4、车辆与传感器管理：生成车辆、配置传感器、读取数据

好，咱们进入正题。这一章聊的是Carla仿真里最基础、也最核心的操作——怎么把车和传感器搭起来。

我个人习惯把这一块叫做「搭积木」。你想想看，仿真环境里没有车，那测什么？没有传感器，车就是个瞎子。所以，生成车辆、挂载传感器、再读取数据，这三步是闭环测试的起点。

4.1 生成车辆——别小看这一步

生成一辆车，代码就几行。但我见过不少新手在这栽跟头。

import carla

# 连接服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)
world = client.get_world()

# 获取蓝图库
blueprint_library = world.get_blueprint_library()

# 选一辆车
vehicle_bp = blueprint_library.filter('model3')[0]

# 找个出生点
spawn_points = world.get_map().get_spawn_points()
spawn_point = spawn_points[0]

# 生成车辆
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

嗯，这里要注意：spawn_points 列表可能为空。我在项目中遇到过，地图加载不完全时，出生点列表就是空的。所以，我建议你加个判断：

if not spawn_points:
    print("没有出生点，换个地图试试？")
    exit()

另外，filter('model3') 返回的是列表，取 [0] 之前最好确认一下长度。我曾经因为蓝图名写错，列表为空，程序直接崩了。后来我习惯先打印一下：

print(blueprint_library.filter('model3'))

4.2 配置传感器——相机、激光雷达、IMU

车有了，接下来装传感器。Carla里传感器也是蓝图，生成方式跟车辆一样。

4.2.1 相机

相机分好几种：RGB、深度、语义分割。最常用的是RGB相机。

camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '800')
camera_bp.set_attribute('image_size_y', '600')
camera_bp.set_attribute('fov', '90')

# 安装位置：前挡风玻璃位置
camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

这里有个坑：attach_to 参数决定了传感器是固定在车上，还是固定在世界上。如果你不传这个参数，传感器就飘在空中，车一走它就留在原地了。我刚开始做的时候犯过这个错，跑了一圈回来发现相机还在起点……

4.2.2 激光雷达

激光雷达配置稍微复杂一点，参数多。

lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')
lidar_bp.set_attribute('channels', '32')
lidar_bp.set_attribute('range', '50')
lidar_bp.set_attribute('points_per_second', '100000')
lidar_bp.set_attribute('rotation_frequency', '20')

lidar_transform = carla.Transform(carla.Location(x=0, z=2.0))
lidar = world.spawn_actor(lidar_bp, lidar_transform, attach_to=vehicle)

参数怎么调？我个人的经验是：

参数	说明	推荐值
channels	线数，16/32/64	32（平衡性能与精度）
range	探测距离（米）	50-100
points_per_second	每秒点数	100000-500000
rotation_frequency	旋转频率（Hz）	10-20

说白了，点云密度越高，数据越精确，但计算压力也越大。我一般先用32线、50米范围做调试，跑通了再调高。

4.2.3 IMU

IMU最简单，参数少。

imu_bp = blueprint_library.find('sensor.other.imu')
imu = world.spawn_actor(imu_bp, carla.Transform(), attach_to=vehicle)

IMU不需要特殊位置，直接装在车身上就行。它会返回加速度、角速度、朝向等信息。

4.3 传感器数据读取——回调函数是关键

传感器生成后，怎么拿到数据？Carla用的是回调机制。说白了，就是传感器每产生一帧数据，就自动调用你写好的函数。

# 相机回调
def camera_callback(image):
    # image 是 carla.Image 对象
    array = np.frombuffer(image.raw_data, dtype=np.uint8)
    array = array.reshape((image.height, image.width, 4))
    # 去掉alpha通道
    rgb_array = array[:, :, :3]
    cv2.imshow('Camera', rgb_array)
    cv2.waitKey(1)

camera.listen(camera_callback)

激光雷达的回调类似：

def lidar_callback(point_cloud):
    # point_cloud 是 carla.LidarMeasurement 对象
    points = np.frombuffer(point_cloud.raw_data, dtype=np.float32)
    points = points.reshape(-1, 4)  # x, y, z, intensity
    # 这里可以做点云处理
    print(f"收到 {len(points)} 个点")

lidar.listen(lidar_callback)

IMU的回调：

def imu_callback(imu_data):
    # imu_data 包含加速度、角速度、朝向
    acc = imu_data.accelerometer
    gyro = imu_data.gyroscope
    compass = imu_data.compass
    print(f"加速度: {acc}, 角速度: {gyro}")

imu.listen(imu_callback)

4.4 完整示例——把车和传感器串起来

最后，给一个完整的代码骨架。你直接复制就能跑：

import carla
import numpy as np
import cv2

def main():
    client = carla.Client('localhost', 2000)
    client.set_timeout(10.0)
    world = client.get_world()

    # 生成车辆
    blueprint_library = world.get_blueprint_library()
    vehicle_bp = blueprint_library.filter('model3')[0]
    spawn_points = world.get_map().get_spawn_points()
    if not spawn_points:
        return
    vehicle = world.spawn_actor(vehicle_bp, spawn_points[0])

    # 配置相机
    camera_bp = blueprint_library.find('sensor.camera.rgb')
    camera_bp.set_attribute('image_size_x', '800')
    camera_bp.set_attribute('image_size_y', '600')
    camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4))
    camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle)

    # 配置激光雷达
    lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')
    lidar_bp.set_attribute('channels', '32')
    lidar_bp.set_attribute('range', '50')
    lidar_transform = carla.Transform(carla.Location(x=0, z=2.0))
    lidar = world.spawn_actor(lidar_bp, lidar_transform, attach_to=vehicle)

    # 配置IMU
    imu_bp = blueprint_library.find('sensor.other.imu')
    imu = world.spawn_actor(imu_bp, carla.Transform(), attach_to=vehicle)

    # 回调函数
    def camera_callback(image):
        array = np.frombuffer(image.raw_data, dtype=np.uint8)
        array = array.reshape((image.height, image.width, 4))
        cv2.imshow('Camera', array[:, :, :3])
        cv2.waitKey(1)

    def lidar_callback(point_cloud):
        points = np.frombuffer(point_cloud.raw_data, dtype=np.float32)
        points = points.reshape(-1, 4)
        print(f"Lidar points: {len(points)}")

    def imu_callback(imu_data):
        print(f"Acc: {imu_data.accelerometer}")

    # 开始监听
    camera.listen(camera_callback)
    lidar.listen(lidar_callback)
    imu.listen(imu_callback)

    # 让车动起来
    vehicle.apply_control(carla.VehicleControl(throttle=0.5))

    # 跑一会儿
    import time
    time.sleep(10)

    # 清理
    camera.stop()
    lidar.stop()
    imu.stop()
    camera.destroy()
    lidar.destroy()
    imu.destroy()
    vehicle.destroy()

if __name__ == '__main__':
    main()

嗯，这个例子跑起来后，你会看到相机画面、激光雷达点云数量、IMU数据都在实时更新。这就是最基础的传感器数据流。

下一章我们会聊怎么用这些数据做闭环测试。说白了，传感器只是眼睛，怎么用眼睛看到的东西做决策，才是真正的挑战。