把CARLA 0.9.16装进Ubuntu 22.04这件事老实说比想象中要坎坷。作为一个常年泡在仿真环境里的人我原本以为解压压缩包、配两条环境变量就能跑起来结果在显卡驱动和系统依赖上各栽了一次跟头。这篇笔记就是给准备在Ubuntu 22.04上装CARLA 0.9.16的人准备的内容从硬件检查、显卡驱动准备、安装包下载解压到环境变量和libomp5这个经典报错的处理最后跑到第一次启动和手动控制画面。不管你是做感知、规划还是控制算法想找个开源仿真平台当测试场地只要愿意照着命令行一步步确认输出这篇笔记能帮你把不少弯路提前填平。这篇是“学习笔记一”所以我只聚焦安装阶段传感器套件、地图编辑、与深度学习的联动这些内容不展开。先把地基打好后面才有得玩。1. 动手之前的硬件与系统检查省时间的关键全在这半小时很多人拿到CARLA 0.9.16压缩包就直接解压然后跑起来发现卡成幻灯片或者干脆启动崩溃回头才查配置。我的建议是反过来先花半小时把硬件和系统摸清楚确认满足条件再动手这样后面每一步出现问题你都知道是不是硬件瓶颈。1.1 CARLA 0.9.16对硬件到底有多挑CARLA底层是一个完整的游戏级渲染引擎场景里要实时渲染建筑、路面、车辆、行人还要同时模拟多个传感器相机、激光雷达、毫米波雷达。这意味着它和普通深度学习实验不太一样CPU、内存、显卡都很吃。我参考官方文档和实际跑下来的经验给一个“能玩”和“舒服”的参考线显卡必须NVIDIA独立显卡显存6GB起步8GB以上更稳妥。0.9.16版本在默认画质下显存占用轻松超过4GB如果你要开高分辨率相机传感器或者多机协同显存需求还会涨。CPU4核起步8核以上更好。场景里动态物体一多CPU负责物理和交通逻辑核太少了会拖后腿。内存16GB是底线32GB比较舒服。加载大的附加地图时内存占用会明显上升。硬盘预留至少50GB空间强烈推荐SSD。机械硬盘虽然也能装但场景加载时的卡顿会让你怀疑人生。这个表并不夸张。我自己在16GB内存的机器上跑默认的Town10加载需要一两分钟跑起来之后内存峰值差不多8GB如果再开深度学习模型同时推理很快顶到上限。所以如果你的机器内存只有8GB建议先别折腾加内存条比研究任何优化都实在。1.2 动手前先跑的几条命令系统层面先确认三件事Ubuntu版本、磁盘空间、账户权限。三条命令就能看完lsb_release -a df -h /home sudo -vlsb_release -a看系统版本。CARLA 0.9.16官方发布时主要支持的是18.04和20.04没提22.04这也是为什么22.04用户需要额外处理依赖问题的根源。df -h /home确认你的家目录所在分区还剩多少空间。注意不是看根目录总大小而是看挂载到/home的那个分区。sudo -v验证当前用户有sudo权限。后续装驱动、修依赖、启动服务都可能要管理员权限没有sudo账户就直接退出重装系统。另外用lspci | grep -i vga看一眼显卡型号用free -h看一眼内存总量。如果显卡输出的是“VGA compatible controller: ... 集成显卡”这类字样说明系统现在没有识别到独立显卡的完整信息那第2节的内容你就得多花点心思了。1.3 为什么官方支持列表里没有Ubuntu 22.04我们还在装这是这篇笔记第一个值得理解的点。CARLA官方支持列表没有22.04不等于“完全跑不了”而是“官方没有在22.04上验证过”。实际阻碍主要来自两块第一系统自带的图形相关依赖版本偏高和CARLA 0.9.16编译时用的旧版本库存在文件名和符号冲突最典型的就是后面要说的libomp.so.5。 第二系统默认Python版本是3.10而CARLA 0.9.16的PythonAPI适配的是3.7/3.8的whl包直接用系统Python环境会有版本检查问题。这两件事都不是致命伤但如果你不知道原因遇到报错时会一脸懵。知道为什么后面修起来就顺手多了。2. 显卡驱动这块地基仿真能不能跑先看这一步说实话安装CARLA全流程里显卡驱动是决定成败的第一步。仿真器要做大量实时渲染没有能正常工作的GPU驱动后面所有步骤都是白搭。2.1 为什么仿真器对显卡驱动这么敏感CARLA的画面渲染依赖系统图形接口的硬件加速。驱动没装好时系统会退回软件渲染也就是用CPU去算所有图形效率极低。表现出来就是启动能启动但画面每秒可能只有一两帧视角拖动一下都要等好几秒。判断是否走了软件渲染有个简单方法看驱动状态。如果显卡是N卡但nvidia-smi命令不存在说明驱动根本没装好如果nvidia-smi能输出信息再看OpenGL渲染器是否指向了你的独立显卡。