自动驾驶—CARLA仿真（5）Actors与Blueprints

在 CARLA 中，参与者（Actors）是仿真中执行动作的元素，能够影响其他参与者。CARLA 的参与者包括：

• 车辆（Vehicles）和行人（Walkers）
• 传感器（Sensors）
• 交通标志（Traffic Signs）和交通灯（Traffic Lights）
• 观察者（Spectator）

蓝图（Blueprints）

蓝图是预定义的模型模板，包含动画和一系列属性，使用户能轻松将新参与者加入仿真。部分属性可修改，部分不可修改，例如：

• 车辆颜色
• 激光雷达（LiDAR）的通道数
• 行人的行走速度等等。

所有可用蓝图及其属性均列在蓝图库（Blueprint Library）中。车辆和行人蓝图带有generation属性，标识其为新一代（gen2）或旧一代（gen1）资产。

管理蓝图库

carla.BlueprintLibrary类包含一系列carla.ActorBlueprint元素，可通过world对象访问：

blueprint_library=world.get_blueprint_library()

每个蓝图有唯一 ID 用于识别自身及由其生成的参与者。可通过以下方式查询蓝图：

# 查找特定蓝图collision_sensor_bp=blueprint_library.find('sensor.other.collision')# 随机选择车辆蓝图vehicle_bp=random.choice(blueprint_library.filter('vehicle.*.*'))

每个carla.ActorBlueprint包含若干carla.ActorAttribute，可读取或设置：

# 示例：若为两轮车，设为红色ifvehicle.get_attribute('number_of_wheels')==2:vehicle.set_attribute('color','255,0,0')

⚠️注意：

• 部分属性不可修改，请查阅蓝图库确认

可修改属性通常提供推荐值列表：

forattrinblueprint:ifattr.is_modifiable:blueprint.set_attribute(attr.id,random.choice(attr.recommended_values))

💡自定义资产：
用户可创建自己的车辆模型（参见资产教程），贡献者还可将新内容加入 CARLA。

参与者生命周期

⚠️重要提示：
Python API 支持批量命令（batch commands），可在单帧内高效执行多个常见操作（如批量生成/销毁）。

生成（Spawning）

world对象负责生成参与者并跟踪其状态。生成仅需两个要素：

1. 一个蓝图（Blueprint）
2. 一个carla.Transform（指定位置与旋转）

world提供两种生成方法：

• spawn_actor()：失败时抛出异常
• try_spawn_actor()：失败时返回None

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

⚠️坐标系注意：
CARLA 使用 Unreal Engine 坐标系。carla.Rotation构造函数参数顺序为(pitch, yaw, roll)，与 Unreal Editor 的 (roll, pitch, yaw) 不同。

碰撞检测：若指定位置存在静态物体或其他参与者，生成将失败。为避免此问题：

• 车辆：使用预设出生点

  spawn_points=world.get_map().get_spawn_points()

• 行人：使用人行道随机位置

  spawn_point=carla.Transform()spawn_point.location=world.get_random_location_from_navigation()

父子关联：参与者可附加到另一参与者（常用于传感器）。通过carla.AttachmentType定义关联方式：

• Rigid（刚性）：相对位置固定（适合精确数据采集）
• SpringArm（弹性）：带缓冲移动

# 将摄像头刚性附着到车辆camera=world.spawn_actor(camera_bp,relative_transform,attach_to=my_vehicle,attachment_type=carla.AttachmentType.Rigid)

⚠️关键：附加生成时，提供的Transform必须是相对于父参与者的局部坐标。

生成后，world会将参与者加入全局列表，支持快速查询：

actor_list=world.get_actors()actor=actor_list.find(id)# 按 ID 查找# 打印所有限速标志位置forspeed_signinactor_list.filter('traffic.speed_limit.*'):print(speed_sign.get_location())

操作（Handling）

carla.Actor主要通过get()和set()方法管理：

print(actor.get_acceleration())print(actor.get_velocity())# 移动参与者（Z轴升高10米）location=actor.get_location()location.z+=10.0actor.set_location(location)

可禁用物理模拟以冻结参与者：

actor.set_simulate_physics(False)

参与者还继承蓝图中的标签（Tags），主要用于语义分割传感器。

⚠️性能警告：
大多数set()方法异步发送请求。若短时间内发送过多请求，会导致显著延迟（因仿真器每帧处理能力有限）。

销毁（Destruction）

Python 脚本结束时，参与者不会自动销毁！必须显式调用销毁：

destroyed_successfully=actor.destroy()# 成功返回 True

⚠️注意：销毁操作会阻塞仿真器直至完成。

参与者类型详解

传感器（Sensors）

传感器是生成数据流的特殊参与者（详见第 4 章Sensors and Data）。典型工作流程：

# 生成 RGB 摄像头并保存图像camera_bp=blueprint_library.find('sensor.camera.rgb')camera=world.spawn_actor(camera_bp,relative_transform,attach_to=my_vehicle)camera.listen(lambdaimage:image.save_to_disk('output/%06d.png'%image.frame))

