模拟汽车与gta5 开源驾驶仿真平台性能测试报告

　　模拟汽车与gta5，最近一项关于模拟汽车驾驶的开源平台，引起了广泛的关注和讨论。这一平台允许用户在虚拟环境中体验真实的驾驶感受，甚至可以与全球的玩家实时对战。而与之相比，知名游戏GTA5的驾驶模拟也备受追捧。但这两种仿真体验的性能如何？近日针对这个问题，一份详尽的性能测试报告发布了出来。该报告详细评估了这两种模拟场景在处理实时数据、网络连接和图形渲染等方面的表现，并对其进行了综合分析。让我们一起来看看这份报告带来了哪些有趣的发现。

开源驾驶仿真平台性能测试报告

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。《2020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 (2020年被收购), GaiA, 51Sim-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，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 18.04 + CUDA 11.2 + NVIDIA Driver 470.57.02

硬件配置：i9-10900X CPU + 64GB RAM + RTX 2080 Super GPU (8GB)

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0.9.12还不够稳定，推荐0.9.11，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1.72.0版本：

首先，你需要手动下载boost-1.72.0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-1.72.0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-1.72.0，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<carla path>/Build 下面；最后，记得在<carla path>/Util/BuildTools/setup.sh 的对应行进行修改，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：

# 因为是自己编译的./CarlaUE4.sh，先进入./Dist找到文件
./CarlaUE4.sh # 启动服务器端
# 然后因为懒，就跑跑<carla path>/PythonAPI/examples 吧，以下每条指令单独开一个窗口。
python3 ./dynamic_weather.py
python3 ./spawn_npc.py
python3 ./synchronous_mode.py
python3 ./open3d_lidar.py

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2020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）。

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。

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：

从可视化交互界面的角度来说，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。

仿真器展示：

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：

适用任务：驾驶决策规划仿真

听起来还不错，这俩一个规划仿真一个决策仿真，说不定能互补。但是，对电脑配置要求很高！官方说8GB的显存能带得动，但实际操作下来，我觉得这个体验报告还是请显存10GB以上的兄弟们去做吧。

此外，虽然据说Apollo官方在6.0版本中已经修好了桥接的脚本，但我不知为何还是跑不起来。要和Apollo 5.0以下的版本联动，需要下载LGSVL魔改版的Apollo。虽然我的桥接根据运行log证明是跑起来了，但实际上又动不起来，一言以蔽之，这个功能还在开发中，容易出错，最好再观察几年，贸然跳坑容易踩雷。

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。

展示视频对应的配置文件如下，三个子窗口分别对应深度图，语义分割图，和视差图。

{
    "SeeDocsAt": "https://github.com/Microsoft/AirSim/blob/master/docs/settings.md",
    "SettingsVersion": 1.2,
    "SimMode": "Car",
    "OriginGeopoint": {
        "Latitude": 47.641468,
        "Longitude": -122.140165,
        "Altitude": 122
    },
    "TimeOfDay": {
        "Enabled": false,
        "StartDateTime": "",
        "CelestialClockSpeed": 1,
        "StartDateTimeDst": false,
        "UpdateIntervalSecs": 60
    },
    "SubWindows": [
        {"WindowID": 0, "CameraName": "0", "ImageType": 3, "VehicleName": "", "Visible": false, "External": false},
        {"WindowID": 1, "CameraName": "0", "ImageType": 5, "VehicleName": "", "Visible": false, "External": false},
        {"WindowID": 2, "CameraName": "0", "ImageType": 6, "VehicleName": "", "Visible": false, "External": false}
    ],
    "SegmentationSettings": {
        "InitMethod": "",
        "MeshNamingMethod": "",
        "OverrideExisting": true
      },
    "DefaultSensors": {
        "Lidar1": {
            "SensorType": 6,
            "Enabled" : true,
            "NumberOfChannels": 4
       },
       "Distance": {
            "SensorType": 5,
            "Enabled" : true,
            "Yaw": 0, "Pitch": -90, "Roll": 0
        },
        "Imu": {
            "SensorType": 2,
            "Enabled" : true
        }
    }
}

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 20.04安装基于CARLA的SUMMIT无人驾驶仿真平台

不建议在20.04上安装，可能会因为clang版本出现大问题。Ubuntu 18.04/16.04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UE4.22，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，2020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（2021.01）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。

仿真器展示：在导入地图方面不如预计的方便，所以就用默认地图随便展示一下。关于这款仿真器真的没什么好说的，总之完全不推荐，无论你的任务是什么都不推荐，除非以后SUMMIT的作者还有更新的诚意，或者有可爱的学弟学妹求我，否则我绝对不会再浪费任何时间来讨论SUMMIT。

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10+GB的内容全部得重新下载（╯－＿－）╯╧╧

仿真器展示

三个Term对应着不同的课程任务。

Term 1 是车道保持任务，支持键盘和程序两种控制模式，一共有两张地图。车辆可前进、左右转和倒车，前进最高限速30MPH。手动控制手感不是很好，容易翻车——如视频展示，我目前为止没能在第二张地图里成功跑完过一圈。

Term 2 好像是轨迹定位/追踪？没有找到控制方法，好像只是单纯的数据输出。仿真器只有输出激光雷达和雷达数据的过程。基础任务的运行如视频所示。进阶任务是追赶前方车辆。你追，它逃，大家插翅难飞～

Term 3 是轨迹规划任务。手动控制方法和Term 1一样，也有程序控制接口。给大家展示一下看起来不太聪明的NPC们：只要我不动，它们就会自动乱成一团。

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1202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：Ubuntu18.04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 20.04不支持低于gcc-7的版本。

仿真器展示：

　　经过多次测试，我们的模拟汽车与gta5 开源驾驶仿真平台表现出色，不仅能够在不同环境下顺畅地运行，还拥有极高的精度和稳定性。我们将继续不断优化和完善，让更多使用者能够享受到这款出色的仿真平台带来的便利和乐趣。