在之前的文章里，使用了Airsim来仿真模拟无人机飞行，UE4中使用飞控仿真插件——AirSim ，Airsim本身也是支持自动驾驶模拟的，使用方法无太大不同，为了学习探索这两者的区别，在这里记录一下carla的使用。 Carla主要通过Server-Client方式使车辆与虚拟世界进行交互，这样就可以在本机运行，也可以部署多个客户端同时运行。Client API采用Python编写，Client向Server发送command和meta-command，command为控制车辆的转向、加速和刹车，meta-command，针对的是Server的行为，主要有重启模拟器、改变环境特征、修改传感器组等。 CARLA包含三个模块的自动驾驶：① 经典的规则化无人驾驶 ② 端对端模仿学习无人驾驶 ③端对端强化学习无人驾驶, CARLA支持感知和控制两个模块，包含城市堵路（有汽车，建筑物，行人和道路指示标志） CARLA提供世界和智能体的接口，客户端API是python命令控制，以类似插槽（socket）的方式连接智能体和服务器。客户端client发送命令和下层指令，直接命令包括转向，加速和刹车，下层命令包括控制服务器的行为和重置仿真器，改变仿真环境和修改传感器参数。CARLA可以调整视觉信息质量和速度。CARLA有两个城镇，TOWN1用来训练，TOWN2用来测试。CARLA包含许多传感器，有RGB摄像头，提供深度信息的摄像头（该深度信息和语义分割，CARLA已经做好了，语义分割有12个种类：道路，道路线，交通灯，行人等等）GPS定位传感器，速度加速度传感器和碰撞传感器等等。 官方文档 Github地址

下载和安装参考官方即可，把github上的clone到本地。

这里以windows为例，运行\CarlaUE4.exe,再在cmd执行命令行程序CARLA\PythonAPI\examples\ >python spawn_npc.py -n 80，执行后可以看见车辆行人加载到地形之中。 值得注意的是，想要完整的使用carla的功能，还需要下载安装python的其他完整模块，这里整理了完整的安装步骤，参考以下： pygame module 使用pip包管理工具更加方便，可以参考 numpy matplotlib scipy 还可以一次获得所有依赖项

进入CARLA\PythonAPI\examples\ 可以尝试使用示例运行控制。 截至目前为止，可以实现可执行程序ue的运行，python的所有示例功能控制，如果只需要改pythonAPI进行开发，那么到这里已经足够。但是想自己更换场景/模型/算法等，肯定要从源码从头编译了，想要深入肯定少不了自己编译一遍。

由于carla是C/S架构的，它分别支持并提供了Linux构建，Windows构建. 这里以windows为例（推荐ubantu），去官网安装好cmake，git，make等所需软件，发现按照官网操作还是一堆坑，要么编译缺CarlaDependencies模块要么不识别cmake，而且，翻遍了国内外的论坛文章等，这里记录一下减少大家的弯路：

首先要确保版本对上，我这里使用vs2017（把其他版本vs卸载干净），python3.7，carla0.9.10，UE4.24，Cmake3.9以上，并配好环境变量，自己测试确保能用

彻底删除vs:Program Files (x86)\Microsoft Visual Studio\Installer\resources\app\layout运行.\InstallCleanup.exe -full。

打开VS x64命令行工具 到根目录carla-master输入make setup （如果从网上下载过build文件夹，可以跳过此步）

克隆最新资产库：git clone https://bitbucket.org/carla-simulator/carla-content Unreal/CarlaUE4/Content/Carla覆盖原content即可

到工程根目录，按顺序 make LibCarla ，make PythonAPI 编译库文件-

右键点击CarlaUE4.uproject 菜单选项生成sln，用VS2017进行编译源码，如果遇到报错，找到Version.h.in这个文件，拷贝到Unreal\CarlaUE4\Plugins\Carla\CarlaDependencies\include\carla 下面，改名Version.h

简单记录一些架构 对于UE4而言，carla中的actor包括了：

传感器包括了：

道路，车道和路口由Python API管理，可从客户端访问。它们与航路点类一起使用，为车辆提供导航路径。 交通标志和交通灯可作为carla.Landmark对象使用，其中包含有关其OpenDRIVE定义的信息。此外，在运行时，模拟器会使用OpenDRIVE文件上的信息自动生成停止，屈服和交通信号灯对象。这些在道路上放置了边界框。一旦进入边界框，车辆就会意识到它们。

所以，由此而知运行架构如下图，传感器运行在UE4内部，并将数据一直发送到Python客户端，。 传感器actor 负责测量和/或模拟数据的actor：使用UE4框架在Carla插件中运行。用户可以作为Sensor actor访问。

串行器 对象包含用于对传感器生成的数据进行序列化和反序列化的方法。在LibCarla中运行，服务器和客户端均如此。

传感器数据 代表传感器生成的数据的对象。这是将在C ++和Python API中传递给最终用户的对象。

知道了架构，可以更清晰的阅读源码和各个模块的功能联系。 ————————————————————————————————— 思考一下如何更换验证算法？我们以汽车动力学算法模型为例： 阅读源码，内部的汽车动力学模型都是UE内集成的，可以通过代码找到，PxVehicleWheels.cpp这个文件，是NVIDIA提供给UE内部汽车使用的。并在UE里暴露一些变量，Carla中的PythonAPI也是如此，通过控制这些变量来达到不同车辆的效果： 如此，我们可以参照汽车模板的链接方式，再集成其他各式各样的动力学模型进UE中，例如飞机坦克等等。

思考一下如何在carla框架里自定义API 同理，在carla的架构中，想要添加PythonAPI也参考代码自定义API即可。注意上面server和client端的联系图，自行补充默认参数设置和头文件的相关声明。可以参考源码自己来增改，或参考这篇博文的步骤。

pip install --index-url https://pypi.douban.com/simple 库名 和之前命令比较，中间加了--index-url https://pypi.douban.com/simple