收集过程可视化展示，随后进入正文：

参考与前言

看到仿真群对这类任务下（用carla收集数据然后再做训练等） 需求量大，顺手马上写一个好了，首先收集数据需要考虑清楚：

1. 收集什么数据，需要什么样的数据格式

2. 数据之间的时间戳一定要同步，这就意味着对carla的时间设置有一定的认知

   【仿真】Carla世界的时间 [2]

3. 收集数据时一般没啥意外的话 我们倾向于车自己自动跑，有时候可能会想着 不考虑红绿灯、速度快一点等等等。这意味着要对traffic manager有一定认知

   【仿真】Carla之Traffic Manager [3]

我一直以为… CARLA 写完的专栏已经很清晰的写了怎样使用 但是… 大家好像倾向于动手再说 就导致了 我们群里不止看到过一次以下问题：

1. 怎样保证传感器之间的同步 → 同步模式设置
2. 为什么我的CARLA看起来很卡 → 看看GPU能不能跟得上把 bro

接下来 我们将完成这样一个任务：收集车辆行驶过程中的前端两个相机图，顶部雷达点云，同时保存自身IMU和GNSS数据（注意GPS和直接从carla拿的location是不一样的！）GNSS的数据是需要进行一定转换才能和carla location是一样的

以下有些部分很基础，懒得看文字的直接看代码也行，代码地址：https://gitee.com/kin_zhang/carla-python-api/blob/develop/tutorial/collect_data.py

相关参考链接及教学 一并在前言放出，后续不再进行单独复制：

1. 知乎小飞哥 CARLA教程专栏：https://www.zhihu.com/column/c_1324712096148516864

2. 博主自己的 CSDN教程专栏：https://blog.csdn.net/qq_39537898/category_11562137.html

3. 最好的！！！还是CARLA 官方文档！！！ 球球大家多查查官方文档把！！ PS 记得对上自己的CARLA版本哦

   CARLA Simulator

   简单关注点，以下全部有官方文档对应部分：

0. 世界设置

注意收集数据 一定要开CARLA同步模式，而如果要用trafficmanager，因为开过同步模式，trafficmanager也是需要一起同步的。这块的知识在前言里有给出链接

球球大家看看时间设置把：CARLA时间设置

以下直接截取了，完整代码请点击前言部分：

def main(args):
    # We start creating the client
    client = carla.Client(args.host, args.port)
    client.set_timeout(5.0)

    # world = client.get_world()
    world = client.load_world('Town01')
    blueprint_library = world.get_blueprint_library()
    try:
        original_settings = world.get_settings()
        settings = world.get_settings()

        # We set CARLA syncronous mode
        settings.fixed_delta_seconds = 0.05
        settings.synchronous_mode = True
        world.apply_settings(settings)
        spectator = world.get_spectator()

        # 手动规定
        # transform_vehicle = carla.Transform(carla.Location(0, 10, 0), carla.Rotation(0, 0, 0))
        # 自动选择
        transform_vehicle = random.choice(world.get_map().get_spawn_points())
        ego_vehicle = world.spawn_actor(random.choice(blueprint_library.filter("model3")), transform_vehicle)
        actor_list.append(ego_vehicle)

1. client和server进行连接
2. get_world就是CARLA现在这个界面上是什么地图 世界就是那个；load world呢就是自己可以选不默认的CARLA 内置的几个城镇
3. 开启同步模式
4. 放一辆特斯拉的车到上面

因为简单起见，就不在进行专门的规则或者走carla 的behaviour agent了，直接用traffic manager里面的进行设置为自动驾驶模式，更多设置见官方文档，比如下面列举了：忽略红绿灯和限速

# 设置traffic manager
tm = client.get_trafficmanager(args.tm_port)
tm.set_synchronous_mode(True)
# 是否忽略红绿灯
# tm.ignore_lights_percentage(ego_vehicle, 100)
# 如果限速30km/h -> 30*(1-10%)=27km/h
tm.global_percentage_speed_difference(10.0)
ego_vehicle.set_autopilot(True, tm.get_port())

其中需要着重注意的是 因为前面设了同步 traffic manager也需要设为同步，同时销毁的时候要设置回来，刚刚写教程的时候 半天没找到bug 只看见车不动；前者是帮同学找问题的时候发现如果一个脚本设了同步 traffic manager不设同步 CARLA 整体npc会卡卡的

---

不设同步模式在没那么好的GPU上就会出现一卡一卡的现象 如下两幅动图对比，那么就会导致传感器收到的数据有丢帧现象，没错那篇时间博文里的插图，很久之前我画的（第二幅 很明显有卡帧和丢帧情况出现）：

1. 布置传感器

此处我们参考carla内部的示例，此处感谢李同学的提示 hhh 一开始打算直接暴力一点，想着都同步了 应该无需走queue了 不过还是frame保险起见比较好：

#-------------------------- 进入传感器部分 --------------------------#
sensor_queue = Queue()
cam_bp = blueprint_library.find('sensor.camera.rgb')
lidar_bp = blueprint_library.find('sensor.lidar.ray_cast')
imu_bp = blueprint_library.find('sensor.other.imu')
gnss_bp = blueprint_library.find('sensor.other.gnss')

