3、CARLA基础操作：生成车辆与行人、控制车辆运动（手动/自动）、获取车辆状态信息

好，咱们进入第三章。这一章可以说是CARLA实操的「第一脚油门」。你想想看，仿真平台搭好了，环境也加载了，接下来最直观的事是什么？——往场景里塞车、塞人，然后让它们动起来。

我个人习惯把这一章叫做「让世界活过来」。因为只有当你亲手在代码里生成一辆车，看着它从无到有出现在屏幕上，你才会真正理解仿真和游戏的区别在哪。

3.1 生成车辆与行人——从蓝图到实体

CARLA里所有能生成的东西，都叫蓝图（Blueprint）。你可以把它理解成「模具」——模具里定义了车型、颜色、物理属性等等。我们要做的，就是从蓝图库里挑一个，然后告诉服务器：「嘿，在这个位置给我造一辆。」

核心流程：

  1. 获取蓝图库（world.get_blueprint_library()）
  2. 筛选特定蓝图（比如找一辆奥迪）
  3. 设置生成点（Spawn Point）
  4. 调用 spawn_actor() 方法

代码写起来其实很直白。我贴一段我项目里常用的写法：

import carla

# 连接客户端
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()

# 筛选车辆蓝图——我习惯先过滤出所有车，再随机挑一辆
vehicle_bp = blueprint_library.filter('vehicle.*')
spawn_point = random.choice(world.get_map().get_spawn_points())

# 生成车辆
vehicle = world.spawn_actor(vehicle_bp, spawn_point)
print(f"车辆已生成，ID: {vehicle.id}")

嗯，这里要注意：spawn_point 不能乱选。CARLA地图上预定义了很多合法的生成点，用 get_spawn_points() 拿到的才是安全的。我曾经在项目里图省事，自己随便编了个坐标，结果车直接卡到地底下去了……

生成行人也是类似的逻辑，只不过蓝图要换成 walker.pedestrian.*。不过行人有个坑——它需要额外的控制器才能走路，这个咱们后面讲。

我的小技巧：生成行人时，建议先设置好它的颜色和行走速度。蓝图里有个 set_attribute('color', '255,0,0') 的方法，可以让你在生成前就定制外观。我在做行人避让测试时，就靠不同颜色区分「正常行走」和「突然横穿」的行人。

3.2 控制车辆运动——手动挡 vs 自动驾驶

车生出来了，怎么让它跑？CARLA给了你两条路：手动控制和自动驾驶。说白了，一个是你自己拧方向盘踩油门，另一个是让内置的AI代劳。

3.2.1 手动控制——精细到每个踏板

手动控制就是直接给车辆发指令：油门、刹车、转向、档位。每个值都是0到1之间的浮点数。举个例子：

# 创建一个车辆控制对象
control = carla.VehicleControl()

# 设置油门和转向
control.throttle = 0.5   # 50%油门
control.steer = -0.3     # 左转30%
control.brake = 0.0      # 不刹车

# 应用控制
vehicle.apply_control(control)

你想想看，这就像你在玩赛车游戏，只不过手柄换成了代码。我刚开始做的时候，为了模拟一个「平稳起步」，得一点点把油门从0.1加到0.5，不然车会猛地窜出去——这在仿真里无所谓，但如果你在做ADAS测试，这种突兀的加速会干扰传感器数据。

避坑指南：我曾经在项目里连续调用 apply_control() 时忘了设置 brake 为0，结果车一直带着刹车跑。排查了半天才发现是上一帧的刹车值没清零。建议每次创建新的 VehicleControl 对象，或者显式把所有值都设一遍。

3.2.2 自动驾驶——让CARLA自己开

手动控制适合做精确测试，但大多数时候我们想让车自己跑起来，模拟真实的交通流。CARLA内置了自动驾驶模式，一行代码搞定：

vehicle.set_autopilot(True)

就这么简单。开启后，CARLA会接管车辆，它会遵守红绿灯、避让行人、沿着车道行驶。你想想看，这背后其实是一套完整的交通规则引擎在运作。

不过要注意，自动驾驶模式依赖CARLA的交通管理器（Traffic Manager）。你可以通过它调整驾驶风格，比如：

# 获取交通管理器
traffic_manager = client.get_trafficmanager()
# 设置全局速度限制（km/h）
traffic_manager.global_percentage_speed_difference(10.0)
# 让某辆车更激进一点
traffic_manager.ignore_lights_percentage(vehicle, 20)

