从零到端到端自动驾驶实战-Pjoject2-第 1 章-环境搭建-CARLA-ROS2 集成
一、开发环境
这里我们用 智星云 的运算力服务，购买 3080显卡，0.7元/小时；
https://gpu.ai-galaxy.cn/console/dashboard
检查NVIDIA 驱动
检查驱动，查看 nvidia-smi 配置， 智星云默认已经装好了驱动。
(base) root@ubuntu22:~# nvidia-smi
Fri Jun 19 10:53:50 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.78 Driver Version: 550.78 CUDA Version: 12.4 |
|-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA GeForce RTX 3080 Off | 00000000:00:08.0 Off | N/A |
| 30% 24C P8 14W / 320W | 10MiB / 10240MiB | 0% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
| 0 N/A N/A 711 G /usr/lib/xorg/Xorg 4MiB |
+-----------------------------------------------------------------------------------------+
(base) root@ubuntu22:~# 查看CUDA：
# 验证 CUDA
# apt-get update
# apt install nvidia-cuda-toolkit
# 如果没有nvcc命令，则执行上边的命令：
nvcc --version
# 打印
(base) root@ubuntu22:~# nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Thu_Nov_18_09:45:30_PST_2021
Cuda compilation tools, release 11.5, V11.5.119
Build cuda_11.5.r11.5/compiler.30672275_0
(base) root@ubuntu22:~# 二、安装ROS2 Humble
ROS2 Humble 是我们今年(2026)的主力版本，官方支持到 2027 年 5 月。
2.1 添加 ROS2 软件源
# 确保 locale 是 UTF-8
locale # 检查
sudo apt update && sudo apt install locales
sudo locale-gen en_US en_US.UTF-8
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8
export LANG=en_US.UTF-8
# 添加 universe 源
sudo apt install software-properties-common
sudo add-apt-repository universe
# 添加 ROS2 GPG 密钥
sudo apt update && sudo apt install curl -y
sudo curl -sSL https://raw.githubusercontent.com/ros/\
rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
# 添加 ROS2 源到 apt list
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null
# 国内的ROS2源，速度更快
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] https://mirrors.tuna.tsinghua.edu.cn/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null
# cat /etc/apt/sources.list.d/ros2.list
# deb [arch=amd64 signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu jammy main2.2 安装 ROS2 Humble 完整版
sudo apt update
sudo apt upgrade -y
# desktop-full 包含 RViz2, demos, 教学的例子等
sudo apt install ros-humble-desktop-full -y
# 安装 colcon (ROS2 编译工具)
sudo apt install python3-colcon-common-extensions -y
# 安装 rosdep (依赖管理)
sudo apt install python3-rosdep -y
sudo rosdep init
rosdep update
# 配置环境变量
echo 'source /opt/ros/humble/setup.bash' >> ~/.bashrc
source ~/.bashrc验证 ROS2 安装
# 终端 1: 启动 talker
ros2 run demo_nodes_cpp talker
# 应看到: [INFO] [talker]: Publishing: 'Hello World: 1'
# 终端 2: 启动 listener
ros2 run demo_nodes_py listener
# 应看到: [INFO] [listener]: I heard: [Hello World: 1]
运行完上面的 talker/listener 后, 你应该看到两个终端同步打印消息。这意味着 ROS2 的发布订阅机制正常工作, 后续所有模块都依赖这个机制。
三、安装Python环境+PyTorch
我们用 Miniconda 管理 Python 环境。这是车企项目的标准做法——不同项目需要不同的 Python/PyTorch 版本，环境隔离能避免版本冲突。
先查看NVIDIA配置驱动：
(ad_sim) root@ubuntu22:~# nvidia-smi
Sat Jun 20 01:20:09 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.78 Driver Version: 550.78 CUDA Version: 12.4 |
|-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA GeForce RTX 3080 Off | 00000000:00:08.0 Off | N/A |
| 30% 25C P8 23W / 320W | 10MiB / 10240MiB | 0% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
| 0 N/A N/A 711 G /usr/lib/xorg/Xorg 4MiB |
+-----------------------------------------------------------------------------------------+
(ad_sim) root@ubuntu22:~# 安装环境：
