解决Carla Simulator在Ubuntu 22.04下UE5分支打包失败问题
2025-05-18 16:09:12作者:董斯意
问题背景
Carla Simulator是一个开源的自动驾驶仿真平台,近期社区贡献了基于Unreal Engine 5的开发分支(ue5-dev)。许多开发者在Ubuntu 22.04系统上按照官方文档进行构建时,发现前几个步骤都能顺利完成,但在最后的打包阶段(package)会遇到各种错误。
常见错误现象
- 内存不足错误(Out of memory),即使系统有256GB内存也会出现
- 文件描述符过多问题
- 资产加载失败警告
- 国际化初始化断言失败(FInternationalization is not initialized)
- UnrealTraceServer进程挂起无法终止
根本原因分析
经过技术分析,这些问题主要由以下几个因素导致:
- 资产内容版本不匹配:Carla主仓库与内容仓库(Content)的提交版本不同步,导致资产引用失效
- 构建依赖缺失:官方文档中列出的依赖项不完全,缺少部分关键库
- 系统资源限制:默认的文件描述符限制不足
- 构建顺序问题:打包目标(package)的依赖关系定义不完整
详细解决方案
1. 确保版本匹配
使用以下版本组合可获得稳定构建:
- Carla主仓库:ue5-dev分支,commit aa9d95eb21d03abe143471d9a7e854a794e5533d
- 内容仓库:ue5devStable0.1标签版本
- UE5引擎:CarlaUnreal/UnrealEngine仓库的ue5-dev-carla分支,commit f1c3b5d77ccf403e25b59f6735157ccf5e3961e7
2. 补充系统依赖
除了官方文档列出的依赖外,还需要安装以下软件包:
sudo apt-get install libwebsockets-dev libnss3-dev libatk-bridge2.0-dev libpango1.0-dev libsdl2-dev
3. 调整系统资源限制
为避免文件描述符不足问题,执行以下命令:
ulimit -n 1024
ulimit -u 1024
4. 正确的构建流程
遵循以下构建顺序:
# 1. 配置项目
cmake -G Ninja -S . -B Build --toolchain=$PWD/CMake/LinuxToolchain.cmake \
-DCMAKE_BUILD_TYPE=Release -DENABLE_ROS2=ON \
-DBUILD_CARLA_UNREAL=ON -DCARLA_UNREAL_ENGINE_PATH=$CARLA_UNREAL_ENGINE_PATH
# 2. 构建Carla
cmake --build Build
# 3. 安装Python API
cmake --build Build --target carla-python-api-install
# 4. 启动编辑器(即使没有GUI也需要执行)
cmake --build Build --target launch
# 出现启动尝试后按Ctrl+C终止
# 5. 打包(可能需要多次执行)
cmake --build Build --target package
5. 处理打包过程中的问题
打包时可能会遇到UnrealTraceServer进程挂起的情况,解决方法:
- 按Ctrl+C中断当前构建
- 使用
ps aux | grep UnrealTraceServer查找进程ID - 使用
kill -9 <PID>强制终止挂起的进程 - 重新执行打包命令
技术深入解析
国际化初始化失败问题
当出现"FInternationalization is not initialized"错误时,这表明UE5的国际化系统在静态初始化阶段被调用。解决方案是确保所有文本本地化操作都在引擎完全初始化后执行。
资产引用问题
资产加载失败警告如"Failed to load '/Game/Carla/Static/Static/SM_LightBox2'"通常表明:
- 内容仓库版本不正确
- 资产路径变更但引用未更新
- 打包过程中资产未被正确包含
使用匹配的内容仓库版本是最可靠的解决方案。
最佳实践建议
- 在EXT4文件系统上构建,避免使用网络挂载的文件系统
- 为构建过程分配至少32GB内存
- 使用SSD存储加速构建过程
- 定期清理中间文件,避免累积导致问题
- 考虑使用CCache加速重复构建
通过以上方法,开发者应该能够在Ubuntu 22.04系统上成功构建并打包基于UE5的Carla Simulator。如遇新问题,建议检查各仓库的最新提交,确保版本兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
658
4.26 K
Ascend Extension for PyTorch
Python
502
606
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168