现有的教程在配置基于python的airsim环境过程中，都要求执行完整的编译步骤。然而，在linux和windows上的编译过程中会遇到诸多问题，大概需要半天左右时间。

如果你只是想采集一些数据，测试一下虚拟数据的效果，那么解决这些bug所需要的时间非常不值得。

本文将从快速创建一个环境着手，分割、检测、去雾、深度估计、多传感器融合等方向的从业者可以快速采集一些数据，用于训练、测试自己的模型。

请注意，如果你是从传统深度学习时代入门的，你可能对于虚拟数据不屑一顾。但是我在目前的多个diffsion、Transformer模型的测试结果上看，虚拟数据集是非常有效的。

1. 下载编译后的二进制模型，记住版本号。
2. 创建conda环境，pip安装airsim。可以到pypi上查看版本号，注意匹配。
3. 打开二进制模型，不要关闭。
4. 使用airsim控制、采集数据。

具体python代码：

import airsim #pip install airsim
import numpy as np
import random
# for car use CarClient() 
client = airsim.MultirotorClient()png_image = client.simGetImage("0", airsim.ImageType.Scene)
# do something with imageresponses = client.simGetImages([# png formatairsim.ImageRequest(camera_name=0, image_type=airsim.ImageType.Scene, pixels_as_float=False, compress=True),# uncompressed RGB array bytesairsim.ImageRequest(0, airsim.ImageType.Infrared, pixels_as_float=False, compress=True),# 深度视差图，每个像素值是浮点型airsim.ImageRequest(0, airsim.ImageType.DisparityNormalized, pixels_as_float=False, compress=True),# 深度视差图，每个像素值是浮点型airsim.ImageRequest(0, airsim.ImageType.DepthPerspective, pixels_as_float=False, compress=True),# 深度视差图，每个像素值是浮点型airsim.ImageRequest(0, airsim.ImageType.DepthVis, pixels_as_float=False, compress=True),# 深度视差图，每个像素值是浮点型airsim.ImageRequest(0, airsim.ImageType.DepthPlanar, pixels_as_float=False, compress=True)])

详细api参考官方文档。

例程：https://github.com/microsoft/AirSim/blob/main/PythonClient/airsim/client.py

如果pip安装无效，可以手动下载，本地安装。