皮皮网

1.2021 开源驾驶仿真平台测评
2.求一个好的源码可视化快速开发平台?

2021 开源驾驶仿真平台测评

       终于，在沉迷论文之外，源码我开始上手生疏了快一年的源码实验和代码。一个萌新，源码空降驾驶决策方向，源码除了真车以外，源码Lol自动打怪源码最大的源码吸引力必然来自驾驶仿真器了。想想吧，源码每天的源码工作仿佛像是在给GTA V写合法外挂，心不心动？因此，源码尽管学长们安利了CARLA，源码但是源码，既然电脑装得下，源码我还是源码决定要把近几年新出的仿真器全试一试，再决定用最好的源码那个。

       作为一个贫穷的研究人员，我心目中理想的驾驶仿真器是这样的（优先度排列）：

       描绘出理想的模样，就该开始找候选人了。《年自动驾驶仿真蓝皮书》基本把现有的驾驶仿真器都列举了一遍，经过快速的检查，首先排除以下商业仿真平台：

       CarSim, CarMaker, Cognata, rFpro, VTD, AAI, TAD Sim (腾讯，未找到开放网址), Metamotor (年被收购), GaiA, Sim-One, PanoSim, Parallel Domain (这个的demo是真的好看), CarCraft (Waymo内部使用，不对外开放), VI-WorldSim, PTV Vissim

       许愿一个大佬测评以上软件，如果大家众筹让我测评也不是不可以（手动狗头）。

       顺带一体，所有基于GTA V的仿真器似乎在几年前已经被R星叫停了，考虑到版权因素，应该在有发表需求的研究里是不能用了（但私底下谁不想拿它玩一玩呢）。

       在剔除了海量精美的付费软件之后，清单上剩余的免费/开源仿真器就屈指可数了。

       接下来，将从应用场景，ssm项目源码文档用户体验，安装难易度等方面对这些软件进行测评，部分仿真器提供视频展示（流量预警）

       测试环境：Ubuntu . + CUDA .2 + NVIDIA Driver ..

       硬件配置：i9-X CPU + GB RAM + RTX Super GPU (8GB)

       警告 CARLA

       仿真器简介：Carla是一个开源的驾驶仿真器，由C++ 和虚幻引擎构成。通常适用于驾驶决策仿真任务。可输出的数据模态包括图像，激光雷达，雷达，语义，GPS，IMU等，可自由配置。

       安装指南： CARLA Simulator

       Carla官方的安装文档已经非常成熟了，如果只是运行仿真器，下载可运行程序就够了。想自己折腾的就从源码开始编译，我写文章的时候0.9.还不够稳定，推荐0.9.，无脑跟教程走只会遇到一个bug。就是make build的时候libboost目前调用的是1..0版本：

       首先，你需要手动下载boost-1..0的压缩包；其次，如果你在编译过程中遇到了什么字符相关的库找不到的报错，可能是因为boost-1..0某些版本中这个悲伤的bug导致的，就是自定义的函数命名和默认C语言库起了冲突（大致是这个原理，具体细节还请放过一个三年没写C的孩子）。处理方法要参考 这里，解压boost-1..0，将自定义的string.h 和调用这个库的所有地方改成其他名字，然后再打包，扔到/Build 下面；最后，记得在/Util/BuildTools/setup.sh 的打字测试软件源码对应行进行修改，以防build过程中自动删了你改过的包。

       如果是走Linux Build路线又想要可直接运行的./CarlaUE4.sh，在make launch成功后跑一下make package就行了。这一个细节不知道为什么官方文档上写得不是特别清楚，可能是他们觉得太简单，我们可以自行领悟吧。

       用户体验：

       在体验完一圈驾驶仿真器之后，看到CARLA我真是感动得泪流满面，简直是出走后四处碰壁的游子回到了温暖的家。经典果然还是经典，CARLA的动力学仿真确实是所有仿真器中最正常的，天气系统和NPC的行为也非常正常，应该是一直在优化的。基本上驾驶决策常用的数据模态都有提供（事件相机和红外相机没有，这是AirSim的独门绝技），获取也很方便，总之一句话，赞美CARLA。

       仿真器展示：

       SUMO

       仿真器简介：SUMO 全称 Simulation of Urban MObility，是一个开源的驾驶仿真器，主要用于交通流仿真，也可用于车间通讯仿真、验证交通模型等任务。

