Carla Leaderboard避坑指南：从零到一搭建本地测试环境（附Docker配置全流程）

1. 环境准备：避开版本冲突的雷区

在开始Carla Leaderboard的征程前，正确的环境配置是成功的一半。许多开发者在第一步就因版本问题折戟沉沙。以下是经过实战验证的配置方案：

• 操作系统选择：推荐Ubuntu 18.04/20.04 LTS，这是官方测试最充分的环境
• 显卡驱动要求：NVIDIA驱动版本≥450.80.02，CUDA 10.0-11.7均可兼容
• Python版本：必须使用Python 3.7（这是Carla 0.9.10的硬性要求）

重要提示：切勿随意升级pip版本！保持pip版本在21.0以下可避免90%的依赖冲突问题

常见依赖缺失问题解决方案：

bash复制# 解决libgeos-dev缺失问题
sudo apt-get install -y libgeos-dev libgl1-mesa-glx

# 解决OpenGL相关错误
sudo apt-get install -y libglu1-mesa-dev freeglut3-dev mesa-common-dev

2. Docker配置：构建坚如磐石的容器环境

2.1 基础镜像选择

官方推荐的Dockerfile模板中，基础镜像配置是关键：

dockerfile复制FROM nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04

2.2 用户自定义配置区

在Dockerfile的"BEGINNING OF USER COMMANDS"区域，需要特别注意以下配置：

dockerfile复制# 必须安装的核心依赖
RUN apt-get update && apt-get install -y \
    clang \
    python-opencv \
    libqt5core5a \
    cmake \
    qtbase5-dev \
    python3-tk

# Python包管理技巧（避免版本冲突）
RUN pip install --upgrade "pip<21.0" && \
    pip install setuptools==45.0.0 wheel==0.34.2

2.3 典型构建错误排查

3. 本地测试：搭建完整验证流水线

3.1 启动Carla服务器

推荐使用以下参数启动，平衡性能与资源消耗：

bash复制./CarlaUE4.sh -quality-level=Low -world-port=2000 \
    -carla-rpc-port=2000 -benchmark -fps=10

3.2 测试脚本配置

创建test_run.sh时，这些参数至关重要：

bash复制export SCENARIOS=${LEADERBOARD_ROOT}/data/all_towns_traffic_scenarios_public.json
export ROUTES=${LEADERBOARD_ROOT}/data/routes_devtest.xml
export TEAM_AGENT=${LEADERBOARD_ROOT}/leaderboard/autoagents/human_agent.py
export DEBUG_CHALLENGE=1  # 必须开启调试模式

3.3 验证流程检查清单

1. 确认Carla服务器正常启动（查看终端日志）
2. 运行测试脚本前设置正确的PYTHONPATH
3. 首次运行建议使用-human_agent测试基础功能
4. 检查results.json文件是否正常生成

4. 实战技巧：提升本地测试效率

4.1 资源优化方案

对于本地开发机，这些调整可以显著提升体验：

• 视口分辨率：调整为800x600可降低GPU负载
• 渲染质量：使用-quality-level=Low开发，测试时切换为Epic
• 内存管理：限制Carla进程内存使用（建议≤8GB）

4.2 日志分析要点

当测试失败时，优先检查这些关键日志：

code复制# Carla服务器日志
CarlaUE4.log  # 位于Carla根目录

# Python端错误
leaderboard/record.log  # 运行记录
scenario_runner/logs/  # 场景执行详情

4.3 断点调试技巧

在Docker容器内调试时，可以使用这些方法：

bash复制# 进入运行中的容器
docker exec -it <container_id> /bin/bash

# 实时查看日志
docker logs -f <container_id>

# 使用VS Code远程调试
code --remote attach <container_id>

5. 提交前的终极检查

在将Docker镜像提交到云端前，请确保完成以下验证：

1. 基础功能测试：至少完成3条不同路线的本地运行
2. 性能基准测试：单场景运行时间不超过真实时间的2倍
3. 错误处理验证：模拟各种异常情况（如传感器失效）
4. 资源占用检查：内存泄漏和GPU显存使用情况

经验法则：本地测试覆盖的场景越多，云端失败的概率越低。建议至少完成50次不同条件的本地测试再提交

6. 常见问题速查手册

6.1 构建阶段问题

Q：Docker构建时出现"pip升级失败"错误

• 解决方案：在Dockerfile中明确指定pip版本

dockerfile复制RUN python -m pip install --upgrade "pip<21.0"

Q：缺少libGL.so.1等OpenGL库

• 解决方案：安装兼容版本

bash复制RUN apt-get install -y libgl1-mesa-glx libglib2.0-0

6.2 运行时问题

Q：场景运行到一半卡死

• 检查点：查看Carla服务器CPU/内存占用
• 典型原因：内存泄漏或场景配置错误

Q：传感器数据异常

• 调试步骤：
  1. 检查传感器类型是否匹配
  2. 验证坐标系转换
  3. 查看原始数据流

6.3 提交后问题

Q：云端测试结果与本地不一致

• 可能原因：
  • 本地与云端硬件差异
  • 随机种子不同
  • 时间同步问题

Q：Docker镜像上传失败

• 检查清单：
  • 镜像大小是否超过限制
  • 网络连接是否稳定
  • 认证信息是否正确