关键点：

• 传感器也有蓝图，需配置属性
• 通常附着于车辆以感知环境
• 通过listen()注册回调函数（常用 Lambda 表达式处理数据）

观察者（Spectator）

由 Unreal Engine 提供，用于控制仿真窗口视角。可编程移动视角：

# 将观察者移至车辆正上方（俯视视角）spectator=world.get_spectator()transform=vehicle.get_transform()spectator.set_transform(carla.Transform(transform.location+carla.Location(z=50),carla.Rotation(pitch=-90)))

交通标志与交通灯

目前 CARLA 仅将停车标志（Stop）、让行标志（Yield）和交通灯视为参与者。其他 OpenDRIVE 标志通过carla.Landmark访问（非参与者，详见第 3 章Maps and Navigation）。

• 仿真启动时，系统根据 OpenDRIVE 文件自动生成交通标志/灯
• 无法通过蓝图库生成（因不在蓝图库中）

• ⚠️ 注意：CARLA 地图的 OpenDRIVE 文件不包含交通标志/灯，均由开发者手动放置

交通灯特性：

• 位于路口，有唯一 ID 和组 ID（同一路口的灯共享 pole ID）
• 同组灯按顺序循环：当前绿灯 → 黄灯 → 红灯 → 下一盏灯激活（期间存在全红相位）
• 可通过 API 控制状态与持续时间：

# 将红灯强制变绿iftraffic_light.get_state()==carla.TrafficLightState.Red:traffic_light.set_state(carla.TrafficLightState.Green)traffic_light.set_green_time(4.0)# 绿灯持续4秒

⚠️重要：车辆仅在红灯时才会感知交通灯！

车辆（Vehicles）

carla.Vehicle是特殊参与者，通过内部组件模拟轮式车辆物理，支持四类控制：

1. 驾驶控制(carla.VehicleControl)

   vehicle.apply_control(carla.VehicleControl(throttle=1.0,steer=-1.0))

2. 物理控制(carla.VehiclePhysicsControl)
   包含齿轮控制 (GearPhysicsControl) 和车轮控制 (WheelPhysicsControl)：

   physics=carla.VehiclePhysicsControl(max_rpm=5000.0,center_of_mass=carla.Vector3D(0,0,0),torque_curve=[[0,400],[5000,400]])vehicle.apply_physics_control(physics)

3. 包围盒(carla.BoundingBox)
   用于物理计算与碰撞检测：

   box=vehicle.bounding_boxprint(box.location)# 相对于车辆的位置print(box.extent)# XYZ 半长（米）

4. 高级车轮物理
   启用扫掠碰撞（Sweep Collision）可提升车轮物理精度：

   physics=vehicle.get_physics_control()physics.use_sweep_wheel_collision=Truevehicle.apply_physics_control(physics)

其他功能：

• 自动驾驶模式：

  vehicle.set_autopilot(True)# 交由 Traffic Manager 控制（非 ML 驱动）

• 车灯控制：
  部分车辆支持灯光（如 Tesla Model 3、Audi e-tron 等），通过二进制操作控制：

  # 开启位置灯lights=carla.VehicleLightState.NONE lights|=carla.VehicleLightState.Position vehicle.set_light_state(lights)

行人（Walkers）

carla.Walker通过控制器操作：

1. 基础控制(carla.WalkerControl)
   控制方向、速度及跳跃

2. 骨骼控制(carla.WalkerBoneControl)
   操纵 3D 骨骼（详见骨骼控制教程）

AI 控制：
行人无autopilot模式，但可通过carla.WalkerAIController实现自主移动：

# 生成 AI 控制器controller_bp=world.get_blueprint_library().find('controller.ai.walker')ai_controller=world.spawn_actor(controller_bp,carla.Transform(),parent_walker)# 初始化并设置目标ai_controller.start()ai_controller.go_to_location(world.get_random_location_from_navigation())ai_controller.set_max_speed(1.5)# 1.5 m/s

⚠️注意：

• AI 控制器无实体、无物理，不会出现在场景中
• 到达目标后自动前往新随机点；若目标不可达，则移至最近可达点

批量生成行人：
carla.Client提供批量操作接口高效生成大量行人。

⚠️销毁行人：
必须同时销毁行人 Actor 和 AI 控制器：

ai_controller.stop()walker.destroy()ai_controller.destroy()