       安装指南：sudo apt-get install sumo sumo-doc sumo-tools

       仿真器部分功能展示：

       最开始，看到这个软件简陋的界面时，我以为大概没什么好说的，然而，很快，我看到了前人的SUMO使用心得。对不起，是动能监控指标源码我头抬得太高了。

       SUMO仿真文档_妈妈说不要造轮子-CSDN博客

       SUMO使用技巧_妈妈说不要造轮子-CSDN博客

       由于SUMO的仿真任务和我没有太大关联，而且仿真大程度上依赖于用户自己导入的数据，而我手头暂时没有，所以就放一张从 OpenStreetMap导入到SUMO的地图吧～

       看起来很简陋？放大地图后，每个路口的细节都标注得一清二楚。我开始心动了。

       而从年开始，CARLA开始支持和SUMMO，VISSIM 联合仿真。我觉得自己好了，自己行了，下一期测评就它吧（如果没有教程的话可以考虑写一版了）。

       MATLAB - 自动驾驶工具包 & RoadRunner

       码着，过两周有空再写。计划要用RoadRunner和CARLA快乐联动，不过好像地图太大会导入事故，反正卫星先放着。

       LGSVL

       仿真器简介：这是由LG公司基于Unity开发的驾驶仿真器。适用于驾驶决策任务。输出的数据模态包括图像，激光雷达，雷达，语义，GPS，IMU等，可以通过json文件自由配置。

       安装指南： Installation procedure - SVL Simulator

       确认配置符合要求之后，直接下载即可。Linux下记得右键性质，允许程序运行。

       用户体验：

       从可视化交互界面来说，高校排课系统源码LGSVL是做的最好的。一键变天，一键加传感器，包括上传代码，全部可以在网页界面完成。但是呢，车的动力学着实有点迷惑，您的车是完全没有摩擦力的吗？按下前进键之后，即使松开，地面也仿佛没有摩擦力一般，车辆会一直保持匀速前进。但是如果想用这个仿真器来做模仿学习，录入数据大概会很痛苦。点云的仿真很有问题，肉眼可见的有误差。npc也是非常迷惑，比如，骑自行车的人比开车的还快；过马路的时候只要绿灯了，npc车辆就直接从npc附近碾过去。而目前还没有提供改npc的接口。此外，目前提供的地图还太少了。如果再过几年，可能会成长成一个厉害的仿真平台，目前只能持观望态度了。

       Apollo

       仿真器简介：由百度-阿波罗开发的驾驶仿真平台。少数既可以在线仿真，也可以自己电脑安装运行的仿真器。适用于驾驶规划仿真，路径预测等任务。

       安装流程：

       用户体验：

       革命尚未成功，同志仍需努力。离成为一款成熟的仿真器，Apollo还有很长时间要走。官方提供的场景比较少，大型地图屈指可数，文档支持也不够完善。封装得比较严实，不过改地图，放npc的自由设置空间还是有的。再过几年，还是有潜力成长成一个优秀的仿真器的。

       仿真器展示：

       AirSim

       仿真器简介：由微软开发的仿真器，基于虚幻引擎。主要面向无人机仿真，也提供了驾驶仿真的接口。适用于驾驶决策仿真任务。输出的数据模态包括GPS，IMU，RGB图像，深度图，语义分割，红外相机，事件相机，点云（需要额外配置）。

       安装指南： Welcome to AirSim

       用户体验：

       这款仿真器更适合Windows系统用户。Github上提供的地图适用于驾驶仿真的寥寥无几，而虽然AirSim可以从 Unreal Engine Market中获取更多可用于自动驾驶的地图，其中绝大多数都只兼容Windows，最终导致在Linux中适用于自动驾驶任务的只有一款非洲大草原。

