自动驾驶—CARLA仿真（8）visualize_multiple_sensors demo

测试用例

PythonAPI/examples/visualize_multiple_sensors.py

carla_vis_multiple_sensors

这是一个多传感器同步可视化示例，用于在单个 Pygame 窗口中以网格布局同时显示多个传感器数据，包括：

• 多视角 RGB 摄像头（前、后、左、右）
• 3D LiDAR 点云（投影为 2D 图像）
• 语义 LiDAR（Semantic LiDAR）

适用于传感器融合、感知系统调试等场景。

---

🔑 主要模块解析

1.DisplayManager：统一显示管理器

• 功能：创建 Pygame 主窗口，并管理传感器子画面的布局。
• 核心特性：
  • 支持网格布局（如[2, 3]表示 2 行 3 列）
  • 自动计算每个传感器画面的尺寸和偏移位置
  • 提供render()方法统一刷新所有传感器画面
  • 封装 Pygame 初始化与销毁逻辑
• 关键方法：
  • get_display_size()：返回每个子画面的宽高
  • get_display_offset(gridPos)：根据网格位置[row, col]计算像素偏移

✅ 实现了“一个窗口，多传感器视图”的核心架构。

---

2.SensorManager：传感器抽象与数据处理

• 功能：封装各类传感器的生成、数据回调与渲染逻辑。

• 支持的传感器类型：

  类型	CARLA 蓝图	数据处理方式
  RGBCamera	sensor.camera.rgb	转为 NumPy → BGR → Pygame Surface
  LiDAR	sensor.lidar.ray_cast	将 3D 点云正交投影到 2D 平面，绘制为白点图
  SemanticLiDAR	sensor.lidar.ray_cast_semantic	同上，但含语义标签（本例未着色）
  Radar	sensor.other.radar	接收数据但未渲染（仅计时）

• 关键机制：

  • 自动匹配分辨率：根据DisplayManager的子画面尺寸设置传感器image_size_x/y
  • 异步监听：通过sensor.listen(callback)注册回调函数
  • 性能统计：记录每帧数据处理耗时（time_processing）

✅ 实现了传感器类型解耦，新增传感器只需扩展init_sensor()和对应save_*_image方法。

---

3.传感器配置与布局（核心演示部分）

在run_simulation()中定义了6 个传感器，布局为2 行 × 3 列：

网格位置[row, col]	传感器类型	安装位姿
[0, 0]	RGBCamera	左侧（yaw = -90°）
[0, 1]	RGBCamera	正前方（yaw = 0°）
[0, 2]	RGBCamera	右侧（yaw = +90°）
[1, 1]	RGBCamera	后方（yaw = 180°）
[1, 0]	LiDAR	车顶中心（64 线，100m 范围）
[1, 2]	SemanticLiDAR	车顶中心（64 线，100m 范围）

• 所有传感器均附着于同一辆自动驾驶车辆（Dodge Charger 2020）
• 车辆启用set_autopilot(True)，在地图中自主行驶

💡 注释明确提示：修改grid_size和SensorManager实例即可自定义布局与传感器数量（见 lines 290–308）。

---

4.仿真控制模式

• 同步模式（默认）：
  • 启用synchronous_mode
  • 固定时间步长0.05s（20 FPS）
  • 使用world.tick()精确控制仿真推进
• 异步模式（可选）：
  • 使用world.wait_for_tick()被动等待

✅ 保证传感器数据与仿真状态严格同步，避免时间错位。

---

5.主循环与交互

• 渲染循环：

  display_manager.render()# 绘制所有传感器画面

• 退出控制：
  • 按ESC或Q键退出
  • 关闭窗口退出

---

✅ 总结

该脚本是 CARLA多传感器可视化的标准范例，展示了：

1. 如何在单窗口中网格化布局多个传感器视图
2. 如何抽象不同传感器的数据处理流程
3. 如何实现同步/异步仿真下的稳定渲染

适用于开发者快速搭建感知系统调试界面，或用于教学演示多传感器协同工作效果。