这两个检查都通过才能说地基打好了。2.2 安装驱动的推荐路径在Ubuntu 22.04上装NVIDIA驱动最省事的方式不是去官网下载.run文件手动安装而是用系统自带的“附加驱动”或命令行工具。打开“软件和更新”切到“附加驱动”标签页系统会列出可用的驱动版本。选择一个标注着“已测试”或recommended的版本应用更改重启系统即可。如果更喜欢命令行也可以两步走sudo apt update ubuntu-drivers devices sudo apt install nvidia-driver-535ubuntu-drivers devices会输出当前系统推荐的驱动包名。不同时间点推荐版本不一样但选带recommended标志的那个就行。我不建议大家直接下载官网的.run驱动手动安装因为在内核更新后很容易出现“DKMS编译失败”的问题新手处理起来非常难受。系统软件源里的驱动包和内核版本的搭配是经过测试的稳定性高很多。2.3 驱动装好后的两个验证动作装完驱动、重启之后至少要跑两条命令验证nvidia-smi sudo apt install mesa-utils glxinfo | grep OpenGL renderernvidia-smi会显示驱动版本和显存使用率。如果你看到类似“Driver Version: 535.xxx”的输出说明NVIDIA驱动本身已经加载。第二条检查更关键。glxinfo输出里的“OpenGL renderer”如果显示的是你的显卡型号说明OpenGL走的是硬件加速如果显示的是“llvmpipe”这种字样说明系统当前使用的是软件渲染即使nvidia-smi存在CARLA跑起来也会卡得没法玩。我见过不少人栽在“nvidia-smi正常但CARLA卡成PPT”其实就是OpenGL走了llvmpipe。解决办法通常是检查有没有装了其他图形包或者把驱动在“附加驱动”里重新切换一次再重启。2.4 CUDA到底要不要现在装这里我要明确说一个容易混淆的点CARLA仿真器本身不调用CUDA它做的是渲染不是计算。你只跑仿真、只开传感器不需要装CUDA工具包驱动就够了。但如果你打算让CARLA和深度学习模型联动比如把相机数据扔给PyTorch模型做推理那后续会需要CUDA和对应的GPU计算库。我的建议是安装阶段不要装CUDA等真跑到模型训练、推理时再装。这样能避免CUDA版本和驱动版本冲突带来的额外排查成本。因为一旦冲突你很难确定是仿真问题还是计算环境问题。提示装不装CUDA不影响本篇后面的步骤。如果后续要装请先查清自己的驱动版本支持哪一档CUDA版本再选择对应的工具包。3. 下载与解压几十个G里藏着不少坑当你的硬件和驱动都确认没问题就可以开始下载CARLA本体了。这一步看上去只是“下载解压”实际上有四个坑值得提前说清楚。3.1 官方包的类型和该下哪一个CARLA 0.9.16的官方Release页面里会看到好几个压缩包命名大致分几类包名内容体积主包完整仿真器、引擎、默认地图Town01-07约12GBAdditional Maps附加地图Town08-10等约10GB各Town独立包单个城镇地图按需下载对第一次安装的人只下载主包就够了。默认地图包括Town01到Town07完全够你熟悉PythonAPI和跑基础实验。附加地图等确认主流程没问题再补避免一次性下载太多出问题。3.2 磁盘规划和解压命令我在第1节提过要预留50GB这里再细化主包解压后占25GB左右如果之后补附加地图又要占20GB左右加上编译PythonAPI示例和缓存预留50GB一点都不浪费。下载完成后我习惯把压缩包放在一个单独目录解压到目标目录mkdir -p ~/carla_0916 tar -xzf CARLA_0.9.16.tar.gz -C ~/carla_0916解压完成后~/carla_0916目录下应该能看到这些子目录CarlaUE4/仿真器主程序目录启动就在这里Engine/引擎相关文件PythonAPI/Python客户端接口、示例脚本、示例纯代码Co-Simulation/协同仿真模块比如和车载仿真工具的接口如果你发现解压后某些文件的属主不是当前用户最稳妥的方法是用chown修正。我从第三方渠道拷贝压缩包时遇到过这种权限问题启动时提示“Permission denied”折腾半天才发现是权限没修。sudo chown -R $USER:$USER ~/carla_09163.3 校验哈希省下两小时重下重装的成本我强烈建议下载完成后先校验完整性再解压。CARLA的压缩包非常大下载过程中偶尔会丢数据直接解压可能出现“unexpected EOF”或“gzip: invalid compressed data”的错误。