4、RGB相机配置：相机参数详解

好，咱们今天来聊聊RGB相机。说实话，在自动驾驶仿真里，RGB相机是最常用的传感器之一。我刚开始做Carla项目时，第一个配置的就是它。你想想看，没有图像数据，很多视觉算法根本跑不起来。

这一节，我会把相机参数、图像数据结构、保存方法，还有畸变模型，一次性讲清楚。嗯，咱们直接开始。

4.1 相机参数详解

配置RGB相机，说白了就是调几个关键参数。我习惯把它们分成三类：光学参数、分辨率参数、位置参数。

4.1.1 FOV（视场角）

FOV，全称Field of View，就是相机能看多宽。单位是度。Carla里默认是90度，但我建议你根据场景来调。

• 小FOV（60°以下）：适合远距离目标检测，比如高速场景。视野窄，但远处物体更清晰。
• 大FOV（120°以上）：适合城市道路、交叉口。视野宽，但边缘畸变会明显。

4.1.2 分辨率

分辨率决定了图像的清晰度。Carla里常用的分辨率有：

分辨率	宽×高	适用场景
低	640×480	快速测试、模型训练前验证
中	1280×720	大多数场景，平衡性能与质量
高	1920×1080	高精度感知、最终评测

我个人习惯先用640×480做调试，跑通了再换高分辨率。为什么呢？因为高分辨率图像数据量大，处理起来慢。你想想看，一帧1920×1080的图像，比640×480大了好几倍，调试时反复加载，浪费时间。

4.1.3 位置参数

相机的位置和朝向，直接决定了它能看到什么。Carla里用Transform来设置，包含Location（位置）和Rotation（旋转）。

# 设置相机位置：车顶前方
camera_transform = carla.Transform(
    carla.Location(x=1.5, z=2.4),  # x向前，z向上
    carla.Rotation(pitch=-15)       # 向下倾斜15度
)

这里要注意几点：

• x：前后方向，正数向前
• z：高度，一般1.5-2.5米，模拟车顶安装
• pitch：俯仰角，负值向下看。我一般设-15到-20度，能看到近处路面

4.2 图像数据结构

相机采集到的图像，在Carla里是一个carla.Image对象。它包含什么？说白了就是一张图片的原始数据。

核心属性：

• width, height：图像宽高
• raw_data：原始像素数据，BGRA格式，每个像素4字节
• frame：帧序号，可以用来同步多个传感器
• timestamp：时间戳，精确到微秒

你可能会问：为什么是BGRA而不是RGB？嗯，这是Carla内部存储格式，我们后面转成RGB就行。

# 从raw_data中提取RGB数据
import numpy as np

def image_to_rgb_array(image):
    # 将raw_data转为numpy数组
    img = np.frombuffer(image.raw_data, dtype=np.uint8)
    img = img.reshape((image.height, image.width, 4))
    # 去掉Alpha通道，只保留RGB
    img = img[:, :, :3]
    # Carla是BGRA，需要转为RGB
    img = img[:, :, ::-1]
    return img

这段代码我用了很多次。核心就是：先reshape成二维数组，再取前三个通道，最后反转顺序。搞定。

4.3 保存图像到本地

保存图像，Carla自带了save_to_disk方法。但我建议你加上自己的命名规则，方便管理。

# 保存图像到本地
def save_image(image, save_path):
    # 自定义文件名：时间戳+帧号
    filename = f"{save_path}/{image.timestamp:.6f}_{image.frame:06d}.png"
    image.save_to_disk(filename)
    print(f"图像已保存：{filename}")

# 在回调中使用
camera.listen(lambda image: save_image(image, "./output/rgb"))

如果你想保存成其他格式，比如jpg，可以先用上面的image_to_rgb_array转成numpy数组，再用OpenCV保存：

import cv2

def save_as_jpg(image, save_path):
    img_array = image_to_rgb_array(image)
    filename = f"{save_path}/{image.frame:06d}.jpg"
    cv2.imwrite(filename, img_array)
    print(f"JPG图像已保存：{filename}")

4.4 相机畸变模型

说到畸变，很多新手会忽略。但实际项目中，畸变校正很重要。Carla默认的相机是没有畸变的，但你可以手动添加。

为什么要有畸变？因为真实世界的镜头都有畸变，尤其是广角镜头。常见的畸变有两种：

• 径向畸变：图像边缘向内或向外弯曲
• 切向畸变：镜头与成像平面不平行导致的变形

Carla里通过carla.CameraActor的set_attribute来设置畸变参数：

# 添加畸变参数
camera_bp.set_attribute('lens_circle_multiplier', '3.0')
camera_bp.set_attribute('lens_circle_falloff', '5.0')
camera_bp.set_attribute('lens_k', '-0.15')  # 径向畸变系数
camera_bp.set_attribute('lens_kcube', '0.05')  # 高阶畸变系数

这些参数什么意思？

• lens_k：主要径向畸变系数。负值产生桶形畸变（边缘向外），正值产生枕形畸变（边缘向内）
• lens_kcube：高阶畸变，一般设小一点
• lens_circle_multiplier：暗角效果，值越大边缘越暗

如果你想模拟特定相机的畸变，可以查一下该相机的标定参数。比如常见的车载摄像头，径向畸变系数一般在-0.1到-0.3之间。

4.5 完整配置示例

最后，给一个完整的相机配置代码。你可以直接拿去用：

import carla
import numpy as np
import cv2

def setup_rgb_camera(world, vehicle):
    # 获取蓝图
    camera_bp = world.get_blueprint_library().find('sensor.camera.rgb')
    
    # 设置参数
    camera_bp.set_attribute('image_size_x', '1280')
    camera_bp.set_attribute('image_size_y', '720')
    camera_bp.set_attribute('fov', '90')
    camera_bp.set_attribute('lens_k', '-0.15')
    camera_bp.set_attribute('lens_kcube', '0.05')
    
    # 设置位置
    camera_transform = carla.Transform(
        carla.Location(x=1.5, z=2.4),
        carla.Rotation(pitch=-15)
    )
    
    # 生成相机
    camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)
    
    # 定义回调
    def process_image(image):
        # 转numpy数组
        img = np.frombuffer(image.raw_data, dtype=np.uint8)
        img = img.reshape((image.height, image.width, 4))
        img = img[:, :, :3][:, :, ::-1]  # BGRA转RGB
        
        # 保存
        cv2.imwrite(f"output/{image.frame:06d}.png", img)
        print(f"帧 {image.frame} 已保存")
    
    # 开始监听
    camera.listen(process_image)
    return camera

嗯，到这里，RGB相机的配置就讲完了。你可能会觉得参数有点多，但没关系，多用几次就熟了。下一节我们会讲深度相机，那个更有意思。