前两期搭建了 Carla + ROS 环境，添加了 NPC 交通流。这期是最关键的一步——用 YOLOv8 做实时目标检测。

但遇到一个麻烦：Carla ROS Bridge 跑在 Python 2.7 上，而 YOLOv8 需要 Python 3.10。

1 两种方案对比

为了解决"数据在 Python 2.7，模型在 Python 3.10"这个问题，我试了两种方案。

方案一：rosbridge + roslibpy

思路是通过 rosbridge 把 ROS 话题通过 WebSocket 转发出去，Python 3.10 这边用 roslibpy 接收。

# 启动 rosbridge
roslaunch rosbridge_server rosbridge_websocket.launch queue_size:=1 port:=9099

# Python 3.10 环境接收
python rosbridge_roslib.py

启动简单，但跑起来发现两个问题：

• 延迟高，画面卡顿
• 图像丢帧严重，实时性不行

方案二：TCP 直接传输图像数据

放弃 rosbridge，直接用 TCP 把图像数组从 Python 2.7 发给 Python 3.10。
服务端（Python 2.7）：

# 订阅 ROS 图像话题 → 转为 numpy → TCP 发送
def image_callback(msg):
    img = np.frombuffer(msg.data, dtype=np.uint8)
    img = img.reshape(msg.height, msg.width, 4)[:, :, :3]
    header = str(len(img.tobytes())).encode().ljust(16)
    conn.sendall(header + img.tobytes())

客户端（Python 3.10）：

# TCP 接收 → numpy → YOLOv8 检测 → 可视化
def recv_all(sock, length):
    buf = b""
    while len(buf) < length:
        chunk = sock.recv(length - len(buf))
        if not chunk: raise ConnectionError()
        buf += chunk
    return buf

# 主循环
while True:
    header = recv_all(sock, 16)
    img_bin = recv_all(sock, int(header.strip()))
    frame = pickle.loads(img_bin)
    results = model(frame)
    # 绘制检测框并显示

整个跑起来就很流畅了，基本不影响使用。

2 完整启动流程

终端1: Carla UE4
终端2: ROS Bridge
终端3: NPC 生成（可选）
终端4: TCP Bridge Server（Python 2.7环境）
终端5: YOLOv8 检测（Python 3.10环境）

按顺序启动：

# 终端1-3：跟第二期一样，先启动Carla、ROS Bridge、NPC

# 终端4：启动 TCP 服务端（Python 2.7）
cd /opt/carla_ws
python tcp_bridge/tcp_bridge_server.py

# 终端5：启动 YOLOv8 检测（Python 3.10）
cd /opt/carla_ws/sim_workspace/image_detect
python image_detect_nms.py

启动后，终端5会弹出检测窗口，实时显示 YOLOv8 的检测结果——车辆、行人、骑行者都被框出来了。

3 下一期预告

四路相机 BEV 环视拼接，把单路检测结果融合到鸟瞰图上。

往期回顾

• Carla仿真系列：2_Carla 仿真中批量添加 NPC，让场景动起来
• Carla仿真系列：1_Carla + ROS 仿真环境从零搭建，跑通完整数据流

如果本文对你有帮助，欢迎点赞、收藏。
遇到问题可以评论区留言交流，也欢迎转发给需要的朋友。