3、Carla安装：源码编译安装、预编译包安装、Docker安装、安装验证

好，咱们正式开始动手了。这一章讲安装，我把它放在前面，是因为很多新手朋友一上来就被安装劝退了。说实话，Carla的安装确实有点门槛，但别怕，我把三种主流方式都给你捋一遍。

我个人习惯先讲清楚每种方式的适用场景，你再根据自己的情况选。别一上来就搞源码编译，那玩意儿耗时又折腾，除非你真的需要改底层代码。

3.1 安装方式总览

先看个表格，心里有个底：

安装方式	适用场景	难度	耗时
预编译包安装	快速上手、日常使用	★☆☆☆☆	10分钟
Docker安装	团队协作、环境隔离	★★☆☆☆	15分钟
源码编译安装	二次开发、定制修改	★★★★☆	1-3小时

你想想看，如果你只是学学怎么用Carla做仿真，预编译包就够了。但如果你要改传感器模型、加新的车辆动力学，那就得走源码编译。

3.2 预编译包安装（推荐新手）

这是我最推荐的方式。说白了，就是下载一个压缩包，解压就能用。

3.2.1 下载与解压

# 以Carla 0.9.14为例
wget https://github.com/carla-simulator/carla/releases/download/0.9.14/CARLA_0.9.14.tar.gz

# 解压到指定目录
mkdir ~/carla
tar -xzf CARLA_0.9.14.tar.gz -C ~/carla

嗯，这里要注意：解压后大概有3-4GB，确保磁盘空间够用。我曾经在服务器上装过一次，忘了看磁盘，结果解压到一半报错，白等了半小时。

3.2.2 启动Carla

cd ~/carla
./CarlaUE4.sh

启动后你会看到一个3D场景窗口，里面有几辆车和建筑。如果窗口闪退，八成是显卡驱动问题。我遇到过好几次，后来发现是NVIDIA驱动版本太老。

3.3 Docker安装（适合团队协作）

Docker方式的好处是环境完全隔离，不会污染你的系统。我在团队里推广的就是这种方式，大家拉同一个镜像，跑出来的结果一模一样。

3.3.1 拉取镜像

# 拉取官方镜像
docker pull carlasim/carla:0.9.14

# 查看镜像是否拉取成功
docker images | grep carla

3.3.2 运行容器

# 启动Carla容器
docker run --rm -it \
  --net=host \
  --gpus all \
  carlasim/carla:0.9.14 \
  ./CarlaUE4.sh

这里有个关键参数 --net=host，它让容器和宿主机共享网络。为什么要这样？因为Carla的客户端和服务器之间要通过特定端口通信，共享网络能省去端口映射的麻烦。

3.4 源码编译安装（进阶玩家）

源码编译，说白了就是自己从源代码构建整个项目。这个过程比较痛苦，但能让你对Carla的内部结构有更深的理解。

3.4.1 环境准备

先确认你的系统满足要求：

• Ubuntu 18.04 或 20.04（我建议用20.04，兼容性更好）
• 至少16GB内存（编译时很吃内存）
• NVIDIA显卡 + 驱动版本 >= 460
• Python 3.7 或 3.8

3.4.2 克隆源码

git clone https://github.com/carla-simulator/carla.git
cd carla
git checkout 0.9.14

记得切到稳定分支。我见过有人直接拉master分支，结果编译到一半发现依赖冲突，折腾了两天。

3.4.3 安装依赖

# 安装系统依赖
sudo apt-get update
sudo apt-get install -y \
  build-essential \
  clang-8 \
  lld-8 \
  g++-7 \
  cmake \
  ninja-build \
  libvulkan1 \
  python3-dev \
  python3-pip

# 安装Python依赖
pip3 install --user -r PythonAPI/requirements.txt

3.4.4 开始编译

# 设置编译参数
export CC=/usr/bin/clang-8
export CXX=/usr/bin/clang++-8

# 开始编译（这个过程很长）
make setup
make launch

编译时间取决于你的机器配置。我自己的机器是i7+32GB内存，大概花了1小时40分钟。如果你用的是笔记本，建议晚上睡觉前跑上，第二天早上就好了。

3.5 安装验证

不管用哪种方式安装，最后都要验证一下能不能正常工作。

3.5.1 启动Carla服务端

# 启动Carla
./CarlaUE4.sh -quality-level=Low

加上 -quality-level=Low 参数，能降低显卡负载。我第一次验证时没加这个参数，结果老显卡直接卡死。

3.5.2 运行客户端测试

打开另一个终端，运行Python客户端：

# 进入Python API目录
cd PythonAPI/examples

# 运行示例脚本
python3 spawn_npc.py -n 10

如果看到场景里出现了10辆车在跑，说明安装成功了。

3.6 常见问题与避坑

最后分享几个我踩过的坑：

• 显卡驱动问题： 启动时黑屏或闪退，先检查 nvidia-smi 能不能正常输出
• 端口占用： Carla默认用2000-2002端口，如果被占用，启动时加 -carla-rpc-port=3000 换个端口
• Python版本： 别用Python 3.10以上，Carla的API还没完全适配

我曾经在客户现场部署时，发现他们的服务器装了多个Python版本，结果Carla的PythonAPI死活找不到正确的解释器。后来用虚拟环境才搞定。

好了，安装部分就这些。选一种适合你的方式，装好了咱们下一章见。