仿真实战 | Docker版Carla的安装与使用

作者 | 李慢慢  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

今天在研究openpilot的说明文档时，发现openpilot可以和carla进行配合运行。然后我就发现，openpilot提供的启动carla的程序，竟然是通过docker来运行的。于是好奇之下，又去carla官方文档找了找，还真发现了说明文档。于是将两者结合，记录了如下这篇文章。

参考链接1-openpilot官方-启动carla的程序：

https://github.com/commaai/openpilot/blob/master/tools/sim/start_carla.sh

参考链接2-carla官方-docker版：

https://carla.readthedocs.io/en/latest/build_docker/

0、前言

首先给大家普及下docker是什么。

百度百科：

“Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux或Windows操作系统的机器上。”

简单来说，就是有人把carla打包好成了一个镜像，我们拷贝这个镜像，就可以直接开始使用carla，而不用再去管运行carla还需要什么乱七八糟的依赖库。。。

在carla官方说明中，描述了使用docker版本的carla的适宜场景：

1、docker的下载及安装

要能运行docker版本的carla，首先需要在自己的电脑上安装好docker底层，这个是基础。

curl https://get.docker.com | sh

启动docker服务：

sudo systemctl start docker

设置为开机启动docker：

sudo systemctl enable docker

查看docker版本信息：

docker version

2、安装docker版本的显卡驱动容器

我们知道，carla的运行离不开显卡，关于英伟达显卡驱动，也有docker版本的，我们需要提前给安装好。

拷贝以下程序，保存为【install_nvidia_docker.sh】到本地，运行即可（该部分命令截取自前文参考链接1）。

#!/bin/bash


# Requires nvidia docker - https://github.com/NVIDIA/nvidia-docker
if ! $(apt list --installed | grep -q nvidia-container-toolkit); then
read -p "Nvidia docker is required. Do you want to install it now? (y/n)";
  if [ "${REPLY}" == "y" ]; then
    distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
    echo $distribution
    curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
    curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
    sudo apt-get update && sudo apt-get install -y nvidia-docker2 # Also installs docker-ce and nvidia-container-toolkit
    sudo systemctl restart docker
else
exit 0
  fi
fi

3、使用docker拉取carla镜像

安装好docker后，就可以使用docker拉取carla镜像了。首先，我们可以看到官网上有很多版本的docker镜像。

https://hub.docker.com/r/carlasim/carla/tags

我们这里最新的其实就是0.9.13，使用docker将其拉取安装到本地即可，命令如下：

# Pull the latest image
docker pull carlasim/carla:latest


# Pull a specific version
docker pull carlasim/carla:0.9.13

拉取的过程很漫长，需要耐心等待。

拉取完成后，输入如下命令，如果显示出镜像的话，则证明拉取成功了。

docker images

如果你的网速不好的话，可以使用我拉取下来的carla的docker镜像包的网盘链接。

链接：https://pan.baidu.com/s/1mWjEEkuTz56bCLwjxIZ2Aw

提取码：clmm

下载到本地后，使用如下命令进行加载即可。

docker load -i docker_image_carla_0.9.13

4、创建容器运行Carla

根据镜像（image）创建容器（container），并进入容器。指令如下：

sudo docker run --privileged --gpus all --net=host -e DISPLAY=$DISPPALY  -it carlasim/carla:0.9.13  /bin/bash

紧接着，在容器中，直接启动Carla服务端：

./CarlaUE4.sh -opengl -nosound -RenderOffScreen -benchmark -fps=20 -quality-level=Low

此时，什么窗口都看不到，那是因为我这里通过“-RenderOffScreen”模式，取消了窗口。但其实，此时显卡已经工作起来了，如下所示。

附：这里我遇到了一个比较诡异的问题，就是如果不指定“-RenderOffScreen”模式的话，会报一个错：XDG_RUNTIME_DIR not set in the enviroment。理论来讲如果不报错的话，可以在docker里直接启动服务器端的画面。不过此处我没有解决掉，就忽略了，没有画面就没有画面吧。

5、运行Carla客户端

此时，在本地随意运行一个示例python程序，运行就能打开一个Carla客户端：

cd ./PythonAPI/examples/
python3 automatic_control.py

本文完。

一点感受：

我感觉Carla的docker版本并不好用，说它安装方便吧，我觉得官方预编译版的安装也挺简单的；说它可以脱离窗口运行吧，我发现使用“-RenderOffScreen”模式，在非docker版里一样可以实现；docker版的优势可能体现在其他地方，只是我现在实在是爱它不起来。若说本次探索有什么收获，那就是docker的使用了。这次真的是一边学一边用了。另外，本文臭又长，真正的过程，其实都是在跟着以下脚本在做。这个脚本只消运行一下，就是以上全文，哈哈。

#!/bin/bash


# Requires nvidia docker - https://github.com/NVIDIA/nvidia-docker
if ! $(apt list --installed | grep -q nvidia-container-toolkit); then
  read -p "Nvidia docker is required. Do you want to install it now? (y/n)";
  if [ "${REPLY}" == "y" ]; then
    distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
    echo $distribution
    curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
    curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
    sudo apt-get update && sudo apt-get install -y nvidia-docker2 # Also installs docker-ce and nvidia-container-toolkit
    sudo systemctl restart docker
  else
    exit 0
  fi
fi


docker pull carlasim/carla:0.9.13


EXTRA_ARGS="-it"
if [[ "$DETACH" ]]; then
  EXTRA_ARGS="-d"
fi


docker kill carla_sim || true
docker run \
  --name carla_sim \
  --rm \
  --gpus all \
  --net=host \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  $EXTRA_ARGS \
  carlasim/carla:0.9.13 \
  /bin/bash ./CarlaUE4.sh -opengl -nosound -RenderOffScreen -benchmark -fps=20 -quality-level=Low

本文完。

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！