2、仿真平台选型：主流仿真平台（CARLA、LGSVL、AirSim、SUMO）对比与选型策略

做自动驾驶仿真，选平台是第一道坎。

我记得刚入行那会儿，团队里为了用哪个仿真器吵了整整两周。有人坚持CARLA开源生态好，有人觉得LGSVL跟Unity结合更顺手。最后项目deadline快到了，我们才匆忙定下来。结果呢？跑了三个月发现场景编辑器根本满足不了需求，又得换。

所以这一章，我想跟你聊聊四个主流平台——CARLA、LGSVL、AirSim、SUMO。我会从实际工程角度，告诉你每个平台的脾气秉性，以及什么场景下该选谁。

2.1 CARLA：传感器仿真的「万金油」

CARLA是目前社区最活跃的开源仿真器之一。我个人习惯把它当作传感器仿真的首选。

为什么？因为它对传感器的支持最全面。摄像头、激光雷达、毫米波雷达、GPS/IMU，基本你能想到的传感器类型，它都有现成的模型。

举个例子，你想模拟一个带噪声的激光雷达点云。在CARLA里，你可以这样配置：

# 配置一个64线激光雷达，带高斯噪声
blueprint = world.get_blueprint_library().find('sensor.lidar.ray_cast')
blueprint.set_attribute('channels', '64')
blueprint.set_attribute('range', '100')
blueprint.set_attribute('rotation_frequency', '10')
blueprint.set_attribute('points_per_second', '1300000')
# 添加噪声模型
blueprint.set_attribute('noise_stddev', '0.02')  # 2cm标准差

嗯，这里要注意。CARLA的激光雷达噪声模型其实比较粗糙。我在项目中遇到过一个问题——真实激光雷达的噪声是距离相关的，远点噪声大，近点噪声小。但CARLA默认是均匀噪声。所以如果你做的是远距离感知算法验证，建议自己写个后处理脚本修正一下。

2.2 LGSVL：Unity加持下的高保真渲染

LGSVL是LG旗下的一款仿真器，后来被Aptiv收购了。它最大的特点是基于Unity引擎，渲染效果非常棒。

说实话，如果你主要做视觉感知，LGSVL的渲染质量比CARLA好一个档次。它的光照模型、材质反射、阴影细节都更接近真实。

对比项	CARLA	LGSVL
渲染引擎	Unreal Engine 4	Unity
传感器保真度	中等（可扩展）	较高（尤其视觉）
场景编辑器	Python API + RoadRunner	Unity Editor（上手难）
社区活跃度	高	中等（更新较慢）

但LGSVL有个致命问题——它跟Apollo绑定太深了。你想想看，如果你用的是其他自动驾驶栈，比如Autoware或者自己写的，那LGSVL的很多接口就得自己重新适配。

我个人的建议是：如果你团队用Apollo，LGSVL是首选。否则，别给自己找麻烦。

2.3 AirSim：微软出品，无人机出身

AirSim是微软开源的项目，最初是为无人机设计的。后来才扩展到自动驾驶。

它的传感器仿真有个特点——非常「学术派」。每个传感器模型都有详细的物理参数，比如相机的光圈、快门速度、ISO，激光雷达的波束发散角等等。

但说实话，AirSim在自动驾驶场景上有点「水土不服」。它的地图规模有限，交通流模拟基本靠手动。你想跑个复杂的城市交通场景？嗯，AirSim会让你很痛苦。

我记得有一次，我想在AirSim里模拟一个十字路口多车交互的场景。结果发现它连基本的交通灯控制都要自己写脚本。折腾了两天，最后还是换回了CARLA。

2.4 SUMO：交通流仿真的「老大哥」

SUMO跟上面三个不一样。它不做传感器仿真，它只做交通流仿真。

说白了，SUMO就是模拟车怎么在路上跑、怎么变道、怎么等红灯。它不关心你的摄像头拍到了什么，只关心车辆的位置、速度、轨迹。

那为什么我要把它放在传感器仿真配置里？

因为在实际工程中，你往往需要把SUMO和CARLA或LGSVL结合起来用。SUMO负责生成交通流，CARLA负责渲染传感器数据。这叫「协同仿真」。

# 通过SUMO生成交通流，传给CARLA
import traci
import carla

# 启动SUMO仿真
sumo_cmd = ["sumo-gui", "-c", "my_scenario.sumocfg"]
traci.start(sumo_cmd)

# 在CARLA中同步车辆位置
while True:
    traci.simulationStep()
    for vehicle_id in traci.vehicle.getIDList():
        x, y = traci.vehicle.getPosition(vehicle_id)
        # 将SUMO坐标映射到CARLA坐标
        carla_location = carla.Location(x=x, y=y, z=0.5)
        # 更新CARLA中的车辆
        carla_vehicle.set_transform(carla.Transform(carla_location))

这个模式我在多个量产项目中都用过。SUMO处理宏观交通流，CARLA处理微观传感器数据。各司其职，效率很高。

2.5 选型策略：到底该选哪个？

好了，四个平台都聊完了。你可能会问：「那我到底该选哪个？」

我的建议是——别只选一个。实际工程中，往往是组合使用。

你的需求	推荐组合	理由
量产级感知算法验证	CARLA + SUMO	场景丰富，交通流真实，传感器可扩展
视觉感知为主	LGSVL + SUMO	渲染质量高，适合相机算法
学术研究/论文验证	CARLA 或 AirSim	开源可控，参数透明
多车协同/车路协同	SUMO + CARLA	SUMO擅长大规模交通流，CARLA做局部细节

最后说一句。选平台不是一锤子买卖。我见过太多团队，花三个月搭好仿真环境，结果发现平台不支持某个传感器，又得重来。

所以我的习惯是——先想清楚你要验证什么算法，需要哪些传感器，再反推平台。别被平台的「酷炫功能」带偏了。