用Python玩转Carla模拟器30秒内生成自动驾驶特斯拉并保存视角画面Town01/06/07/10通用当你在Carla模拟器中第一次看到特斯拉Model 3在虚拟城市街道上自主行驶车顶相机实时传回高清画面时那种成就感会瞬间点燃你对自动驾驶开发的热情。本文要分享的正是这样一个开箱即用的Python脚本它能让你在30秒内完成从地图加载到画面保存的全流程特别适合想快速体验自动驾驶仿真乐趣的开发者。这个项目的魅力在于它的模块化设计——就像玩乐高积木一样你可以自由组合不同的地图、车辆、天气和相机视角。不需要深入理解Carla的底层架构也不用担心复杂的配置问题所有核心功能都已封装成可调节的参数。下面我们就来拆解这个玩具项目的四大核心模块。1. 环境准备与基础配置在开始之前确保你已经完成以下准备工作安装Carla 0.9.14或更高版本Python环境3.7安装必要的Python包pip install carla numpy建议使用独立虚拟环境管理依赖python -m venv carla-env source carla-env/bin/activate # Linux/Mac carla-env\Scripts\activate # Windows pip install -r requirements.txt基础客户端连接代码是所有操作的起点import carla import random import time # 连接Carla服务器 client carla.Client(localhost, 2000) client.set_timeout(10.0) # 设置超时时间2. 地图与天气系统配置Carla最吸引人的特性之一就是其丰富的城市地图和动态天气系统。我们的脚本支持快速切换Town01/06/07/10等不同地图只需修改一个参数# 地图选择Town01/Town06/Town07/Town10 selected_map Town07 world client.load_world(selected_map)天气参数可以创造出从晴空万里到暴雨倾盆的各种场景。以下是一个可自定义的天气配置模板参数说明取值范围示例值cloudiness云量0.0-100.030.0precipitation降水量0.0-100.045.0sun_altitude_angle太阳高度角-90.0-90.070.0# 自定义天气设置 weather carla.WeatherParameters( cloudinessrandom.uniform(0, 50), precipitationrandom.uniform(0, 60), sun_altitude_anglerandom.uniform(30, 90) ) world.set_weather(weather)3. 车辆生成与自动驾驶设置在Carla中生成车辆就像从蓝图库中挑选模型一样简单。我们选择特斯拉Model 3作为示例车辆但你完全可以替换为其他车型# 从蓝图库获取特斯拉Model 3 vehicle_bp world.get_blueprint_library().filter(model3)[0] # 设置车辆颜色RGB格式 vehicle_bp.set_attribute(color, 255, 0, 0) # 红色特斯拉 # 在地图的随机生成点放置车辆 spawn_points world.get_map().get_spawn_points() vehicle world.spawn_actor(vehicle_bp, random.choice(spawn_points)) # 启用自动驾驶模式 vehicle.set_autopilot(True)Carla内置的自动驾驶系统基于简单的规则适合快速演示。如果需要更复杂的行为可以接入自己的控制算法。4. 相机配置与画面保存为了从不同角度观察车辆行为我们可以绑定多个相机传感器。以下代码创建了一个跟随车辆的后视相机和一个俯视相机# 创建RGB相机蓝图 camera_bp world.get_blueprint_library().find(sensor.camera.rgb) camera_bp.set_attribute(image_size_x, 1920) # 分辨率设置 camera_bp.set_attribute(image_size_y, 1080) # 后视相机第三人称视角 rear_camera world.spawn_actor( camera_bp, carla.Transform(carla.Location(x-5.5, z2.5), carla.Rotation(pitch8.0)), attach_tovehicle ) # 俯视相机鸟瞰视角 top_camera world.spawn_actor( camera_bp, carla.Transform(carla.Location(z50), carla.Rotation(pitch-90)), attach_tovehicle )画面保存功能通过回调函数实现自动将每帧图像存储为PNG格式import os # 创建输出目录 output_dir carla_output if not os.path.exists(output_dir): os.makedirs(output_dir) # 图像保存回调 def save_image(image): image.save_to_disk(f{output_dir}/frame_{image.frame:06d}.png) # 开始监听相机数据 rear_camera.listen(save_image)5. 完整流程控制与资源管理将所有模块组合起来就形成了一个完整的自动化流程。以下代码控制整个仿真运行30秒后自动清理资源try: print(仿真开始运行30秒...) start_time time.time() while time.time() - start_time 30: # 更新俯视相机位置 vehicle_transform vehicle.get_transform() top_camera.set_transform(carla.Transform( vehicle_transform.location carla.Location(z50), carla.Rotation(pitch-90) )) time.sleep(0.05) finally: # 资源清理 print(正在清理资源...) rear_camera.stop() top_camera.stop() vehicle.destroy() rear_camera.destroy() top_camera.destroy() print(仿真结束所有资源已释放)在实际项目中我发现几个值得注意的细节相机帧率设置过高可能导致图像丢失建议保持在20-30FPS不同地图的生成点分布差异很大Town07特别适合高速公路场景测试天气参数的变化会显著影响图像质量这对训练感知算法很有帮助
用Python玩转Carla模拟器：30秒内生成自动驾驶特斯拉并保存视角画面（Town01/06/07/10通用）
