ROS 2与Carla集成环境搭建实战指南

1. 项目概述

在自动驾驶和机器人仿真领域，ROS 2与Carla的集成环境搭建是个高频需求。最近我在Ubuntu 22.04系统上完整走通了这套环境配置流程，过程中踩了不少坑，也积累了些实战经验。本文将详细记录从零开始搭建ROS 2 Humble与Carla 0.9.13的全过程，包含那些官方文档没写清楚的细节问题。

这个环境特别适合做自动驾驶算法开发、传感器仿真和多机协同测试。相比单独使用ROS 2或Carla，二者的结合能实现：在Carla的高保真虚拟环境中运行ROS 2节点，用ROS 2工具链处理传感器数据，并通过RVIZ等工具实时可视化仿真结果。

注意：所有操作基于x86_64架构，若使用ARM设备（如NVIDIA Jetson）需额外处理依赖项

2. 环境准备与依赖安装

2.1 系统基础配置

首先确保系统已更新至最新状态：

bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y curl gnupg2 software-properties-common

设置时区避免后续日志时间错乱：

bash复制sudo timedatectl set-timezone Asia/Shanghai

2.2 显卡驱动与CUDA

Carla对NVIDIA显卡有硬性要求，建议安装470以上版本的驱动：

bash复制sudo ubuntu-drivers autoinstall

验证驱动安装：

bash复制nvidia-smi  # 应显示显卡型号和CUDA版本

安装CUDA Toolkit 11.7（Carla 0.9.13的兼容版本）：

bash复制wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"
sudo apt install -y cuda-11-7

配置环境变量到~/.bashrc：

bash复制echo 'export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc

3. ROS 2 Humble安装

3.1 基础安装

按官方推荐方式安装ROS 2 Humble：

bash复制sudo apt install -y 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

sudo apt install -y curl gnupg2
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
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

sudo apt update
sudo apt install -y ros-humble-desktop

3.2 开发工具配置

安装colcon等构建工具：

bash复制sudo apt install -y python3-colcon-common-extensions python3-rosdep2
sudo rosdep init
rosdep update

配置环境变量：

bash复制echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc

验证安装：

bash复制ros2 doctor  # 应显示所有检查项通过

4. Carla 0.9.13安装与配置

4.1 预编译版本安装

下载Carla 0.9.13预编译包：

bash复制wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.13.tar.gz
tar -xvf CARLA_0.9.13.tar.gz

安装Python依赖：

bash复制pip install pygame numpy

4.2 编译ROS Bridge

获取ros-bridge源码：

bash复制git clone --recurse-submodules https://github.com/carla-simulator/ros-bridge.git carla-ros-bridge
cd carla-ros-bridge
git checkout 0.9.13

安装依赖：

bash复制rosdep install --from-paths src --ignore-src -r

编译：

bash复制colcon build

配置环境变量：

bash复制echo "source `pwd`/install/setup.bash" >> ~/.bashrc
source ~/.bashrc

5. 联合调试与验证

5.1 启动Carla服务器

bash复制./CarlaUE4.sh -vulkan -quality-level=Epic

5.2 运行ROS Bridge

新建终端：

bash复制source /opt/ros/humble/setup.bash
source ~/carla-ros-bridge/install/setup.bash
ros2 launch carla_ros_bridge carla_ros_bridge.launch.py

5.3 验证数据流

新建终端运行RVIZ2：

bash复制rviz2

添加以下显示项：

1. TF
2. PointCloud2（topic：/carla/ego_vehicle/lidar）
3. Camera（topic：/carla/ego_vehicle/rgb_front/image）

6. 常见问题排查

6.1 Carla服务器启动失败

症状：报错"Vulkan not supported"
解决：

bash复制sudo apt install -y vulkan-utils
vulkaninfo | grep GPU  # 确认显卡被识别

6.2 ROS Bridge连接超时

症状：持续输出"Waiting for CARLA server..."
检查：

1. Carla服务器是否以-carla-port=2000参数启动
2. 防火墙设置：sudo ufw allow 2000/tcp

6.3 传感器数据缺失

在Carla中手动添加传感器：

python复制# 在Carla PythonAPI终端执行
blueprint = world.get_blueprint_library().find('sensor.camera.rgb')
transform = carla.Transform(carla.Location(x=1.5, z=2.4))
camera = world.spawn_actor(blueprint, transform, attach_to=ego_vehicle)

7. 性能优化建议

1. 渲染模式选择：

   • 无头模式：./CarlaUE4.sh -RenderOffScreen
   • 低画质：-quality-level=Low

2. ROS 2调优：

   bash复制export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp
   export CYCLONEDDS_URI=file://$HOME/cyclonedds.xml
   

   创建cyclonedds.xml配置：

   xml复制<CycloneDDS>
     <Domain>
       <General>
         <NetworkInterfaceAddress>lo</NetworkInterfaceAddress>
       </General>
     </Domain>
   </CycloneDDS>
   

3. 内存管理：
   定期重启Carla服务器（约每4小时），内存泄漏是已知问题。

这套环境搭建完成后，可以进一步开发：

• 自动驾驶感知算法（目标检测、语义分割）
• 多车协同控制
• 传感器融合测试
• 强化学习训练

我在实际使用中发现，将Carla的仿真帧率控制在10-20FPS时，ROS 2的数据处理延迟最为稳定。过高帧率会导致消息堆积，而过低帧率会影响控制算法的实时性。