我个人习惯在测试时，把自动驾驶的车流速度调低10%-20%，这样场景更接近真实城市路况。太整齐划一的车流反而容易掩盖问题。

3.3 获取车辆状态信息——速度、位置、碰撞

车在跑，我们得知道它跑得怎么样。CARLA提供了非常丰富的状态查询接口。我挑三个最常用的讲：速度、位置、碰撞。

3.3.1 速度与位置

这两个是最基础的。获取方式也很直接：

# 获取车辆变换（位置+朝向）
transform = vehicle.get_transform()
location = transform.location   # 包含 x, y, z
rotation = transform.rotation   # 包含 pitch, yaw, roll

# 获取速度（km/h）
velocity = vehicle.get_velocity()
speed = 3.6 * (velocity.x**2 + velocity.y**2 + velocity.z**2)**0.5

print(f"位置: ({location.x:.2f}, {location.y:.2f})")
print(f"速度: {speed:.2f} km/h")

这里有个细节：get_velocity() 返回的是 m/s，但咱们看车速习惯用 km/h，所以要乘以3.6。我刚开始做的时候忘了换算，日志里显示速度只有2点多，我还纳闷这车怎么跟乌龟似的……

我的经验：如果你在做路径规划测试，建议每帧都记录位置和速度。我一般会写一个简单的数据记录器，把每帧的 frame_number、location、speed 存到CSV里。后期回放分析时特别有用。

3.3.2 碰撞检测——别等撞了才知道

碰撞检测是自动驾驶仿真里的核心需求。CARLA通过回调函数（Callback）来实现。你需要给车辆绑定一个碰撞传感器：

# 创建碰撞传感器蓝图
collision_bp = blueprint_library.find('sensor.other.collision')
# 将传感器附着在车辆上
collision_sensor = world.spawn_actor(collision_bp, carla.Transform(), attach_to=vehicle)

# 定义碰撞回调函数
def on_collision(event):
    print(f"碰撞发生！冲击力: {event.normal_impulse}")
    # 这里可以记录碰撞对象、位置等信息

# 注册回调
collision_sensor.listen(on_collision)

嗯，这里要注意：碰撞传感器本身也是一个Actor，生成后要记得在程序结束时销毁它，不然会一直占用资源。

我曾经在做一个多车交互测试时，发现日志里频繁出现碰撞事件，排查了半天才发现是传感器附着点没设好，导致车辆自己跟自己「碰撞」了。所以建议你在回调函数里加一个判断，过滤掉与自己车身的碰撞。

3.4 综合示例——让一辆车跑起来并记录数据

最后，我把上面讲的东西串起来，给你一个完整的示例。这个示例会生成一辆车，开启自动驾驶，然后实时打印它的速度和位置：

import carla
import random
import time

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

    # 生成车辆
    bp_lib = world.get_blueprint_library()
    vehicle_bp = random.choice(bp_lib.filter('vehicle.*'))
    spawn_point = random.choice(world.get_map().get_spawn_points())
    vehicle = world.spawn_actor(vehicle_bp, spawn_point)

    # 开启自动驾驶
    vehicle.set_autopilot(True)

    # 绑定碰撞传感器
    collision_bp = bp_lib.find('sensor.other.collision')
    collision_sensor = world.spawn_actor(collision_bp, carla.Transform(), attach_to=vehicle)

    def on_collision(event):
        print(f"[碰撞] 冲击力: {event.normal_impulse}")

    collision_sensor.listen(on_collision)

    # 主循环：每0.1秒打印一次状态
    try:
        for i in range(100):
            # 获取状态
            loc = vehicle.get_location()
            vel = vehicle.get_velocity()
            speed = 3.6 * (vel.x**2 + vel.y**2 + vel.z**2)**0.5

            print(f"帧{i:3d} | 位置: ({loc.x:.1f}, {loc.y:.1f}) | 速度: {speed:.1f} km/h")
            time.sleep(0.1)

    finally:
        # 清理
        collision_sensor.destroy()
        vehicle.destroy()
        print("资源已释放")

if __name__ == '__main__':
    main()

这个示例虽然简单，但已经覆盖了生成、控制、状态获取、碰撞检测这四个核心操作。你可以在它的基础上扩展，比如同时生成多辆车、记录轨迹数据、或者接入外部控制算法。

本章小结：

  • 生成车辆和行人，核心是蓝图 + Spawn Point
  • 手动控制精细但繁琐，自动驾驶省心但需要调参
  • 速度记得从m/s换算到km/h，位置用get_transform()获取
  • 碰撞检测靠传感器回调，别忘了销毁资源

好，这一章就到这里。下一章我们会深入CARLA的传感器系统——相机、激光雷达、毫米波雷达，这些东西才是自动驾驶的「眼睛」。到时候我会分享一些我在传感器标定上踩过的坑，保证让你少走弯路。

← 上一章 📖 返回目录 下一章 →