解决Carla Simulator在Ubuntu 22.04下UE5分支打包失败问题
2025-05-18 08:32:35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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
248
2.46 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
297
暂无简介
Dart
547
119
🎉 (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
1.02 K
596
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
410
Ascend Extension for PyTorch
Python
87
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
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++
592
123