官方Release页面会提供对应文件的哈希值。下载后计算一下sha256sum CARLA_0.9.16.tar.gz把输出的哈希值和页面给的值对照完全一致再解压。尤其是断点续传过的文件这步千万不能省。哈希对不上就重新下载别贪图省事。4. 环境变量与libomp5依赖本次安装最值得记的坑正式安装阶段有两件事一件很轻松配环境变量另一件很折腾libomp5依赖。我把两件事放在一起讲因为它们的坑是串联出现的。4.1 bashrc里的两条虚拟路径配置环境变量的目的就是让Python脚本能找到CARLA的API让启动脚本能找到CARLA的根目录。编辑~/.bashrc在末尾追加export CARLA_ROOT~/carla_0916 export PYTHONPATH$CARLA_ROOT/PythonAPI/carla/dist:$CARLA_ROOT/PythonAPI/carla:$PYTHONPATH保存后source ~/.bashrc。PYTHONPATH里加的两个路径分别指向dist目录里面放着不同Python版本对应的whl包后面工具脚本会用到carla目录PythonAPI源码这里要注意Python版本问题。Ubuntu 22.04默认Python是3.10但CARLA 0.9.16的PythonAPI对3.10的支持并不好。建议创建一个Python 3.8的虚拟环境来跑客户端脚本避免污染系统环境。sudo apt install python3.8-venv python3.8 -m venv ~/carla_py38 source ~/carla_py38/bin/activate pip install --upgrade pip之后运行任何Python示例脚本都先激活这个虚拟环境能省掉大量找不到模块的报错。4.2 libomp.so.5报错的完整排查链路如果说这篇笔记有什么“干货浓度”最高的部分就是这个地方。我当初在Ubuntu 22.04跑./CarlaUE4.sh直接报错./CarlaUE4.sh: error while loading shared libraries: libomp.so.5: cannot open shared object file我当时第一反应是“缺库就装库”执行sudo apt install libomp5结果装上之后依然报同样的错误。这里就要说排查思路了而不是抄一通命令。先用ldd查看启动脚本对应的可执行文件依赖了哪些共享库ldd ./CarlaUE4.sh | grep libomp如果输出显示找不到libomp.so.5接着查系统里实际有哪些OpenMP库sudo apt-cache policy libomp5问题就出在这里。Ubuntu 22.04软件源里的libomp5版本是14.x或15.x它的动态库文件名是libomp.so.1而CARLA 0.9.16在编译时链接的旧版本叫libomp.so.5。换句话说apt源里能装的库文件名对不上所以装了一万遍也没用。解决思路是手动下载一个提供libomp.so.5的旧deb包然后用dpkg安装绕过apt源版本检查。我当时下载的是Ubuntu 20.04时期对应版本12的libomp5包wget http://archive.ubuntu.com/ubuntu/pool/universe/l/llvm-toolchain-12/libomp5-12_12.0.1-19ubuntu3_amd64.deb sudo dpkg -i libomp5-12_12.0.1-19ubuntu3_amd64.deb装完后验证ldd ./CarlaUE4.sh | grep libomp这次能正确找到libomp.so.5了启动也恢复了正常。注意手动安装旧deb包后以后如果执行sudo apt upgrade系统可能会提示包冲突或版本变更。如果遇到可以用sudo apt-mark hold libomp5-12将这个包固定住避免被apt自动升级。4.3 不想碰系统依赖的另一条路如果你不想给系统装旧包担心影响其他软件还有一条路把libomp.so.5单独放到CARLA目录下的lib目录然后通过LD_LIBRARY_PATH让启动脚本优先使用这个库。