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
- 支持网格布局（如
- 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 RGBCamerasensor.camera.rgb转为 NumPy → BGR → Pygame Surface LiDARsensor.lidar.ray_cast将 3D 点云正交投影到 2D 平面，绘制为白点图 SemanticLiDARsensor.lidar.ray_cast_semantic同上，但含语义标签（本例未着色） Radarsensor.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）
- 自动匹配分辨率：根据
✅ 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
- 启用
- 异步模式（可选）：
- 使用
world.wait_for_tick()被动等待
- 使用
✅ 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
- 按
✅ 总结
该脚本是 CARLA多传感器可视化的标准范例，展示了：
- 如何在单窗口中网格化布局多个传感器视图
- 如何抽象不同传感器的数据处理流程
- 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。