儿子
官方对Windows也支持，但说实话，我在Windows上踩过不少坑。比如编译慢、路径分隔符问题、还有莫名其妙的DLL缺失。后来我彻底转到了Ubuntu，世界清净了。
我个人推荐 Ubuntu 22.04 LTS。为什么？
- Carla官方对Ubuntu的兼容性测试最充分
- ROS2和Carla的集成，Ubuntu是首选
- 驱动和CUDA的安装，Linux下更透明
如果你非要用Windows，也不是不行。但请确保是 Windows 10 或 11 专业版，并且开启了WSL2。不过，我建议你直接装双系统或者用一台纯Linux机器。省心。
2.3 显卡驱动与CUDA安装：最容易翻车的一步
这一步，我当年翻车翻得最惨。装完驱动，重启，黑屏。装完CUDA，nvcc -V 报错。后来发现是驱动版本和CUDA版本不匹配。
为什么会这样？因为Carla对CUDA版本有要求。目前Carla 0.9.14及以上版本，推荐 CUDA 11.6 或 11.8。驱动版本则要 >= 510。
我的安装流程是这样的：
- 先卸载旧驱动（如果有的话）
- 安装NVIDIA驱动：推荐用官方runfile或者Ubuntu的附加驱动工具
- 安装CUDA Toolkit：去NVIDIA官网下载对应版本的runfile
- 配置环境变量：把CUDA路径加到.bashrc里
- 验证安装：运行 nvidia-smi 和 nvcc --version
具体命令，我贴出来供你参考：
# 1. 检查当前驱动
nvidia-smi
# 2. 如果没装，先装驱动（以Ubuntu 22.04为例）
sudo apt update
sudo apt install nvidia-driver-525
# 3. 重启
sudo reboot
# 4. 下载CUDA 11.8（去官网找runfile链接）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
# 5. 配置环境变量
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
# 6. 验证
nvcc --version
2.4 Python环境配置：用虚拟环境，别污染系统
Python版本，Carla官方推荐 Python 3.8 或 3.9。别用3.10以上，有些依赖库还没适配好。
我个人习惯用 conda 来管理环境。为什么？因为方便切换。你想想看，你后面可能还要跑ROS2、PyTorch、TensorFlow，每个项目对Python版本和库版本要求都不一样。用虚拟环境，互不干扰。
安装步骤：
- 安装Miniconda（比Anaconda轻量）
- 创建Carla专用环境
- 安装必要的Python库
# 1. 下载并安装Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 2. 创建环境
conda create -n carla_env python=3.8
conda activate carla_env
# 3. 安装常用库
pip install numpy opencv-python pillow matplotlib
pip install pygame # Carla自带的客户端需要这个
pip install shapely # 处理几何数据
2.5 验证环境：跑个简单的测试
装完别急着高兴。先验证一下环境是否真的通了。我一般会写个简单的Python脚本，导入Carla的Python API，看看能不能连上服务器。
# test_carla.py
import carla
import sys
try:
# 连接到Carla服务器（默认本地）
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
# 获取世界对象
world = client.get_world()
print("成功连接到Carla服务器！")
print(f"地图: {world.get_map().name}")
except Exception as e:
print(f"连接失败: {e}")
sys.exit(1)
如果你还没启动Carla服务器，这个脚本会报错。没关系，至少说明Python环境和Carla的API包已经装好了。后面我们启动Carla后再跑一次。
CarlaUE4/Bindings/PythonAPI/carla/dist/ 下的那个egg文件。你需要把它解压或者用pip安装。这个细节，我们下一章会详细讲。
好了，环境准备就到这里。你跟着走一遍，应该不会出大问题。如果卡住了，别硬扛。去查一下错误日志，或者回头看看是不是哪一步漏了。我当年装CUDA时，就是少配了一个环境变量，结果折腾了两小时。嗯，这些坑，你记住了就好。