mkdir -p ~/carla_0916/lib cp /usr/lib/x86_64-linux-gnu/libomp.so.5 ~/carla_0916/lib/ # 假设你已经从其他途径获得该文件 export LD_LIBRARY_PATH~/carla_0916/lib:$LD_LIBRARY_PATH ./CarlaUE4.sh这条路的好处是隔离干净不污染系统坏处是每次启动都要设置好环境变量如果忘了报错会再次出现。我个人的选择是在虚拟机或专用测试机上直接装旧deb包干净利落在主用办公机上用LD_LIBRARY_PATH隔离避免影响日常开发环境。两条路都验证过都能跑通。5. 第一次启动验证画面、跑通最小循环才算装好到了这一步环境基本就绪。启动CARLA并成功连上一个客户端这个安装才真的算完成。下面按“服务端→客户端→问题排查”的顺序过一遍。5.1 启动服务端的正确姿态进入CARLA根目录执行cd ~/carla_0916 ./CarlaUE4.sh第一次启动要加载大量场景资源这个过程可能持续几分钟。你会先看到一个Carla相关字样的加载界面然后出现仿真器的三维视角同时终端里会输出日志信息。如果你是远程服务器、没有桌面环境或者想在后台跑仿真可以加参数./CarlaUE4.sh -RenderOffScreen这个模式不开窗口照样能供客户端连接适合把CARLA当后端服务用。第一次调试时我建议还是开窗口至少能直观看到地图有没有加载。启动后千万别急着关终端。服务端的终端就是它的主进程一关整个仿真就停了。如果你需要持久化运行用nohup或tmux把进程挂到后台。5.2 客户端连接与手动控制车辆确认服务端启动正常另开一个终端先激活Python虚拟环境再进入PythonAPI的工具目录source ~/carla_py38/bin/activate cd ~/carla_0916/PythonAPI/util先跑一个连接检查脚本python3 config.py --x 100 --y 100如果返回地图信息、天气信息之类的内容说明客户端与服务端连接成功。如果报连接超时先检查服务端终端有没有报错再确认是不是本机防火墙问题。接下来跑手动控制示例这是最有成就感的一步cd ~/carla_0916/PythonAPI/examples python3 manual_control.py脚本运行后会生成一辆车出现一个控制窗口用WASD控制油门刹车转向鼠标控制视角按P切换自动驾驶模式。如果你能控制车辆在地图里跑起来整个安装链路的验证就完成了。5.3 启动过程中常见的三个路障第一个路障是“连不上服务器”。多数情况下不是因为配置错了而是服务端还没完全加载完或者端口被占。CARLA默认监听2000端口如果有其他进程占用启动日志会报端口错误。换端口启动的方式是./CarlaUE4.sh -carla-rpc-port2010客户端连接时也要带上相同端口参数否则两边不在一个频道上。第二个路障是“生成车辆报错”。典型报错是AttributeError: NoneType object has no attribute id之类。这通常是因为代码里要生成车辆的spawn_point没有正确获取到也就是地图还没返回有效出生点。解决办法是在生成车辆前先用map.get_spawn_points()确认返回的列表不为空然后取其中一个点作为生成位置。第三个路障是“画面太卡”。如果你的显卡驱动正常、但帧率依然很低可以先试试降低画质./CarlaUE4.sh -quality-levelLow这个参数能明显减轻渲染压力。先把仿真跑起来再逐步调高画质。三个路障的本质分别对应网络、API逻辑、渲染性能遇到时按顺序排查基本都能定位。5.4 装好以后这个环境还能怎么扩展跑通手动控制只是起点。确认环境无误后我建议你花点时间探索几个方向用PythonAPI/examples下的spawn_npc.py在场景里生成多辆NPC车辆和行人感受一下动态交通流用PythonAPI/util/config.py切换不同的地图比如python3 config.py --map Town10HD翻看PythonAPI/carla目录下的源码理解world、client、actor这几个核心对象的关系这些内容属于“学习笔记二”的范畴但提前了解会让你对后续学习路径更有方向感。我自己在装完CARLA之后最大的感受是真正消耗时间的不是下载和配置命令而是搞清楚“为什么报错”。Ubuntu 22.04不是官方支持列表里的版本所以每一步都要多问一句“和官方验证过的20.04差在哪里”。这个思路能让你在未来遇到任何新版本组合时都有一套可复用的排查方法。如果这篇笔记能帮你在安装阶段少走两小时弯路那它的价值就达到了。下一篇我打算记录如何正确配置传感器套件、保存实验数据和调用地图接口到时候我们可以继续在这个仿真平台上往下挖。
