2、环境搭建与安装：Ubuntu系统配置、Carla安装、Python API环境配置、常见安装问题排查

2.1 写在前面：为什么我坚持用Ubuntu

做自动驾驶仿真，操作系统选型是个绕不开的话题。我个人习惯用Ubuntu 20.04 LTS，原因很简单——Carla官方对它的支持最成熟。你想想看，一个仿真引擎从底层渲染到物理引擎再到传感器模拟，中间依赖的库太多了。用Ubuntu 20.04，踩坑的概率能降低一半以上。

当然，你非要用Ubuntu 22.04或者18.04也不是不行。我在项目中遇到过一位同事，非要在22.04上硬刚，结果光解决Python依赖就花了三天。嗯，这里要注意：Carla 0.9.13及更早版本，官方明确只支持Ubuntu 18.04和20.04。如果你用新版Carla（比如0.9.14+），Ubuntu 22.04也能跑，但需要手动处理一些库的兼容性。

2.2 Ubuntu系统配置：先把地基打牢

拿到一台新机器或者新装的Ubuntu系统，我建议按以下步骤来配置。别嫌麻烦，这一步省了，后面全是坑。

2.2.1 显卡驱动与CUDA

Carla的渲染依赖GPU，尤其是当你需要跑多传感器仿真时。我建议先装好NVIDIA驱动，再装CUDA。

# 查看推荐驱动版本
ubuntu-drivers devices

# 安装推荐驱动（比如nvidia-driver-535）
sudo apt install nvidia-driver-535

# 重启后验证
nvidia-smi

装完驱动后，CUDA不是必须的——如果你只用Carla的Python API做控制，不涉及模型训练，可以跳过CUDA。但如果你打算在Carla里跑深度学习模型推理（比如目标检测），那CUDA就绕不过了。

2.2.2 系统依赖库

Carla需要一些基础库。我习惯一次性装齐，省得后面编译报错再回头补。

sudo apt update
sudo apt install build-essential clang-8 lld-8 g++-7 cmake ninja-build libvulkan1 python3 python3-pip python3-dev python3-venv libpng-dev libtiff5-dev libjpeg-dev tzdata sed curl unzip autoconf libtool rsync libxml2-dev

这里有个细节：clang-8和lld-8是Carla编译时用的默认编译器。如果你用g++，编译时可能会遇到一些奇奇怪怪的链接错误。我建议老老实实按官方推荐来。

2.3 Carla安装：两种方式，各有利弊

Carla的安装方式主要有两种：预编译包和源码编译。我分别说说它们的适用场景。

安装方式	优点	缺点	推荐场景
预编译包	即下即用，无需编译	无法修改引擎源码	初学者、快速验证、纯Python开发
源码编译	可修改C++代码、自定义传感器	编译耗时（2-4小时）、依赖复杂	高级用户、需要定制化功能

2.3.1 预编译包安装（推荐新手）

去Carla的GitHub Releases页面下载对应版本的压缩包。我以0.9.14为例：

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

# 解压
tar -xzf CARLA_0.9.14.tar.gz -C ~/carla

# 进入目录
cd ~/carla

# 启动Carla（先试试能不能跑起来）
./CarlaUE4.sh -quality-level=Low

启动时加-quality-level=Low是为了降低显卡负载。我第一次跑的时候直接默认设置，结果笔记本风扇狂转。后来发现，调试阶段用Low就够了，等正式跑场景时再调高画质。

2.3.2 源码编译安装（进阶玩家）

如果你需要修改Carla的底层逻辑（比如自定义传感器模型），那就得走源码编译。这个过程比较长，我简单说下关键步骤。

# 克隆源码
git clone https://github.com/carla-simulator/carla.git
cd carla

# 更新子模块
git submodule update --init --recursive

# 设置环境变量
export UE4_ROOT=~/UnrealEngine_4.26

# 编译（耗时较长）
make setup
make launch

编译过程中最容易出问题的是make setup这一步，它会下载Unreal Engine的依赖。如果你网络不好，建议用代理或者提前把依赖包下载好。我编译过三次，每次都在这里卡住过。

