4、多车协同仿真基础：多车生成与管理、车辆控制接口、协同感知基础

好，咱们进入第四章。说实话，多车协同仿真这块，是我个人觉得整个课程里最有意思的部分。你想想看，单辆车跑得再溜，那也只是个“孤勇者”。真正的自动驾驶落地，必须面对车与车之间的交互。这一章，咱们就聊聊怎么在 Carla 里把多辆车“变”出来，怎么管好它们，以及怎么让它们“看见”彼此。

4.1 多车生成与管理：别让车海战术搞崩你的仿真

我第一次做多车仿真时，上来就 spawn 了 50 辆车。结果呢？Carla 直接卡死，CPU 飙到 100%。嗯，这里要注意，多车生成不是简单的 for 循环堆叠，你得讲究策略。

4.1.1 批量生成的艺术

我个人习惯用蓝图库（Blueprint Library）配合随机点生成。核心思路是：先规划好生成位置，再批量创建车辆。别边生成边找位置，那样效率低。

import carla
import random

# 连接客户端
client = carla.Client('localhost', 2000)
world = client.get_world()
blueprint_library = world.get_blueprint_library()

# 选一批车辆蓝图，我一般混着来，轿车、SUV、卡车都来点
vehicle_blueprints = blueprint_library.filter('vehicle.*')
spawn_points = world.get_map().get_spawn_points()

# 生成 20 辆车
vehicles_list = []
for i in range(20):
    bp = random.choice(vehicle_blueprints)
    # 避坑指南：我曾经没加这个判断，结果 spawn 到不可用点，直接报错
    if spawn_points:
        spawn_point = random.choice(spawn_points)
        vehicle = world.spawn_actor(bp, spawn_point)
        vehicles_list.append(vehicle)
        spawn_points.remove(spawn_point)  # 避免重复占用

print(f'成功生成 {len(vehicles_list)} 辆车')

这里有个小技巧：spawn_points.remove(spawn_point) 这行很重要。如果不移除已用的点，两辆车可能生成在同一位置，直接“叠罗汉”。

4.1.2 车辆生命周期管理

车多了，管理就成问题。我建议用列表或字典维护所有车辆的引用。比如，你想让某辆车“退役”，直接 vehicle.destroy() 就行。但要注意，销毁前最好让车先停下来，否则仿真里会出现“幽灵车”卡在原地。

4.2 车辆控制接口：让车动起来，而且动得聪明

生成车只是第一步。怎么控制它们？Carla 提供了两种控制方式：自动驾驶模式和手动控制模式。说白了，一个省心，一个灵活。

4.2.1 自动驾驶模式：开箱即用

如果你只是想看车流跑起来，用 set_autopilot(True) 最省事。Carla 内置的交通管理器（Traffic Manager）会帮你处理跟车、变道、红绿灯。

for vehicle in vehicles_list:
    vehicle.set_autopilot(True)  # 一键开启自动驾驶

但说实话，这个模式有点“傻”。我记得有一次仿真，所有车都规规矩矩地排队，完全不像真实路况。所以，如果你需要更复杂的交互，得用手动控制。

4.2.2 手动控制：精细到油门和方向盘

手动控制的核心是 carla.VehicleControl 这个类。你可以控制油门（0-1）、刹车（0-1）、转向（-1到1）等。

# 创建一个控制指令
control = carla.VehicleControl()
control.throttle = 0.5   # 50% 油门
control.steer = -0.3     # 左转 30%
control.brake = 0.0      # 不刹车

# 应用到某辆车
vehicle.apply_control(control)

你想想看，如果每帧都手动计算这些值，那得多累？所以实际项目中，我们会封装一个控制类。比如，写一个 follow_vehicle() 函数，让后车自动跟随前车。

4.3 协同感知基础：让车与车“对话”

协同感知，说白了就是让车之间共享信息。比如，前车看到了一个行人，它能不能告诉后车？这在 Carla 里是可以实现的。

4.3.1 传感器数据共享

每辆车都可以挂载传感器，比如摄像头、激光雷达。但默认情况下，这些数据只属于那辆车。要实现共享，你得手动“搬运”数据。

我常用的方法是：在仿真循环里，读取前车的传感器数据，然后通过 Python 变量传递给后车。举个例子：

# 假设 vehicle_1 有摄像头，vehicle_2 需要它的图像
sensor_data = None

def on_image(data):
    global sensor_data
    sensor_data = data  # 保存到全局变量

# 为 vehicle_1 添加摄像头传感器
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera = world.spawn_actor(camera_bp, carla.Transform(), attach_to=vehicle_1)
camera.listen(on_image)

# 仿真循环中，vehicle_2 可以直接读取 sensor_data
while True:
    if sensor_data is not None:
        # vehicle_2 使用 sensor_data 做决策
        pass

4.3.2 协同感知的典型场景

我遇到过最典型的场景是“前车遮挡”。一辆大卡车挡住了后面轿车的视线，轿车看不到前方的红绿灯。这时候，如果卡车能把自己的摄像头数据共享给轿车，轿车就能提前减速。

实现思路很简单：

• 卡车检测到红绿灯状态
• 通过某种通信机制（比如 UDP 或共享变量）发送给轿车
• 轿车根据接收到的信息调整速度

说白了，这就是 V2V（车对车）通信的雏形。在 Carla 里，你不需要真的搭建网络，直接用 Python 变量传递就行。

4.3.3 数据融合的坑

嗯，这里要泼点冷水。协同感知听起来很美，但实际做起来有很多坑。比如：

• 时间同步问题： 前车的数据是 0.1 秒前的，后车拿到时已经过时了。我建议给每个数据包打时间戳。
• 坐标系转换： 前车的“前方 10 米”和后车的“前方 10 米”不是同一个方向。你需要做坐标变换。
• 数据量爆炸： 如果每辆车都广播自己的激光雷达点云，网络带宽瞬间爆掉。实际中只传目标级别的信息（比如“前方 50 米有行人”）。

小结

这一章咱们聊了多车生成、控制接口和协同感知。说白了，多车仿真的核心就是“生成-控制-通信”这三个环节。下一章，我们会深入具体的协同算法，比如编队行驶和交叉口协商。到时候，我会拿一个实际项目案例来拆解。

记住：别贪多，先把 10 辆车跑顺了，再挑战 50 辆。我曾经一口气生成 100 辆，结果仿真器直接崩了，教训啊。