把CARLA 0.9.16装进Ubuntu 22.04这件事老实说比想象中要坎坷。作为一个常年泡在仿真环境里的人我原本以为解压压缩包、配两条环境变量就能跑起来结果在显卡驱动和系统依赖上各栽了一次跟头。这篇笔记就是给准备在Ubuntu 22.04上装CARLA 0.9.16的人准备的内容从硬件检查、显卡驱动准备、安装包下载解压到环境变量和libomp5这个经典报错的处理最后跑到第一次启动和手动控制画面。不管你是做感知、规划还是控制算法想找个开源仿真平台当测试场地只要愿意照着命令行一步步确认输出这篇笔记能帮你把不少弯路提前填平。这篇是“学习笔记一”所以我只聚焦安装阶段传感器套件、地图编辑、与深度学习的联动这些内容不展开。先把地基打好后面才有得玩。1. 动手之前的硬件与系统检查省时间的关键全在这半小时很多人拿到CARLA 0.9.16压缩包就直接解压然后跑起来发现卡成幻灯片或者干脆启动崩溃回头才查配置。我的建议是反过来先花半小时把硬件和系统摸清楚确认满足条件再动手这样后面每一步出现问题你都知道是不是硬件瓶颈。1.1 CARLA 0.9.16对硬件到底有多挑CARLA底层是一个完整的游戏级渲染引擎场景里要实时渲染建筑、路面、车辆、行人还要同时模拟多个传感器相机、激光雷达、毫米波雷达。这意味着它和普通深度学习实验不太一样CPU、内存、显卡都很吃。我参考官方文档和实际跑下来的经验给一个“能玩”和“舒服”的参考线显卡必须NVIDIA独立显卡显存6GB起步8GB以上更稳妥。0.9.16版本在默认画质下显存占用轻松超过4GB如果你要开高分辨率相机传感器或者多机协同显存需求还会涨。CPU4核起步8核以上更好。场景里动态物体一多CPU负责物理和交通逻辑核太少了会拖后腿。内存16GB是底线32GB比较舒服。加载大的附加地图时内存占用会明显上升。硬盘预留至少50GB空间强烈推荐SSD。机械硬盘虽然也能装但场景加载时的卡顿会让你怀疑人生。这个表并不夸张。我自己在16GB内存的机器上跑默认的Town10加载需要一两分钟跑起来之后内存峰值差不多8GB如果再开深度学习模型同时推理很快顶到上限。所以如果你的机器内存只有8GB建议先别折腾加内存条比研究任何优化都实在。1.2 动手前先跑的几条命令系统层面先确认三件事Ubuntu版本、磁盘空间、账户权限。三条命令就能看完lsb_release -a df -h /home sudo -vlsb_release -a看系统版本。CARLA 0.9.16官方发布时主要支持的是18.04和20.04没提22.04这也是为什么22.04用户需要额外处理依赖问题的根源。df -h /home确认你的家目录所在分区还剩多少空间。注意不是看根目录总大小而是看挂载到/home的那个分区。sudo -v验证当前用户有sudo权限。后续装驱动、修依赖、启动服务都可能要管理员权限没有sudo账户就直接退出重装系统。另外用lspci | grep -i vga看一眼显卡型号用free -h看一眼内存总量。如果显卡输出的是“VGA compatible controller: ... 集成显卡”这类字样说明系统现在没有识别到独立显卡的完整信息那第2节的内容你就得多花点心思了。1.3 为什么官方支持列表里没有Ubuntu 22.04我们还在装这是这篇笔记第一个值得理解的点。CARLA官方支持列表没有22.04不等于“完全跑不了”而是“官方没有在22.04上验证过”。实际阻碍主要来自两块第一系统自带的图形相关依赖版本偏高和CARLA 0.9.16编译时用的旧版本库存在文件名和符号冲突最典型的就是后面要说的libomp.so.5。 第二系统默认Python版本是3.10而CARLA 0.9.16的PythonAPI适配的是3.7/3.8的whl包直接用系统Python环境会有版本检查问题。这两件事都不是致命伤但如果你不知道原因遇到报错时会一脸懵。知道为什么后面修起来就顺手多了。2. 显卡驱动这块地基仿真能不能跑先看这一步说实话安装CARLA全流程里显卡驱动是决定成败的第一步。仿真器要做大量实时渲染没有能正常工作的GPU驱动后面所有步骤都是白搭。2.1 为什么仿真器对显卡驱动这么敏感CARLA的画面渲染依赖系统图形接口的硬件加速。驱动没装好时系统会退回软件渲染也就是用CPU去算所有图形效率极低。表现出来就是启动能启动但画面每秒可能只有一两帧视角拖动一下都要等好几秒。判断是否走了软件渲染有个简单方法看驱动状态。如果显卡是N卡但nvidia-smi命令不存在说明驱动根本没装好如果nvidia-smi能输出信息再看OpenGL渲染器是否指向了你的独立显卡。