# 下载并安装 Miniconda
wget https://repo.anaconda.com/miniconda/\
Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc
# 创建本项目主环境
# conda create -n ad_sim python=3.10 -y
conda create -n ad_sim python=3.7.16 -y
conda activate ad_sim
# 安装 PyTorch 2.1 + CUDA 12.1
pip install torch==2.1.0 torchvision==0.16.0 \
--index-url https://download.pytorch.org/whl/cu121
# 验证
python -c "import torch; print(f'PyTorch: {torch.__version__}'); \
print(f'CUDA: {torch.cuda.is_available()}'); \
print(f'GPU: {torch.cuda.get_device_name(0)}')"
# 应显示:
PyTorch: 2.1.0+cu121
CUDA: True
GPU: NVIDIA GeForce RTX 3080
# 安装其他常用库
pip install numpy opencv-python matplotlib pandas tqdm \
scipy scikit-learn transformers四、安装 CARLA 0.9.15
下载 CARLA
# 创建 CARLA 安装目录
mkdir -p ~/carla && cd ~/carla
# 下载 CARLA 0.9.15 (约 7GB, 需 10-30 分钟)
# wget https://tiny.carla.org/carla-0-9-15-linux-tar \
-O CARLA_0.9.15.tar.gz
# 下载 CARLA 0.9.15 预编译包（约 15GB）
wget https://carla-releases.s3.us-east-005.backblazeb2.com/Linux/CARLA_0.9.15.tar.gz
# 解压
# tar -xzf CARLA_0.9.15.tar.gz
# 下载补充地图包(包含 Town06, Town07, Town10, Town11, Town12, Town13, Town15)
wget https://tiny.carla.org/additional-maps-0-9-15-linux \
-O AdditionalMaps_0.9.15.tar.gz
# 解压主包
tar -xzvf CARLA_0.9.15.tar.gz
# 解压地图包到 Import 目录
mv AdditionalMaps_0.9.15.tar.gz Import/
./ImportAssets.sh
# 这会自动导入所有额外地图
# 验证目录结构
ls ~/carla
# 应看到: CarlaUE4.sh Engine ImportAssets.sh PythonAPI CarlaUE4 ...安装 CARLA Python API
# CARLA 0.9.15 的 Python API 打包在 wheel 文件里
# conda activate ad_sim
conda create -n carla_py3.7 python=3.7.16 -y
conda activate carla_py3.7
cd ~/carla/PythonAPI/carla/dist/
# 查看可用的 wheel
ls
(base) root@ubuntu22:~/carla/PythonAPI/carla/dist# ls -l
总计 127012
-rw-rw-r-- 1 1001 1001 33798949 11月 10 2023 carla-0.9.15-cp27-cp27mu-manylinux_2_27_x86_64.whl
-rw-rw-r-- 1 1001 1001 31847920 11月 10 2023 carla-0.9.15-cp37-cp37m-manylinux_2_27_x86_64.whl
-rw-rw-r-- 1 1001 1001 33164371 11月 10 2023 carla-0.9.15-py2.7-linux-x86_64.egg
-rw-rw-r-- 1 1001 1001 31243089 11月 10 2023 carla-0.9.15-py3.7-linux-x86_64.egg
# 安装
pip install carla-0.9.15-cp37-cp37m-manylinux_2_27_x86_64.whl
# 验证
python -c "import carla; print(f'CARLA: {carla.__file__}')"好的，为您提供最终完整方案，用户名为 musk。
完整操作步骤
1. 创建用户并配置权限（以root执行）
# 创建用户musk，加入sudo组
useradd -m -s /bin/bash -G sudo musk
# 设置密码（建议设置）
passwd musk
# 给予sudo免密权限（高权限）
echo "musk ALL=(ALL) NOPASSWD:ALL" >> /etc/sudoers2. 复制CARLA文件并设置权限（以root执行）
# 复制CARLA到musk用户目录
cp -r /root/carla /home/musk/
# 更改所有权
chown -R musk:musk /home/musk/carla3. 切换用户并配置环境
# 切换到musk用户
su - musk
# 进入CARLA目录
cd ~/carla4. 安装Miniconda（以musk用户执行）
# 下载Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 安装（自动确认路径）
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
# 初始化conda
eval "$($HOME/miniconda3/bin/conda shell.bash hook)"
conda init
# 重新加载bash配置
source ~/.bashrc5. 创建Python 3.7环境并安装CARLA
# 创建conda环境
conda create -n carla_py37 python=3.7 -y
# 激活环境
conda activate carla_py37
# 进入dist目录安装CARLA
cd ~/carla/PythonAPI/carla/dist
pip install carla-0.9.15-cp37-cp37m-manylinux_2_27_x86_64.whl
# 验证安装
python -c "import carla; print(f'CARLA {carla.__version__} installed successfully!')"6. 运行CARLA
# 激活conda环境（如果还没激活）
conda activate carla_py37
# 返回CARLA主目录
cd ~/carla
# 运行CARLA
./CarlaUE4.sh -quality-level=Epic一键脚本（完整自动化）
将以下内容保存为 setup_musk.sh，以root执行：
#!/bin/bash
# 1. 创建用户musk
echo "Creating user musk..."
