Carla中如何运行OpenSCENARIO场景？

作者 | 李慢慢1990  编辑 | 车路漫漫

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【仿真测试】技术交流群

本文只做学术分享，如有侵权，联系删文

1、前言

Carla是一个开放源代码的自动驾驶仿真平台，用于研究和开发自动驾驶技术。它提供了一个完整的仿真环境，包括3D地图、车辆模型、车辆控制器、传感器模型等，为自动驾驶研究提供了一个完整的环境。

在Carla中运行仿真，需要其自定义格式的静态地图（比如Town05.pcd），和在该地图上通过API控制NPC行为形成的动态场景。这种场景配置方式和目前主流的OpenX系列的标准（OpenDRIVE格式静态地图文件，OpenSCENARIO格式的动态场景文件）有很大不同，导致主流的场景库很难切换到Carla中使用。进而无法有效进行大规模批量测试，发挥不出仿真测试的威力。因此，打破Carla和OpenX系列标准之间的壁垒，或将使Carla迎来新生。

上一期《Carla中如何加载OpenDrive地图？》研究了Carla中使用OpenDRIVE格式的地图，有了一定的效果。

本期继续研究Carla中如何使用OpenSCENARIO格式的动态场景。这种格式的场景文件需要特定的解析工具，才能将其中xml格式的标签式描述文本转化成仿真软件中的车辆行为，主流的商用仿真软件如VTD、PreScan等均有内置的解析模块，但是Carla中没有，于是Carla官方后来推出了一个叫做Scenario Runner的工具，可以解析该格式，并将解析后的内容发送到Carla的Server端进行渲染。所以，这个Scenario Runner是Carla运行Open SCENARIO格式的场景文件的关键。

2、官方介绍

Scenario Runner的官方介绍如下：

https://carla-scenariorunner.readthedocs.io/en/latest/

翻译一下：ScenarioRunner 是一个允许为 CARLA 模拟器定义和执行交通场景的模块。场景可以通过 Python 接口或OpenSCENARIO 标准来定义。通过轻松创建复杂的交通场景和路线供代理来导航，ScenarioRunner 还可用于”AD代理“的评估。

3、本地试验环境

接下来，本文按照官方的说明文档，尝试下ScenarioRunner的运行效果。

先简单说下我个人电脑使用环境吧。

操作系统：Windows 10

Python版本：3.7.9

Carla版本：0.9.13（预编译版）

ScenarioRunner版本：0.9.13

Carla的安装十分简单，安装包是从官方直接下载的预编译版的压缩包，解压即可使用。

ScenarioRunner的安装、环境配置、和使用都是严格参考官方教程：

https://carla-scenariorunner.readthedocs.io/en/latest/

4、软件下载

官方的“Get ScenarioRunner”里说的还是很清楚的，您要下载的ScenarioRunner和您本地安装的Carla版本一定要匹配，比如我本地是Carla 0.9.13， 那么我也需要下载ScenarioRunner 0.9.13。

下载后解压的目录如下：

5、环境变量设置

设置环境变量是为了添加公有路径参数，然后Carla和ScenarioRunner可以通过这个路径参数互相访问到对方，这里的设置非常重要。下方的设置方法是从官方copy来的，里面的具体路径一定要跟着你自己的安装路径来。

# %CARLA_ROOT% is the CARLA installation directory
# %SCENARIO_RUNNER% is the ScenarioRunner installation directory
# <VERSION> is the correct string for the Python version being used
# In a build from source, the .egg files may be in: ${CARLA_ROOT}/PythonAPI/dist/ instead of ${CARLA_ROOT}/PythonAPI
set CARLA_ROOT=\path\to\your\carla\installation
set SCENARIO_RUNNER_ROOT=\path\to\your\scenario\runner\installation
set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla\dist\carla-<VERSION>.egg
set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla

可以看看我这里设置成功后的检查。

附：设置PYTHONPATH的好处是，后续可以在python脚本中直接import进来carla的pythonAPI和carla库。

6、软件使用

终于可以使用软件了。

这里还是要说明下Carla和ScenarioRunner的配合模式，不然后面操作很多，读者很难理解每一步到底是什么意思。

Carla的本质还是Server-Client模式，所以一定会运行一个Sever端，双击打开CarlaUE4.exe后就是打开了一个Server端。

然后Client端需要运行两个。

一个Client是ScenarioRunner模块本身（它解析OpenSCENARIO文件并发送到Server端）。

一个Client（比如运行manual_control.py）的作用是给主车一个agent（即控制主车行驶）并获得可视化效果，有了可视化效果我们才知道OpenSCENARIO场景最终呈现的样子。

