数据分析技术分享 - 来Python酷学Python库

我们将在这篇文章中介绍如何使用Python库来创建Carla客户端，并使用客户端跟仿真环境进行交互，我们将会创建一台白色的特斯拉Model 3，让它在仿真环境中运动。

如果你还不知道Carla是什么，或者不清楚如何安装Carla服务器和Python库，请阅读 Carla自动驾驶仿真环境 1 – 基本概念

1. Client 和 World

我们已经知道，我们可以使用Python来实现一个客户端来跟Carla仿真环境进行交互，而在Carla Python库中，是以 carla.Client 类来实现的，我们可以通过实例化这个类来建立客户端，并跟服务器实现连接。通常来说为了防止由于网络原因带来的阻塞，我们还可以设置这个客户端的超时时间。

1
2


client = carla.Client("localhost", 2000)
client.set_timeout(10.0)

client对象是跟Carla环境交互的唯一的入口，有了client对象以后，我们就可以获取到Carla环境中的世界（World）了，World对象确确实实的代表Carla环境中的世界，你想要在世界中创建任何东西，都是往这个World对象中添加。获取World对象的方法也很简单，一句代码就可以。

1

world = client.load_world('Town02')

我们用这行代码在客户端获取到了World对象，并使用了Town02这张由Carla官方提供的内置地图，Carla还提供了其他一些地图，我们可以通过更改load_world的参数来加载不同的地图。

有了world对象以后，我们来直观感受下，我们可以做什么样的交互，比如我们想控制世界的天气和时间（太阳的位置）。

1
2
3
4
5


weather = carla.WeatherParameters(
    cloudiness=0.0,
    precipitation=0.0,
    sun_altitude_angle=50.0)
world.set_weather(weather)

这里，使用carla.WeatherParameters创建了一种天气，万里无云，没有降雨，太阳的角度为50，也就是说是一个大晴天，然后通过世界的set_weather方法修改了世界的天气。

2. Actors 和 Blueprints

2.1 创建和修改Blueprint

Actors我们可以称之为演员，在Carla世界中任何可以通过客户端创建的物体都称为Actors（演员），包括：车辆，行人，传感器等等。

而创建Actor，我们需要提供想要创建的Actor的类型，不同的类型会有不同的属性，比如一台车，它可以是不同的型号，可以是不同的颜色，外观不同，可以通过油门和方向盘来控制，而如果是一个传感器，它可能都没有这些任何一个属性，因此创建一个Actor需要知道这些信息，也就是类似于需要使用一个模板，这个东西在Carla中叫做蓝图，即Blueprints，Carla中已经内置了一个蓝图库，里边包含了许多不同的Actors，比如我们可以创建一台特斯拉的Model 3，我们也可以创建一台BWM，或者雪铁龙等等。

我们使用下边的代码创建一个白色的特斯拉蓝图（模板）

1
2


model3_bp = world.get_blueprint_library().find('vehicle.tesla.model3')
model3_bp.set_attribute('color', '255,255,255')

使用world.get_blueprint_library()可以获取到Carla内置的蓝图库，通过find方法找到model 3，我们也可以使用filter方法然后给定模糊匹配的方法获取到多个蓝图，比如，可以用world.get_blueprint_library().filter('vehicle.bmw.*')获取到所有BMW的车型蓝图。

每一个蓝图都可以使用set_attribute更改自身的属性，这里我们将颜色设置成了白色。

2.2 Actor的生命周期

一个Actor可以被生成（Spawning），使用（Handling），以及销毁（Destruction）。

生成：有了蓝图之后，意味着我们有了模板，然后就需要使用这个模板生成一个或者多个演员（Actor），这一过程叫做Spawning，因为Actor是在世界中存在的一个物体，因此在生成的时候，需要告诉环境它的出生点在哪里。
使用：当Actor生成以后，就可以通过客户端来控制它的一些行为，比如可以让车子跑起来，并控制它的油门和转向。
销毁：当我们不在需要一个Actor的时候可以选择销毁它，这样可以释放仿真环境的资源，让环境运行更顺畅。

生成

使用world对象的spawn_actor或者try_spawn_actor方法就可以生成一个Actor，不过上边提到，在生成Actor的时候，需要告诉世界它的出生点在哪里，出生点在Carla中抽象为carla.Transform，比如，我们可以用下边这段代码，指定将Actor生成到某一个地点。

1
2


transform = Transform(Location(x=230, y=195, z=40), Rotation(yaw=180))
actor = world.spawn_actor(blueprint, transform)

不过因为，物体在世界中是有体积的，所以有可能你指定的地点上已经有其他物体了，比如，该位置已经有台车子，或者该位置是一个建筑物，这种情况下，Actor被生成的时候就会出现碰撞，为了避免这个问题，Carla提供了一个接口可以获取到所有空的出生点，只要在这些空的出生点上生成Actor就不会出现碰撞的问题了。