useradd -m -s /bin/bash -G sudo musk
echo "musk:password123" | chpasswd
echo "musk ALL=(ALL) NOPASSWD:ALL" >> /etc/sudoers
# 2. 复制CARLA文件
echo "Copying CARLA files..."
cp -r /root/carla /home/musk/
chown -R musk:musk /home/musk/carla
# 3. 切换到musk用户完成安装
echo "Installing CARLA Python API..."
su - musk << 'EOF'
# 安装Miniconda
cd ~
wget -q https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
eval "$($HOME/miniconda3/bin/conda shell.bash hook)"
conda init
source ~/.bashrc
# 创建环境并安装CARLA
conda create -n carla_py37 python=3.7.16 -y
conda activate carla_py37
cd ~/carla/PythonAPI/carla/dist
pip install carla-0.9.15-cp37-cp37m-manylinux_2_27_x86_64.whl
echo "=========================================="
echo "CARLA installation complete!"
python -c "import carla; print(f'CARLA version: {carla.__version__}')"
echo "=========================================="
EOF
echo "Setup complete!"
echo "To use CARLA:"
echo " 1. su - musk"
echo " 2. conda activate carla_py37"
echo " 3. cd ~/carla && ./CarlaUE4.sh -quality-level=Epic"执行脚本：
chmod +x setup_musk.sh
./setup_musk.sh日常使用命令
# 切换到musk用户
su - musk
# 激活CARLA环境
conda activate carla_py37
# 运行CARLA服务器
cd ~/carla
./CarlaUE4.sh -quality-level=Epic
# 在另一个终端，运行Python脚本使用CARLA API
python your_carla_script.py验证安装
# 以musk用户执行
su - musk
conda activate carla_py37
# 验证Python版本
python --version # 应显示 Python 3.7.x
# 验证CARLA导入
python -c "import carla; print(f'CARLA {carla.__version__} is ready!')"
# 查看CARLA文件位置
python -c "import carla; print(carla.__file__)"全部完成！现在您有了一个名为 musk 的高权限用户，可以在非root环境下运行CARLA了。
首次启动 CARLA
cd ~/carla
# 方式 1: 带图形界面 (调试时用)
./CarlaUE4.sh -quality-level=Epic
# 方式 2: 无头模式 (训练/批量时用, 省显存)
./CarlaUE4.sh -RenderOffScreen -quality-level=Low
# 方式 3: 指定端口 (避免冲突)
./CarlaUE4.sh -carla-rpc-port=2000 -carla-streaming-port=2001
# 首次启动可能需 1-2 分钟, 成功后将看到一个空的城市场景(Town10HD)跑通 CARLA 自带例子
# 终端 1: 启动 CARLA
cd ~/carla && ./CarlaUE4.sh
# 终端 2: 启动 NPC 交通 (产生仿真城市氛围)
cd ~/carla/PythonAPI/examples
conda activate ad_sim
python generate_traffic.py -n 30 -w 10
# -n 30: 30辆车 -w 10: 10个行人
# 终端 3: 手动控制一辆车走走试试
python manual_control.py
# 按 WASD 控制车辆, Q 倒车, TAB 切换视角✅ 检查点 2
如果你能在 CARLA 中看到: 1)城市街景 2)30辆 NPC 车在行驶 3)你能手动控制一辆 Tesla Model 3 在城市里开, CARLA 部分就配置好了。此时你的项目完成度大约 60%。
为者常成，行者常至
自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）