附：

OpenSCENARIO中一般不会定义主车的行为（因为主车是自动驾驶），它会定义主车之外的其它NPC的行为或者天气环境等等。

为了方便查看OpenSCENARIO的效果，官方自带的manual_control.py，可以很方便的以键盘控制主车行驶，也能看得到主车周围的场景反馈。

理解了原理，接下来开干：

1、打开一个终端，切换到Carla安装目录下，我这里喜欢以低质量模式快速启动Carla的Server端；

.\CarlaUE4.exe --quality-level=Low

打开后如下（carla的server端，虽然像素很低，效果很差，但是对电脑显卡消耗小，启动迅速）。

2、再打开一个终端，切换到ScenarioRunner的安装目录下，运行OpenSCENARIO场景。官方给出的demo指令如下：

python scenario_runner.py --scenario FollowLeadingVehicle_1 --reloadWorld

运行后发现Server端的地图变了，效果如下。

3、再打开一个终端，切换到ScenarioRunner的安装目录下，去运行manual_control.py，指令如下。

python manual_control.py

运行后，会新打开一个pygame的窗口，显示一辆静止的车辆，这个就是主车。

此时通过键盘上的WASD键，比如W键，让主车加速，然后，前方就会出现一辆目标车。（注意要切换到英文输入法，不然按键无效的)。

好了，到了这里基本已经复现了官方的demo。事实上，网上的教程大多也只到这里了。

阶段性胜利啦。

终于用ScenarioRunner联合Carla跑起来了一个场景。

但是。

这里我有一点疑惑：

这个FollowLeadingVehicle到底描述了个什么场景，或者说ScenarioRunner启动时指定的FollowLeadingVehicle_1 参数到底指向什么地方？

python scenario_runner.py --scenario FollowLeadingVehicle_1 --reloadWorld

研究了好久才知道这个demo运行的竟然是下面这个python文件中定义的东东。

然后官方的说明中也证实了这一点：

OK，结论就是：上面的demo中，ScenarioRunner运行的场景文件，是用另一个python文件定义的车辆行为，并不是OpenSCENARIO格式的文件。

心累。

所以，ScenarioRunner是否可以调用一个OpenSCENARIO文件呢？

简单通过--help查看ScenarioRunner的使用方法，结果如下：

python scenario_runner.py --help

参照提示，尝试运行一个官方提供的OpenSCENARIO场景文件：

python scenario_runner.py --openscenario youropennscenariopath.xosc

发现是可以成功的，而且根据自己的需要，修改相应xosc文件内容后，也能马上看到运行的效果，和我预期中的表现一致。

以下录了个视频，记录了下上述Carla中运行OpenSCENARIO文件的过程，方便回看。

视频中调用的脚本如下：

python scenario_runner.py --openscenario .\srunner\examples\FollowLeadingVehicle.xosc
python scenario_runner.py --openscenario .\srunner\examples\LaneChangeSimple.xosc
python scenario_runner.py --openscenario .\srunner\examples\PedestrianCrossingFront.xosc

7、报错记录

1、关于PYHTONPATH

官方给的PYTHONPATH系统路径设置后，运行ScenarioRunner总是报错：module 'carla' has no attribute 'WeatherParameters'。查看官方isuue后得知需要多添加一些PYTHONPATH：

set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla\dist\carla-<VERSION>.egg
set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla\agents
set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla
set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI

2、关于import carla

set PYTHONPATH=%PYTHONPATH%;%CARLA_ROOT%\PythonAPI\carla\dist\carla-<VERSION>.egg

添加这一句虽然可以不用安装就能直接使用carla模块，但是我这里import carla没有问题，但是使用却有问题，报错内容是找不到libcarla这个东西。最后我是删除了这个路径设置，直接‘pip install carla==0.9.13’来解决问题的。我猜测，这个egg包可能有所损坏，直接install网上的carla库是没问题的。

3、关于键盘无法控制车辆

启动manual_control.py后按键WASD或者上下左右键后主车怎么着也不动，一开始总是以为是自己哪里的设置不对，环境不对，搞了好久才幸运地发现，要把输入法切换到英文输入法，就能解决问题。。。

8、总结

Carla中是能运行OpenSCENARIO格式的场景的，不过需要另一个python工具（ScenarioRunner）来对OpenSCENARIO内容进行解析，并发送到Carla的Server端，我们才能通过自控的Client端看到其应用的效果。这个过程虽然比较曲折，但总归是实现了。笔芯。

本文完，瑞斯拜。

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！