发布时间：2026/5/19 12:25:49
用Python玩转Carla模拟器30秒内生成自动驾驶特斯拉并保存视角画面Town01/06/07/10通用当你在Carla模拟器中第一次看到特斯拉Model 3在虚拟城市街道上自主行驶车顶相机实时传回高清画面时那种成就感会瞬间点燃你对自动驾驶开发的热情。本文要分享的正是这样一个开箱即用的Python脚本它能让你在30秒内完成从地图加载到画面保存的全流程特别适合想快速体验自动驾驶仿真乐趣的开发者。这个项目的魅力在于它的模块化设计——就像玩乐高积木一样你可以自由组合不同的地图、车辆、天气和相机视角。不需要深入理解Carla的底层架构也不用担心复杂的配置问题所有核心功能都已封装成可调节的参数。下面我们就来拆解这个玩具项目的四大核心模块。1. 环境准备与基础配置在开始之前确保你已经完成以下准备工作安装Carla 0.9.14或更高版本Python环境3.7安装必要的Python包pip install carla numpy建议使用独立虚拟环境管理依赖python -m venv carla-env source carla-env/bin/activate # Linux/Mac carla-env\Scripts\activate # Windows pip install -r requirements.txt基础客户端连接代码是所有操作的起点import carla import random import time # 连接Carla服务器 client carla.Client(localhost, 2000) client.set_timeout(10.0) # 设置超时时间2. 地图与天气系统配置Carla最吸引人的特性之一就是其丰富的城市地图和动态天气系统。我们的脚本支持快速切换Town01/06/07/10等不同地图只需修改一个参数# 地图选择Town01/Town06/Town07/Town10 selected_map Town07 world client.load_world(selected_map)天气参数可以创造出从晴空万里到暴雨倾盆的各种场景。以下是一个可自定义的天气配置模板参数说明取值范围示例值cloudiness云量0.0-100.030.0precipitation降水量0.0-100.045.0sun_altitude_angle太阳高度角-90.0-90.070.0# 自定义天气设置 weather carla.WeatherParameters( cloudinessrandom.uniform(0, 50), precipitationrandom.uniform(0, 60), sun_altitude_anglerandom.uniform(30, 90) ) world.set_weather(weather)3. 车辆生成与自动驾驶设置在Carla中生成车辆就像从蓝图库中挑选模型一样简单。我们选择特斯拉Model 3作为示例车辆但你完全可以替换为其他车型# 从蓝图库获取特斯拉Model 3 vehicle_bp world.get_blueprint_library().filter(model3)[0] # 设置车辆颜色RGB格式 vehicle_bp.set_attribute(color, 255, 0, 0) # 红色特斯拉 # 在地图的随机生成点放置车辆 spawn_points world.get_map().get_spawn_points() vehicle world.spawn_actor(vehicle_bp, random.choice(spawn_points)) # 启用自动驾驶模式 vehicle.set_autopilot(True)Carla内置的自动驾驶系统基于简单的规则适合快速演示。如果需要更复杂的行为可以接入自己的控制算法。4. 相机配置与画面保存为了从不同角度观察车辆行为我们可以绑定多个相机传感器。以下代码创建了一个跟随车辆的后视相机和一个俯视相机# 创建RGB相机蓝图 camera_bp world.get_blueprint_library().find(sensor.camera.rgb) camera_bp.set_attribute(image_size_x, 1920) # 分辨率设置 camera_bp.set_attribute(image_size_y, 1080) # 后视相机第三人称视角 rear_camera world.spawn_actor( camera_bp, carla.Transform(carla.Location(x-5.5, z2.5), carla.Rotation(pitch8.0)), attach_tovehicle ) # 俯视相机鸟瞰视角 top_camera world.spawn_actor( camera_bp, carla.Transform(carla.Location(z50), carla.Rotation(pitch-90)), attach_tovehicle )画面保存功能通过回调函数实现自动将每帧图像存储为PNG格式import os # 创建输出目录 output_dir carla_output if not os.path.exists(output_dir): os.makedirs(output_dir) # 图像保存回调 def save_image(image): image.save_to_disk(f{output_dir}/frame_{image.frame:06d}.png) # 开始监听相机数据 rear_camera.listen(save_image)5. 完整流程控制与资源管理将所有模块组合起来就形成了一个完整的自动化流程。以下代码控制整个仿真运行30秒后自动清理资源try: print(仿真开始运行30秒...) start_time time.time() while time.time() - start_time 30: # 更新俯视相机位置 vehicle_transform vehicle.get_transform() top_camera.set_transform(carla.Transform( vehicle_transform.location carla.Location(z50), carla.Rotation(pitch-90) )) time.sleep(0.05) finally: # 资源清理 print(正在清理资源...) rear_camera.stop() top_camera.stop() vehicle.destroy() rear_camera.destroy() top_camera.destroy() print(仿真结束所有资源已释放)在实际项目中我发现几个值得注意的细节相机帧率设置过高可能导致图像丢失建议保持在20-30FPS不同地图的生成点分布差异很大Town07特别适合高速公路场景测试天气参数的变化会显著影响图像质量这对训练感知算法很有帮助