这两个检查都通过才能说地基打好了。2.2 安装驱动的推荐路径在Ubuntu 22.04上装NVIDIA驱动最省事的方式不是去官网下载.run文件手动安装而是用系统自带的“附加驱动”或命令行工具。打开“软件和更新”切到“附加驱动”标签页系统会列出可用的驱动版本。选择一个标注着“已测试”或recommended的版本应用更改重启系统即可。如果更喜欢命令行也可以两步走sudo apt update ubuntu-drivers devices sudo apt install nvidia-driver-535ubuntu-drivers devices会输出当前系统推荐的驱动包名。不同时间点推荐版本不一样但选带recommended标志的那个就行。我不建议大家直接下载官网的.run驱动手动安装因为在内核更新后很容易出现“DKMS编译失败”的问题新手处理起来非常难受。系统软件源里的驱动包和内核版本的搭配是经过测试的稳定性高很多。2.3 驱动装好后的两个验证动作装完驱动、重启之后至少要跑两条命令验证nvidia-smi sudo apt install mesa-utils glxinfo | grep OpenGL renderernvidia-smi会显示驱动版本和显存使用率。如果你看到类似“Driver Version: 535.xxx”的输出说明NVIDIA驱动本身已经加载。第二条检查更关键。glxinfo输出里的“OpenGL renderer”如果显示的是你的显卡型号说明OpenGL走的是硬件加速如果显示的是“llvmpipe”这种字样说明系统当前使用的是软件渲染即使nvidia-smi存在CARLA跑起来也会卡得没法玩。我见过不少人栽在“nvidia-smi正常但CARLA卡成PPT”其实就是OpenGL走了llvmpipe。解决办法通常是检查有没有装了其他图形包或者把驱动在“附加驱动”里重新切换一次再重启。2.4 CUDA到底要不要现在装这里我要明确说一个容易混淆的点CARLA仿真器本身不调用CUDA它做的是渲染不是计算。你只跑仿真、只开传感器不需要装CUDA工具包驱动就够了。但如果你打算让CARLA和深度学习模型联动比如把相机数据扔给PyTorch模型做推理那后续会需要CUDA和对应的GPU计算库。我的建议是安装阶段不要装CUDA等真跑到模型训练、推理时再装。这样能避免CUDA版本和驱动版本冲突带来的额外排查成本。因为一旦冲突你很难确定是仿真问题还是计算环境问题。提示装不装CUDA不影响本篇后面的步骤。如果后续要装请先查清自己的驱动版本支持哪一档CUDA版本再选择对应的工具包。3. 下载与解压几十个G里藏着不少坑当你的硬件和驱动都确认没问题就可以开始下载CARLA本体了。这一步看上去只是“下载解压”实际上有四个坑值得提前说清楚。3.1 官方包的类型和该下哪一个CARLA 0.9.16的官方Release页面里会看到好几个压缩包命名大致分几类包名内容体积主包完整仿真器、引擎、默认地图Town01-07约12GBAdditional Maps附加地图Town08-10等约10GB各Town独立包单个城镇地图按需下载对第一次安装的人只下载主包就够了。默认地图包括Town01到Town07完全够你熟悉PythonAPI和跑基础实验。附加地图等确认主流程没问题再补避免一次性下载太多出问题。3.2 磁盘规划和解压命令我在第1节提过要预留50GB这里再细化主包解压后占25GB左右如果之后补附加地图又要占20GB左右加上编译PythonAPI示例和缓存预留50GB一点都不浪费。下载完成后我习惯把压缩包放在一个单独目录解压到目标目录mkdir -p ~/carla_0916 tar -xzf CARLA_0.9.16.tar.gz -C ~/carla_0916解压完成后~/carla_0916目录下应该能看到这些子目录CarlaUE4/仿真器主程序目录启动就在这里Engine/引擎相关文件PythonAPI/Python客户端接口、示例脚本、示例纯代码Co-Simulation/协同仿真模块比如和车载仿真工具的接口如果你发现解压后某些文件的属主不是当前用户最稳妥的方法是用chown修正。我从第三方渠道拷贝压缩包时遇到过这种权限问题启动时提示“Permission denied”折腾半天才发现是权限没修。sudo chown -R $USER:$USER ~/carla_09163.3 校验哈希省下两小时重下重装的成本我强烈建议下载完成后先校验完整性再解压。CARLA的压缩包非常大下载过程中偶尔会丢数据直接解压可能出现“unexpected EOF”或“gzip: invalid compressed data”的错误。