解决Carla Simulator在Ubuntu 22.04下UE5分支打包失败问题
2025-05-18 05:28:13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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
189
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92