# 可以设置一些参数 set the attribute of camera
cam_bp.set_attribute("image_size_x", "{}".format(IM_WIDTH))
cam_bp.set_attribute("image_size_y", "{}".format(IM_HEIGHT))
cam_bp.set_attribute("fov", "60")
# cam_bp.set_attribute('sensor_tick', '0.1')

cam01 = world.spawn_actor(cam_bp, carla.Transform(carla.Location(z=args.sensor_h),carla.Rotation(yaw=0)), attach_to=ego_vehicle)
cam01.listen(lambda data: sensor_callback(data, sensor_queue, "rgb_front"))
sensor_list.append(cam01)

cam02 = world.spawn_actor(cam_bp, carla.Transform(carla.Location(z=args.sensor_h),carla.Rotation(yaw=60)), attach_to=ego_vehicle)
cam02.listen(lambda data: sensor_callback(data, sensor_queue, "rgb_left"))
sensor_list.append(cam02)

lidar_bp.set_attribute('channels', '64')
lidar_bp.set_attribute('points_per_second', '200000')
lidar_bp.set_attribute('range', '32')
lidar_bp.set_attribute('rotation_frequency', str(int(1/settings.fixed_delta_seconds))) #

lidar01 = world.spawn_actor(lidar_bp, carla.Transform(carla.Location(z=args.sensor_h)), attach_to=ego_vehicle)
lidar01.listen(lambda data: sensor_callback(data, sensor_queue, "lidar"))
sensor_list.append(lidar01)

imu01 = world.spawn_actor(imu_bp, carla.Transform(carla.Location(z=args.sensor_h)), attach_to=ego_vehicle)
imu01.listen(lambda data: sensor_callback(data, sensor_queue, "imu"))
sensor_list.append(imu01)

gnss01 = world.spawn_actor(gnss_bp, carla.Transform(carla.Location(z=args.sensor_h)), attach_to=ego_vehicle)
gnss01.listen(lambda data: sensor_callback(data, sensor_queue, "gnss"))
sensor_list.append(gnss01)
#-------------------------- 传感器设置完毕 --------------------------#

以上主要是：

1. 到库里去找到这样一个传感器
2. 对传感器进行一些设置，比如相机的FOV，激光雷达的通道数
3. 然后把传感器放到车上！所以有个attch到自己车上哈

主要需要注意的是激光雷达的设置：

1. points_per_second 越多 点越密集，同时和雷达通道数有关哈（可选我记得是：32、64、128）

2. 一定要注意rotation_frequency 是自己fixed_delta_seconds 的频率 不然就会出现 只收了半面，比如这幅图：

2. 收集数据

主要参考carla官方示例里的sensor_synchronization.py，以下为while循环内截取

while True:
    # Tick the server
    world.tick()

    # 将CARLA界面摄像头跟随车动
    loc = ego_vehicle.get_transform().location
    spectator.set_transform(carla.Transform(carla.Location(x=loc.x,y=loc.y,z=35),carla.Rotation(yaw=0,pitch=-90,roll=0)))

    w_frame = world.get_snapshot().frame
    print("\nWorld's frame: %d" % w_frame)
    try:
        rgbs = []

        for i in range (0, len(sensor_list)):
            s_frame, s_name, s_data = sensor_queue.get(True, 1.0)
            print("    Frame: %d   Sensor: %s" % (s_frame, s_name))
            sensor_type = s_name.split('_')[0]
            if sensor_type == 'rgb':
                rgbs.append(_parse_image_cb(s_data))
            elif sensor_type == 'lidar':
                lidar = _parse_lidar_cb(s_data)
            elif sensor_type == 'imu':
                imu_yaw = s_data.compass
            elif sensor_type == 'gnss':
                gnss = s_data

        # 仅用来可视化 可注释
        rgb=np.concatenate(rgbs, axis=1)[...,:3]
        cv2.imshow('vizs', visualize_data(rgb, lidar, imu_yaw, gnss))
        cv2.waitKey(100)
    except Empty:
        print("    Some of the sensor information is missed")

def sensor_callback(sensor_data, sensor_queue, sensor_name):
    # Do stuff with the sensor_data data like save it to disk
    # Then you just need to add to the queue
    sensor_queue.put((sensor_data.frame, sensor_name, sensor_data))

至此完成了收集数据部分，同时运行完整代码即可见如下动态所示：

3. 保存数据

这个就是对应的save一下就行，展示效果如下：

if rgb is None or args.save_path is not None:
      # 检查是否有各自传感器的文件夹
      mkdir_folder(args.save_path)

      filename = args.save_path +'rgb/'+str(w_frame)+'.png'
      cv2.imwrite(filename, np.array(rgb[...,::-1]))
      filename = args.save_path +'lidar/'+str(w_frame)+'.npy'
      np.save(filename, lidar)

对于点云如果要有啥其他操作 推荐使用open3d进行，比如：

import numpy as np
import open3d as o3d
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(np.load('217.npy')[:,:3])
o3d.visualization.draw_geometries([pcd])

总结

以上主要简单实现了一下CARLA内部简易版数据收集脚本，语重心长版：

1. 要知道自己用CARLA的目的是什么
2. 多看官方文档，很多API 官方解释的很到位
3. 多看官方示例，很多都是宝藏 hhh

另外完整代码在：gitee 外链