官方Release页面会提供对应文件的哈希值。下载后计算一下sha256sum CARLA_0.9.16.tar.gz把输出的哈希值和页面给的值对照完全一致再解压。尤其是断点续传过的文件这步千万不能省。哈希对不上就重新下载别贪图省事。4. 环境变量与libomp5依赖本次安装最值得记的坑正式安装阶段有两件事一件很轻松配环境变量另一件很折腾libomp5依赖。我把两件事放在一起讲因为它们的坑是串联出现的。4.1 bashrc里的两条虚拟路径配置环境变量的目的就是让Python脚本能找到CARLA的API让启动脚本能找到CARLA的根目录。编辑~/.bashrc在末尾追加export CARLA_ROOT~/carla_0916 export PYTHONPATH$CARLA_ROOT/PythonAPI/carla/dist:$CARLA_ROOT/PythonAPI/carla:$PYTHONPATH保存后source ~/.bashrc。PYTHONPATH里加的两个路径分别指向dist目录里面放着不同Python版本对应的whl包后面工具脚本会用到carla目录PythonAPI源码这里要注意Python版本问题。Ubuntu 22.04默认Python是3.10但CARLA 0.9.16的PythonAPI对3.10的支持并不好。建议创建一个Python 3.8的虚拟环境来跑客户端脚本避免污染系统环境。sudo apt install python3.8-venv python3.8 -m venv ~/carla_py38 source ~/carla_py38/bin/activate pip install --upgrade pip之后运行任何Python示例脚本都先激活这个虚拟环境能省掉大量找不到模块的报错。4.2 libomp.so.5报错的完整排查链路如果说这篇笔记有什么“干货浓度”最高的部分就是这个地方。我当初在Ubuntu 22.04跑./CarlaUE4.sh直接报错./CarlaUE4.sh: error while loading shared libraries: libomp.so.5: cannot open shared object file我当时第一反应是“缺库就装库”执行sudo apt install libomp5结果装上之后依然报同样的错误。这里就要说排查思路了而不是抄一通命令。先用ldd查看启动脚本对应的可执行文件依赖了哪些共享库ldd ./CarlaUE4.sh | grep libomp如果输出显示找不到libomp.so.5接着查系统里实际有哪些OpenMP库sudo apt-cache policy libomp5问题就出在这里。Ubuntu 22.04软件源里的libomp5版本是14.x或15.x它的动态库文件名是libomp.so.1而CARLA 0.9.16在编译时链接的旧版本叫libomp.so.5。换句话说apt源里能装的库文件名对不上所以装了一万遍也没用。解决思路是手动下载一个提供libomp.so.5的旧deb包然后用dpkg安装绕过apt源版本检查。我当时下载的是Ubuntu 20.04时期对应版本12的libomp5包wget http://archive.ubuntu.com/ubuntu/pool/universe/l/llvm-toolchain-12/libomp5-12_12.0.1-19ubuntu3_amd64.deb sudo dpkg -i libomp5-12_12.0.1-19ubuntu3_amd64.deb装完后验证ldd ./CarlaUE4.sh | grep libomp这次能正确找到libomp.so.5了启动也恢复了正常。注意手动安装旧deb包后以后如果执行sudo apt upgrade系统可能会提示包冲突或版本变更。如果遇到可以用sudo apt-mark hold libomp5-12将这个包固定住避免被apt自动升级。4.3 不想碰系统依赖的另一条路如果你不想给系统装旧包担心影响其他软件还有一条路把libomp.so.5单独放到CARLA目录下的lib目录然后通过LD_LIBRARY_PATH让启动脚本优先使用这个库。