Carla框架分析（三）

Doris232 · 发表于 2022-1-23 21:22

Carla采用的是CS的架构，即

首先来看一张很重要的图

image

这张图清晰明了的说明了Carla的整体框架，接下来我们一个一个分析
RPC框架

建议读者先要理解RPC框架才往后阅读

Carla所使用的是rpc框架是rpclib，可以在github上找到：地址

或者在Build/rpclib-src目录下
LibCarla

LibCarla是Carla的核心代码C++实现，提供给Server端和Client端使用，同时对rpclib进行了封装，具体目录在LibCarla\source\carla下，其中LibCarla\source\third-party则是Carla所使用的第三方库

我们可以在LibCarla\cmake目录中看到以下目录结构，说明Server端和Client端是分开构建的

image

Server端

Server端的代码在Unreal/CarlaUE4/Plugins/Carla/Source/Carla目录下，其中Server/CarlaServer.cpp里包含了Carla对rpc::Server的一个封装
class ServerBinder{public: constexpr ServerBinder(const char *name, carla::rpc::Server &srv, bool sync) : _name(name), _server(srv), _sync(sync) {} template <typename FuncT> auto operator<<(FuncT func) { if (_sync) { _server.BindSync(_name, func); } else { _server.BindAsync(_name, func); } return func; }private: const char *_name; carla::rpc::Server &_server; bool _sync;};#define BIND_SYNC(name) auto name = ServerBinder(# name, Server, true)#define BIND_ASYNC(name) auto name = ServerBinder(# name, Server, false)// =============================================================================// -- Bind Actions -------------------------------------------------------------// =============================================================================void FCarlaServer::FPimpl::BindActions(){ namespace cr = carla::rpc; namespace cg = carla::geom; /// Looks for a Traffic Manager running on port BIND_SYNC(is_traffic_manager_running) << [this] (uint16_t port) ->R<bool> { return (TrafficManagerInfo.find(port) != TrafficManagerInfo.end()); }; // ... 其余代码}
通过源码可以看到，BIND_SYNC和BIND_ASYNC两个宏实现了Server端函数调用的绑定，例如：is_traffic_manager_running函数
Client端（C++）

我们可以在LibCarla\source\carla\client\detail\Client.cpp中找到Client端的实现代码，不过如果你要编写的是C++的Client的话，你可以从PythonAPI\carla\dependencies目录下拿取安装好的
class Client::Pimpl { public: Pimpl(const std::string &host, uint16_t port, size_t worker_threads) : endpoint(host + ":" + std::to_string(port)), rpc_client(host, port), streaming_client(host) { rpc_client.set_timeout(5000u); streaming_client.AsyncRun( worker_threads > 0u ? worker_threads : std::thread::hardware_concurrency()); } template <typename ... Args> auto RawCall(const std::string &function, Args && ... args) { try { return rpc_client.call(function, std::forward<Args>(args) ...); } catch (const ::rpc::timeout &) { throw_exception(TimeoutException(endpoint, GetTimeout())); } } template <typename T, typename ... Args> auto CallAndWait(const std::string &function, Args && ... args) { auto object = RawCall(function, std::forward<Args>(args) ...); using R = typename carla::rpc::Response<T>; auto response = object.template as<R>(); if (response.HasError()) { throw_exception(std::runtime_error(response.GetError().What())); } return Get(response); } template <typename ... Args> void AsyncCall(const std::string &function, Args && ... args) { // Discard returned future. rpc_client.async_call(function, std::forward<Args>(args) ...); } time_duration GetTimeout() const { auto timeout = rpc_client.get_timeout(); DEBUG_ASSERT(timeout.has_value()); return time_duration::milliseconds(static_cast<size_t>(*timeout)); } const std::string endpoint; rpc::Client rpc_client; streaming::Client streaming_client; }; Client::Client( const std::string &host, const uint16_t port, const size_t worker_threads) : _pimpl(std::make_unique<Pimpl>(host, port, worker_threads)) {} bool Client::IsTrafficManagerRunning(uint16_t port) const { return _pimpl->CallAndWait<bool>("is_traffic_manager_running", port); }
通过源码可以看到，Client端调用了Server端的函数is_traffic_manager_running
Client端（Python）

目录：PythonAPI\carla\source\libcarla，主要是通过boost::python来实现C++到Python的绑定

我们随便看一个文件，例如PythonAPI\carla\source\libcarla\Actor.cpp文件，具体的绑定用法需要读者自己去了解boost::python

image

		自动登录	找回密码
密码			立即注册

Carla框架分析（三）

本帖子中包含更多资源