Carla 是一个用于研究自动驾驶的开源仿真器。 Carla 是从头开始开发的，旨在支持自动驾驶系统的开发、训练和验证。 除了开源代码和协议外，Carla 还提供了为此目的创建的可自由使用的开放数字资产（城市布局、建筑、车辆）。 该仿真平台支持传感器套件和环境条件的灵活规范。
该项目基于 Carla 0.9.14 分支进行二次开发，参考 文档 或 中文文档 。
- 下载 链接 中的
software/carla_0.9.15中的所有文件并解压； - 运行
WindowsNoEditor文件夹下的CarlaUE4.exe，进入场景后按W、S、A、D进行导航； - 使用
Python37/python.exe在场景中生成车辆和行人：
python generate_traffic.py显示手动控制车辆：
python manual_control.py使用git clone或从此页面下载项目。请注意，master分支包含 Carla 的最新版本以及最新的修复程序和功能。
然后按照 如何在Windows上构建中文说明 或英文说明、如何在Linux上构建中的说明进行操作。
Linux版本需要一个UE补丁来解决有关Vulkan的一些可视化问题。 那些已经使用Linux构建的用户应该安装补丁，并使用以下命令重新构建UE。
# 下载并安装虚幻引擎补丁
cd ~/UnrealEngine_4.24
wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/UE_Patch/430667-13636743-patch.txt ~/430667-13636743-patch.txt
patch --strip=4 < ~/430667-13636743-patch.txt
# 构建虚幻引擎
./Setup.sh && ./GenerateProjectFiles.sh && make- 处理器：Intel i7 gen 9th - 11th / Intel i9 gen 9th - 11th / AMD ryzen 7 / AMD ryzen 9
- 内存：+16 GB
- 显卡：NVIDIA RTX 2070 / NVIDIA RTX 2080 / NVIDIA RTX 3070, NVIDIA RTX 3080
- 操作系统：Windows 10, Ubuntu 18.04
与 Carla 仿真平台相关的存储库：
- CARLA 自动驾驶排行榜: 用于验证自动驾驶技术栈的自动平台
- Scenario_Runner: Carla 0.9.X中执行交通场景的引擎
- ROS-bridge: Carla 0.9.X和ROS的接口
- 驾驶基准: 用于自动驾驶任务的基准工具
- 条件模仿学习: Carla 中条件模拟学习（Conditional Imitation Learning）模型的训练和测试
- AutoWare AV stack: 连接AutoWare AV 栈和 Carla 的桥接器
- 强化学习: Carla 中运行条件强化学习（Conditional Reinforcement Learning）模型的代码
- 地图编辑器: 独立的GUI应用程序，可通过红绿灯和交通标志信息增强RoadRunner地图
- 智能驾驶系统: 中科院自动驾驶算法开发、测试、仿真与验证平台
除了文档之外，还为用户创建了一些附加内容。这是一种涵盖不同主题的好方法，例如对特定模块的详细解释、功能的最新改进、未来的工作等等。
- 常规
- 模块
- 特点
windows操作系统下通过vs2019打开并编译carla：
- 开Carla的CMake项目：
File-->Open-->CMake, 在对话框中找到carla所在的本地文件夹（包含CMakeLists），选择CMakeLists.txt文件，打开，Visual studio会自动加载此仓库，解析CMakeLists.txt 文件，并提取其配置和变量信息。解析完成会从解决方案资源管理器中看到.cpp文件。
- 修改配置
点击
x64-Debug下拉菜单中的管理配置，并在弹出的界面点击编辑JSON，
将所需要构建的类型改为想编译的类型，比如Client。
- 生成：
点击菜单栏
生成-全部生成或部分生成即可。
包含所有软件依赖，双击launch.bat启动软件。
[官方入门示例]