2.4 Python API环境配置：让Carla听你指挥

Carla装好了，但你还得让Python能跟它通信。说白了，就是装一个Python包。

2.4.1 安装carla Python包

在Carla的安装目录下，有个PythonAPI/carla/dist/文件夹，里面放着对应Python版本的whl文件。

# 进入Carla目录
cd ~/carla/PythonAPI/carla/dist

# 查看可用的whl文件
ls *.whl

# 安装（根据你的Python版本选择）
pip3 install carla-0.9.14-cp38-cp38-linux_x86_64.whl

这里有个坑：whl文件名里的cp38表示Python 3.8。如果你用的是Python 3.10，直接装会报错。我建议用Python 3.8，因为Carla官方测试最充分。如果你非要用高版本Python，可以试试用--force-reinstall强制安装，但不保证所有功能正常。

2.4.2 验证安装

装完后，写个简单的脚本测试一下：

import carla

# 连接到Carla服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)

# 获取世界对象
world = client.get_world()

# 打印当前地图名称
print(f"当前地图: {world.get_map().name}")

# 获取所有蓝图
blueprints = world.get_blueprint_library()
print(f"可用蓝图数量: {len(blueprints)}")

如果输出正常，说明环境搭好了。如果报ModuleNotFoundError: No module named 'carla'，多半是whl没装对，或者Python版本不匹配。

2.5 常见安装问题排查：我踩过的坑，你别再踩了

安装过程中问题千奇百怪，我挑几个高频的说说。

2.5.1 Carla启动后黑屏或闪退

这个问题最常见。原因通常是显卡驱动没装好，或者OpenGL版本太低。

• 检查驱动： 运行glxinfo | grep "OpenGL version"，如果版本低于4.5，需要升级驱动。
• 检查显卡： 如果你用的是笔记本双显卡（集显+独显），Carla默认可能用集显启动。我遇到过这种情况，需要在启动时加-prefer-gpu参数强制用独显。
• 降低画质： 启动时加-quality-level=Low，排除性能问题。

2.5.2 Python API连接不上Carla

报错信息通常是RuntimeError: time-out of 10000ms while waiting for the simulator。

我曾经排查过这个问题，最后发现是Carla没启动。你想想看，Carla没跑起来，Python客户端当然连不上。所以第一步先确认Carla进程是否在运行：

ps aux | grep CarlaUE4

如果进程在，检查端口：

netstat -tuln | grep 2000

如果端口没监听，可能是Carla启动时崩溃了。去Carla目录下看日志文件Log/CarlaUE4.log，里面会记录崩溃原因。

2.5.3 编译时提示缺少依赖

源码编译时，最常见的错误是fatal error: xxx.h: No such file or directory。这通常是因为子模块没更新完整。

我的解决方法是：

# 重新更新子模块
git submodule update --init --recursive --force

# 清理编译缓存
make clean
make setup

如果还不行，检查一下Util/BuildTools/目录下的脚本，看看有没有遗漏的依赖。我遇到过libomp-dev没装导致编译失败的情况，手动装上就好了。

2.5.4 多版本Carla冲突

如果你同时装了多个版本的Carla，启动时可能会混淆。我建议每个版本放在独立的目录下，启动时用绝对路径。另外，Python API的whl文件也要对应版本，别混着装。

2.6 本章小结

这一章我们走完了从Ubuntu系统配置到Carla安装再到Python API环境搭建的全流程。说白了，就是三件事：装驱动、装Carla、装Python包。每一步都有坑，但只要你按步骤来，遇到问题先看日志，基本都能解决。

下一章我们会正式进入Carla的世界，从第一个仿真场景开始，让车跑起来。到时候你会发现，前面这些环境搭建的辛苦，都是值得的。