2、环境准备：操作系统要求、硬件配置建议、依赖库安装
说实话，做联合仿真最怕什么？不是算法写不出来，而是环境搭到一半崩了。我见过太多人卡在这一步，最后放弃了整个项目。所以这一章，咱们把地基打牢。
2.1 操作系统要求
我个人习惯用 Ubuntu 20.04 LTS。为什么？因为 Carla 和 LGSVL 对它的支持最成熟。Windows 也能跑，但坑多，我不推荐。
注意： 别用 Ubuntu 22.04 尝鲜。我试过，Carla 的某些依赖在 22.04 上会报错，折腾了两天才退回来。
如果你非要用 Windows，记得开 WSL2。但说实话，性能损失不小，调试也麻烦。
2.2 硬件配置建议
联合仿真很吃资源。你想想看，两个仿真器同时跑，还要实时渲染，显卡压力很大。
| 组件 | 最低配置 | 推荐配置 |
|---|---|---|
| CPU | Intel i7 8代 / AMD Ryzen 5 | Intel i9 12代 / AMD Ryzen 9 |
| GPU | NVIDIA GTX 1660 (6GB) | NVIDIA RTX 3080 (12GB) |
| 内存 | 16 GB | 32 GB |
| 存储 | SSD 256 GB | NVMe SSD 1 TB |
我在项目中遇到过用 1660 跑联合仿真，结果帧率掉到个位数。后来换了 3080，才勉强流畅。嗯，这里要注意：显存低于 8GB 的话，建议把渲染质量调低。
2.3 依赖库安装
2.3.1 Python 环境
Python 版本建议用 3.8。别追新，3.10 以上有些库还不兼容。
# 创建虚拟环境，我习惯用 conda
conda create -n carla_lgsvl python=3.8
conda activate carla_lgsvl
# 安装核心依赖
pip install numpy opencv-python pillow
pip install pygame # 用于可视化
pip install shapely # 处理几何数据
小技巧： 用 conda 而不是 venv。因为 Carla 的 Python API 依赖一些底层库，conda 处理得更好。
2.3.2 C++ 编译环境
虽然大部分工作用 Python 就够了，但有时候需要编译自定义传感器或算法模块。C++ 环境是必须的。
# 安装编译工具链
sudo apt update
sudo apt install build-essential cmake
sudo apt install libboost-all-dev # Carla 依赖 Boost
sudo apt install libprotobuf-dev protobuf-compiler # 序列化用我曾经因为 Boost 版本不对，编译 Carla 的客户端代码时卡了一整天。后来发现是系统自带的 Boost 太旧，手动装了 1.71 才解决。
2.3.3 CUDA 与 GPU 驱动
联合仿真离不开 GPU 加速。CUDA 版本建议用 11.6 或 11.7。
# 先检查显卡驱动
nvidia-smi
# 如果驱动版本低于 510，先更新驱动
sudo apt install nvidia-driver-525
# 安装 CUDA 11.7
wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
sudo sh cuda_11.7.0_515.43.04_linux.run
避坑指南： 我曾经直接在已有驱动上装 CUDA，结果系统崩了。建议先卸载旧驱动：
sudo apt purge nvidia-*，再重装。
装完后别忘了配环境变量：
echo 'export PATH=/usr/local/cuda-11.7/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc2.3.4 其他关键依赖
还有一些零碎的库，容易漏掉：
- Eigen3：线性代数库，Carla 的传感器数据处理会用到
- OpenGL：渲染相关，LGSVL 依赖它
- FFmpeg：视频流处理，录制仿真数据时必备
sudo apt install libeigen3-dev
sudo apt install libgl1-mesa-dev
sudo apt install ffmpeg总结一下： 环境准备说白了就是三板斧——系统选对、硬件够用、依赖装全。我见过太多人跳过这一步直接跑代码，结果报错后回来补环境，反而更浪费时间。
你想想看，与其花三天 debug 环境问题，不如花半天一次性配好。这笔账，划算。
下一章咱们开始正式搭建 Carla 和 LGSVL 的联合仿真平台。到时候我会手把手带你配置通信接口，让两个仿真器「聊起来」。