mkdir -p ~/carla_0916/lib cp /usr/lib/x86_64-linux-gnu/libomp.so.5 ~/carla_0916/lib/ # 假设你已经从其他途径获得该文件 export LD_LIBRARY_PATH~/carla_0916/lib:$LD_LIBRARY_PATH ./CarlaUE4.sh这条路的好处是隔离干净不污染系统坏处是每次启动都要设置好环境变量如果忘了报错会再次出现。我个人的选择是在虚拟机或专用测试机上直接装旧deb包干净利落在主用办公机上用LD_LIBRARY_PATH隔离避免影响日常开发环境。两条路都验证过都能跑通。5. 第一次启动验证画面、跑通最小循环才算装好到了这一步环境基本就绪。启动CARLA并成功连上一个客户端这个安装才真的算完成。下面按“服务端→客户端→问题排查”的顺序过一遍。5.1 启动服务端的正确姿态进入CARLA根目录执行cd ~/carla_0916 ./CarlaUE4.sh第一次启动要加载大量场景资源这个过程可能持续几分钟。你会先看到一个Carla相关字样的加载界面然后出现仿真器的三维视角同时终端里会输出日志信息。如果你是远程服务器、没有桌面环境或者想在后台跑仿真可以加参数./CarlaUE4.sh -RenderOffScreen这个模式不开窗口照样能供客户端连接适合把CARLA当后端服务用。第一次调试时我建议还是开窗口至少能直观看到地图有没有加载。启动后千万别急着关终端。服务端的终端就是它的主进程一关整个仿真就停了。如果你需要持久化运行用nohup或tmux把进程挂到后台。5.2 客户端连接与手动控制车辆确认服务端启动正常另开一个终端先激活Python虚拟环境再进入PythonAPI的工具目录source ~/carla_py38/bin/activate cd ~/carla_0916/PythonAPI/util先跑一个连接检查脚本python3 config.py --x 100 --y 100如果返回地图信息、天气信息之类的内容说明客户端与服务端连接成功。如果报连接超时先检查服务端终端有没有报错再确认是不是本机防火墙问题。接下来跑手动控制示例这是最有成就感的一步cd ~/carla_0916/PythonAPI/examples python3 manual_control.py脚本运行后会生成一辆车出现一个控制窗口用WASD控制油门刹车转向鼠标控制视角按P切换自动驾驶模式。如果你能控制车辆在地图里跑起来整个安装链路的验证就完成了。5.3 启动过程中常见的三个路障第一个路障是“连不上服务器”。多数情况下不是因为配置错了而是服务端还没完全加载完或者端口被占。CARLA默认监听2000端口如果有其他进程占用启动日志会报端口错误。换端口启动的方式是./CarlaUE4.sh -carla-rpc-port2010客户端连接时也要带上相同端口参数否则两边不在一个频道上。第二个路障是“生成车辆报错”。典型报错是AttributeError: NoneType object has no attribute id之类。这通常是因为代码里要生成车辆的spawn_point没有正确获取到也就是地图还没返回有效出生点。解决办法是在生成车辆前先用map.get_spawn_points()确认返回的列表不为空然后取其中一个点作为生成位置。第三个路障是“画面太卡”。如果你的显卡驱动正常、但帧率依然很低可以先试试降低画质./CarlaUE4.sh -quality-levelLow这个参数能明显减轻渲染压力。先把仿真跑起来再逐步调高画质。三个路障的本质分别对应网络、API逻辑、渲染性能遇到时按顺序排查基本都能定位。5.4 装好以后这个环境还能怎么扩展跑通手动控制只是起点。确认环境无误后我建议你花点时间探索几个方向用PythonAPI/examples下的spawn_npc.py在场景里生成多辆NPC车辆和行人感受一下动态交通流用PythonAPI/util/config.py切换不同的地图比如python3 config.py --map Town10HD翻看PythonAPI/carla目录下的源码理解world、client、actor这几个核心对象的关系这些内容属于“学习笔记二”的范畴但提前了解会让你对后续学习路径更有方向感。我自己在装完CARLA之后最大的感受是真正消耗时间的不是下载和配置命令而是搞清楚“为什么报错”。Ubuntu 22.04不是官方支持列表里的版本所以每一步都要多问一句“和官方验证过的20.04差在哪里”。这个思路能让你在未来遇到任何新版本组合时都有一套可复用的排查方法。如果这篇笔记能帮你在安装阶段少走两小时弯路那它的价值就达到了。下一篇我打算记录如何正确配置传感器套件、保存实验数据和调用地图接口到时候我们可以继续在这个仿真平台上往下挖。
