1. 仿真平台选型与搭建

做自动驾驶感知算法，最头疼的是什么？

我个人觉得，不是模型调参，也不是数据标注。而是——你辛辛苦苦写了个算法，结果上路一测，发现连个鬼影都识别不出来。真车上路测试，成本高、风险大，还受法规限制。

所以，仿真平台就成了咱们的「救命稻草」。今天这一章，我就带你把这根稻草变成一根「钢筋」。

1.1 主流仿真平台对比

市面上仿真平台不少，但真正能打的，其实就这几个。我挨个说说我的使用感受。

CARLA

CARLA 是目前最主流的自动驾驶仿真器。它基于虚幻引擎，画面逼真，传感器模型丰富。我在做多传感器融合项目时，就用的它。

优点很明显：开源、社区活跃、支持自定义地图和传感器。缺点嘛，就是资源消耗大，普通笔记本跑起来有点吃力。

SUMO

SUMO 是交通流仿真工具。它不擅长渲染画面，但擅长模拟车流、红绿灯、行人行为。说白了，它是个「交通规划师」。

我一般把 CARLA 和 SUMO 联合使用。CARLA 负责视觉，SUMO 负责交通逻辑。嗯，这个组合挺香的。

LGSVL

LGSVL 是 LG 推出的仿真器，后来被收购了。它和 Apollo 集成得很好。如果你用百度 Apollo 平台，LGSVL 是个不错的选择。

不过，我个人觉得它的社区活跃度不如 CARLA，文档也有点乱。但它的传感器模拟精度确实不错。

AirSim

AirSim 是微软出的，基于虚幻引擎。它最初是为无人机设计的，后来扩展到自动驾驶。画面质量很高，但更新频率变慢了。

我建议，如果你做无人机感知，可以选 AirSim。做自动驾驶，还是优先考虑 CARLA。

平台	主要特点	适用场景	我的评价
CARLA	开源、虚幻引擎、传感器丰富	感知算法验证、多传感器融合	首选，社区活跃
SUMO	交通流仿真、轻量级	交通规划、车流模拟	配合 CARLA 使用更佳
LGSVL	与 Apollo 集成、传感器精度高	Apollo 平台开发	文档需完善
AirSim	画面逼真、无人机支持好	无人机感知、视觉算法	更新较慢

1.2 硬件在环（HIL）与软件在环（SIL）概念

这两个概念，说白了就是「仿真到什么程度」的问题。

软件在环（SIL）

SIL 就是纯软件仿真。你的算法跑在电脑上，传感器数据也是模拟的。没有真实硬件参与。

我刚开始做感知时，全用 SIL。好处是快，改个参数就能跑。坏处是，你永远不知道算法在真车上会出什么幺蛾子。

硬件在环（HIL）

HIL 就不一样了。它把真实的硬件（比如摄像头、雷达、控制器）接入仿真环境。传感器数据是模拟的，但算法跑在真实硬件上。

我曾经在 HIL 测试中发现，某个摄像头在低光照条件下，帧率会掉到 10fps。这在 SIL 里根本发现不了。你想想看，如果直接上车测试，后果不堪设想。

什么时候用 SIL，什么时候用 HIL？

• 算法开发阶段： 用 SIL。快速迭代，别被硬件拖慢节奏。
• 硬件选型阶段： 用 HIL。验证硬件性能，避免选型失误。
• 集成测试阶段： 先 SIL 再 HIL。确保逻辑没问题，再上硬件。

1.3 基于 Docker 的仿真环境一键部署

搭建仿真环境，最烦的是什么？

依赖冲突！

你装个 CARLA，要装虚幻引擎、Python 库、ROS 版本……搞不好还要和系统里的 CUDA 打架。我早期有个项目，光搭环境就花了三天。三天啊，兄弟们。

后来我学乖了，用 Docker。一次配置，到处运行。

Docker 镜像构建

我写了个 Dockerfile，把 CARLA、ROS、Python 依赖全打包进去。你只需要拉取镜像，一键启动。

# Dockerfile 示例
FROM nvidia/cuda:11.4.0-devel-ubuntu20.04

# 安装 CARLA
RUN apt-get update && apt-get install -y \
    wget \
    && wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.13.tar.gz \
    && tar -xzf CARLA_0.9.13.tar.gz -C /opt/

# 安装 ROS Noetic
RUN sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' \
    && apt-get install -y ros-noetic-desktop-full

# 安装 Python 依赖
COPY requirements.txt /tmp/
RUN pip install -r /tmp/requirements.txt

CMD ["/bin/bash"]

一键启动脚本

我写了个 shell 脚本，拉取镜像、启动容器、挂载代码目录，一条命令搞定。

#!/bin/bash
# start_sim.sh
docker run -it --rm \
  --gpus all \
  -v $(pwd)/code:/workspace/code \
  -p 2000-2002:2000-2002 \
  carla-sim:0.9.13 \
  /bin/bash

你只需要执行 ./start_sim.sh，环境就起来了。是不是很爽？

避坑指南

• GPU 直通： 别忘了加 --gpus all，否则 CARLA 跑不起来。
• 端口映射： CARLA 默认用 2000 端口。如果你同时跑多个实例，记得改端口。
• 数据持久化： 用 -v 挂载目录，别把数据丢在容器里。容器一删，数据就没了。

好了，这一章的内容就到这里。仿真平台选型、SIL/HIL 概念、Docker 部署，这三块是后续所有章节的基础。你把这章吃透了，后面的路就好走了。

下一章，我们聊聊「传感器模型与数据生成」。到时候我会分享一些生成高质量标注数据的技巧，敬请期待。