下边这段代码，随机的选择了一个空的出生点，然后在该位置生成我们的白色Model 3

1
2
3


spawn_points = world.get_map().get_spawn_points()
model3_spawn_point = np.random.choice(spawn_points)
model3 = world.spawn_actor(model3_bp, model3_spawn_point)

使用

当Actor被生成以后，生成方法会范围被生成的Actor对象，我们可以使用该对象控制Actor的行为。比如，我们可以让刚刚生成的Model 3动起来，使用下边的代码，让它按照交通规则在世界中行驶。

1

model3.set_autopilot(True)

我们还可以主动的把车挪动位置

1
2
3


location = model3.get_location()
location.x += 10.0
model3.set_location(location)

等等，根据不同的Actor类型，可以控制的参数也不一样。

销毁

当我们不在需要某个Actor的时候，可以将其销毁，释放计算资源。

1

destroyed_sucessfully = actor.destroy()

3. 传感器 Sensors

传感器是自动驾驶汽车的眼睛，对于自动驾驶的研究，基本上都是围绕传感器进行的，Carla作为一个自动驾驶仿真环境，最重要的就是能够支持给车辆安装不同的传感器，Sensor是一种特殊的Actor，它的蓝图也是可以在蓝图库里边找到的，目前Carla已经支持了很多传感器，比如

摄像头： Depth， RGB ， Semantic segmentation
探测器： Collision ， Lane invasion ， Obstacle
其他： GNSS ， IMU ， LIDAR raycast ， Radar

传感器跟其他的Actor最大的不同是，它们需要被安装在车上，因此在生成传感器的时候，需要将其附着到一个车辆类型的Actor上，而出生点是针对于这台车本身的坐标系给定的。

1
2
3
4
5
6
7


camera_bp = world.get_blueprint_library().find('sensor.camera.rgb')
camera = world.spawn_actor(camera_bp, 
                           carla.Transform(carla.Location(x=-5.5, z=2.5), carla.Rotation(pitch=8.0)), 
                           model3,
                           carla.AttachmentType.SpringArm
                           )
camera.listen(lambda image:image.save_to_disk('output/%06d.png' % image.frame)

我们在上段代码中，首先从蓝图库中找到RGB摄像头模板，然后利用这个蓝图生成摄像头Actor，并将其附着到前边生成好的Model 3上，我们选择了摄像头附着类型为：carla.AttachmentType.SpringArm，并将其位置设置到后方，这样我们就可以像从一个第三者的角度排到行驶的车辆了，在文章最后，读者可以看到摄像头拍到的车辆的照片。

每一个传感器都有一个listen方法，该方法接收一个callback作为参数，我们可以自定义callback里边的逻辑，callback将会在传感器拿到数据后被调用，并能够获取到这些数据。我们这个例子中，我们将摄像头采集到的图像信息以图片的形式保存在output文件夹中。

跟其他Actor一样的，传感器也有很多参数可以设置，比如对于RBG摄像头来说，我们可以设置其采集的分辨率。

4. 观察者 spectator

在 Carla自动驾驶仿真环境 1 – 基本概念中，我们提到跟Carla环境交互的唯一方式就是通过客户端，但是前边我们使用Python脚本生成了一台Model3 ，并让它行驶在路上，我们的Python脚本并没有能力输出视频，我们怎么来确认我们的 Model 3已经被创建，并在路上行驶呢。

Carla给我们提供了一个所谓的观察者 Spectator，你可以将其理解为Carla环境的视角，我们可以通过修改观察者的参数，切换Carla环境的视角。

1
2
3
4
5
6


while running:
    spectator = world.get_spectator()
    transform = model3.get_transform()
    spectator.set_transform(carla.Transform(transform.location + carla.Location(z=50),
    carla.Rotation(pitch=-90)))
    time.sleep(5)

我们利用上边这段代码，将观察者的位置到我们的Model 3的正上方（z轴），并将视角调为-90度，即向下看，每隔5s中跟着Model 3的位置重置一下观察者的位置，这样就可以在Model 3的正上方追踪并观察这台车了。

5. 实现效果：

我们在这个项目最后会得到两个输出

我们设置了观察值来实时追踪Model 3的行驶，因此在Carla环境中可以看到车子在行驶
我们在摄像头的callback中添加了保存摄像头采集到的照片到output文件夹的动作，因此我们会在output文件夹中看到很多摄像头采集回来的照片

观察者追踪Model 3

摄像头采集到的照片

下图就是我们使用carla.AttachmentType.SpringArm附着类型采集到的照片

Carla自动驾驶仿真环境 2 – 用Python跟仿真环境交互