       仿真器展示 启动任意地图都会加载setting.json 文件的配置，子窗口的内容需要按0 才会显示。

       SUMMIT

       论文： SUMMIT: A Simulator for Urban Driving in Massive Mixed Traffic

       适用任务：驾驶决策仿真

       输出数据：RGB图像，点云，深度图，语义分割，碰撞判定等，CARLA有的它都有。

       安装指南： Ubuntu .安装基于CARLA的SUMMIT无人驾驶仿真平台

       不建议在.上安装，可能会因为clang版本出现大问题。Ubuntu ./.挺好的。

       用户体验：

       在测评开始之前，我期望值最高的一款仿真器就是SUMMIT，按照论文所宣称的，这是“CARLA的改进版“，”能够模拟更为复杂的交通情况“，”利用SUMO轻松导入世界地图“。而实际情况呢？这款软件很大程度上照搬了CARLA 0.9.8，对应了两年前的UE4.，这一前置条件已然导致了虚幻引擎在现有的Ubuntu上闪退概率更高。而在我千辛万苦装上之后，原创的demo程序一个也跑不起来，根据写得奇烂无比的官方文档——我第一次看到民间教程能比官方写得更详细靠谱的，只能模模糊糊猜它的地图导入方法——依旧繁琐复杂。最终，不祥的预感在我查到了论文的发表时间时达到了顶峰，年ICRA accept，大概从投稿之后，作者就没有再积极地维护过整个路径，最新的更新（.）只是改了改依赖的SUMO版本和PythonAPI中的小细节。可以看出，作者根本没有随着引擎更新和CARLA更新进度改进仿真器的动力。对于任何试图长期使用这款仿真器的人来说，这都是一个危险的信号。

       Udacity

       Term 1 - 车道保持；Term 2 - 轨迹定位 & 追踪；Term 3 - 高速场景下的轨迹规划。

       适用任务：驾驶决策任务体验与教学

       安装指南：

       如果顺利的话，会看到这样的界面，选择分辨率和画质，然后就能开始仿真了。

       用户体验：

       作为一款和在线课程绑定的驾驶仿真平台，Udacity的优点和缺点都很明显：安装最为方便快捷，几乎对电脑配置没有要求。另一方面，场景少得可怜，动力学模拟差到悲伤。只适合用于了解自动驾驶决策模型的设计原理和流程，无法实际应用。

       此外，Udacity有一个致命问题，它在Ubuntu下并不稳定。我是并行安装所有平台的，结果刚打开最先安装好的Udacity，它就快乐地崩了，电脑重启，我+GB的内容全部得重新下载（╯－＿－）╯╧╧

       TORCS

       适用任务：驾驶决策任务体验与教学

       仿真器简介：TORCS本职是一款游戏，但是优秀的前辈们通过各种蛇皮操作，让它同样可以应用于驾驶仿真中。最开始，我对TORCS非常嫌弃，这都年了，怎么还有人会用这种分辨率的软件。但是，考虑到现实中，很多本科生是买不起显卡的，而这是为数不多不需要显卡就能跑的仿真器，还拥有过相当大的用户基数和多样的地图库，所以，对于特定人群来说，这个仿真器恐怕还是无可替代的。

       安装流程： Ubuntu.搭建 TORCS无人驾驶训练 开发环境

       gcc版本如果太高会编译失败，我用gcc-5过了，注意，Ubuntu .不支持低于gcc-7的版本。

       仿真器展示：

求一个好的可视化快速开发平台?

       ThingJS 是物联网可视化PaaS开发平台，帮助物联网开发商轻松集成 3D 可视化界面。ThingJS 名称源于 物联网Internet of Things (IoT)中的 Thing (物)，ThingJS 使用当今最热门的 Javascript 语言进行开发。不仅可以针对单栋或多栋建筑组成的园区场景进行可视化开发，搭载丰富插件后，也可以针对地图级别场景进行开发。广泛应用于数据中心、仓储、学校、医院、安防、预案等多种领域。

       物联网分为感知层、网络层、应用层。应用层涉及到 3D 界面的开发，对大部分企业来说都有一定挑战。ThingJS 可以极大降低 3D 界面开发的成本。下图清晰地反映了 ThingJS 在物联网领域中的定位网页链接

       ThingJS 基于 HTML5 和 WebGL 技术，可方便地在主流浏览器上进行浏览和调试，支持 PC 和移动设备。ThingJS 为可视化应用提供了简单、丰富的功能，只需要具有基本的 Javascript 开发经验即可上手。

       ThingJS 提供了场景加载、分层级浏览，对象访问、搜索、以及对象的多种控制方式和丰富的效果展示，可以通过绑定事件进行各种交互操作，还提供了摄像机视角控制、点线面效果、温湿度云图、界面数据展示、粒子效果等各种可视化功能。

       ThingJS提供如下相关组件和工具供用户使用：

       CityBuilder：聚焦城市的 3D 地图搭建工具，打造你的 3D 城市地图。

       CamBuilder：简单、好用、免费的 3D 场景搭建工具。

       ThingPano：全景图制作工具，轻松制作并开发全景图应用，实现 3D 宏观场景和全景微观场景的无缝融合。

       ThingDepot：上万种模型，数十个行业，自主挑选，一次制作多次复用。