路径点发布器

本文介绍 CARLA ROS Bridge 中的路径点发布器：它由 CARLA 地图导出道路中心线， 以话题形式发布给其它节点使用，属于 carla_ros_bridge 的既有功能。

参考

• Carla 路径点发布器

拓展：自行实现「给定轨迹的神经网络跟踪控制」

本文的路径点发布器只负责发布路径点，车辆如何沿路径点行驶由其它节点决定。 下面是在该功能基础上自主实现的一套「传感器感知 + 给定轨迹跟踪」控制， 代码位于 src/ground/carla_perception_control， 详细介绍（计算原理、源码解析、性能评价）见 传感器感知与给定轨迹跟踪（神经网络版）。

与本文示例的区别

复用本文的配置步骤

CARLA 服务端的启动、宿主机 IP 与端口 2000 的查看、虚拟机网络设置等步骤 与已有示例完全一致，此处不再重复，请参考 设置并连接到 Carla 模拟器 的 「启动 Carla 服务器」与「使用 Carla 客户端启动 Ego Vehicle」小节； 连接失败的排查见同一篇的「常见问题」小节。

本拓展新增的内容

1. 感知神经网络：三路传感器（RGB 相机、深度相机、32 线激光雷达）压缩为 4 维归一化特征， 由 MLP 分类器（4→12→3）输出障碍方向（无目标 / 偏左 / 偏右）。
2. 控制神经网络：状态 (航向差, 前视距离) → 转向角，MLP 策略网络（2→32→1）， tanh 输出保证转向落在 $[-1,1]$。
3. 几何监督标签：控制网络的训练标签由纯跟踪几何律解析生成， 免去人工标注。
4. 前视追踪 + 路点加密 + 垂距误差：把稀疏给定轨迹加密到 2 m 间距， 用前视点选取目标，用点到折线垂距度量横向误差。
5. 弯道自适应减速 + 终点停车：按航向差自动降油门，进入终点 5 m 内刹车。
6. 离线取证模式：--headless --demo 无需 CARLA、无需图形界面即可跑通全链路， 并导出损失/误差曲线 PNG。

运行本拓展模块

除本文所需环境外，只需补装 CARLA 0.9.16 的 Python 客户端 （神经网络为纯 numpy 实现，无需 TensorFlow/PyTorch）：

pip3 install <CARLA>/PythonAPI/carla/dist/carla-0.9.16-cp310-cp310-manylinux_2_31_x86_64.whl

离线训练两个神经网络（不需要 CARLA）：

python3 src/ground/carla_perception_control/main.py --mode train --epochs 300

在线感知 + 沿给定轨迹跟踪（--host 的填法与本文一致：填宿主机 IP）。 省略 --waypoints 即使用模块内置的 DEMO_ROUTE （26 个航点，已逐点校验在车道上，含两个约 90° 弯）：

python3 src/ground/carla_perception_control/main.py --mode run \
        --host 172.21.108.47 --sim_time 90 --save_dir ~/shots

使用 launch 启动（ROS 2 / ROS 1）：

# ROS 2
ros2 launch carla_perception_control main.launch.py host:=172.21.108.47
# ROS 1
roslaunch carla_perception_control main.launch host:=172.21.108.47

实测结果

离线取证模式实测（--epochs 300 --sim_time 90，无需 CARLA）：

在线连接 CARLA 服务端实测（--mode run --sim_time 90，Town05）：

完整的调优过程与性能评价见 传感器感知与给定轨迹跟踪（神经网络版） 第 6 节。