4、开发环境搭建：安装PX4固件、QGroundControl、ROS2/MAVSDK、仿真环境（Gazebo/Simulator）配置

在开始PX4 Offboard控制开发之前，搭建一个稳定、可复现的开发环境是整个项目的地基。很多初学者在编写AI识别节点时信心满满，却在环境配置上耗费数周时间，最终因版本不匹配、通信链路不通或仿真器崩溃而放弃。本章将围绕PX4固件、QGroundControl地面站、ROS2/MAVSDK通信中间件以及Gazebo仿真环境四个核心组件，系统讲解安装流程、版本匹配策略、仿真配置方法以及常见排障手段。我们将以Ubuntu 22.04 LTS + ROS2 Humble + PX4 v1.14.x作为基准组合，这套组合经过社区广泛验证，稳定性最佳。

4.1 核心原理：理解PX4 Offboard开发环境的组件角色与数据流

PX4 Offboard开发环境本质上是一个多进程、多协议协同工作的系统工程。其核心原理可以概括为：仿真器提供虚拟物理世界，PX4固件运行飞行控制算法，通信中间件负责数据交换，地面站用于监控与调参，而用户的AI识别节点则通过Offboard接口注入控制指令。理解每个组件在数据流中的位置，是后续排障的基础。

从数据流角度看，整个系统呈现典型的分层架构：最底层是Gazebo或jMAVSim仿真器，它模拟无人机动力学模型、传感器数据（IMU、GPS、光流等）以及环境物理属性。PX4 SITL（Software In The Loop）作为飞行控制栈，接收仿真传感器数据，运行姿态估计与控制算法，输出电机指令给仿真器。通信中间件层则负责将PX4的状态信息（如位置、速度、姿态四元数）打包成MAVLink消息或ROS2话题，同时接收来自上层应用的控制指令。最上层的AI视觉节点通过摄像头仿真数据（或真实摄像头）进行目标检测，将识别结果转换为期望速度或位置指令，通过Offboard模式发送给PX4。

这里需要特别强调Offboard模式的工作原理：PX4在Offboard模式下，其内部的位置/速度控制器不再使用预设的航线或遥控器输入，而是直接接受外部程序通过MAVLink或ROS2发送的设定值。这个设定值可以是期望速度（velocity setpoint）、期望位置（position setpoint）或期望姿态（attitude setpoint）。AI识别节点需要以一定的频率（通常建议10-50Hz）持续发送这些设定值，如果超过超时时间（默认0.5秒）未收到新指令，PX4会触发安全机制，自动切换回降落或悬停模式。

4.2 操作流程：从零开始搭建完整开发环境

下面按照标准操作流程，逐步完成环境搭建。整个过程预计需要2-3小时（取决于网络速度与编译性能），建议使用稳定的网络连接。

步骤一：系统准备与依赖安装

# 更新系统软件源
sudo apt update && sudo apt upgrade -y

# 安装基础依赖
sudo apt install -y \
    git \
    cmake \
    ninja-build \
    python3-pip \
    python3-venv \
    curl \
    wget \
    unzip \
    xterm \
    terminator

# 安装Gazebo 11（Ubuntu 22.04默认仓库自带）
sudo apt install -y gazebo11 libgazebo11-dev

# 安装MAVLink依赖
sudo apt install -y \
    libxml2-dev \
    libxslt1-dev \
    libssl-dev \
    libgeographic-dev \
    geographiclib-tools

步骤二：克隆并编译PX4固件

# 克隆PX4固件仓库（指定v1.14.3稳定版）
git clone --recursive https://github.com/PX4/PX4-Autopilot.git -b v1.14.3
cd PX4-Autopilot

# 运行PX4官方自动配置脚本
bash ./Tools/setup/ubuntu.sh

# 编译SITL仿真版本（此过程约20-40分钟）
make px4_sitl gazebo-classic

编译完成后，PX4会生成可执行文件build/px4_sitl_default/bin/px4。此时可以测试仿真环境是否正常启动：

# 启动PX4 SITL + Gazebo（会自动打开Gazebo窗口）
make px4_sitl gazebo-classic

如果看到Gazebo界面中出现一架四旋翼无人机，且终端输出INFO [commander] Ready for takeoff，说明PX4固件与仿真器已成功对接。

步骤三：安装QGroundControl地面站

# 下载QGC AppImage（约200MB）
wget https://d176tv9ibo4jno.cloudfront.net/latest/QGroundControl.AppImage
chmod +x QGroundControl.AppImage

# 运行QGC（需要安装fuse库）
sudo apt install -y libfuse2
./QGroundControl.AppImage

QGC启动后，会自动通过UDP 14550端口发现本机运行的PX4 SITL实例。在QGC主界面中，应能看到无人机的姿态仪表盘、GPS状态以及电池电量（仿真数据）。

步骤四：安装ROS2 Humble与PX4-ROS2桥接

# 安装ROS2 Humble（按官方文档）
sudo apt install -y ros-humble-desktop python3-argcomplete
sudo apt install -y ros-dev-tools

# 安装Micro-XRCE-DDS-Agent（PX4与ROS2通信的桥接进程）
git clone https://github.com/eProsima/Micro-XRCE-DDS-Agent.git
cd Micro-XRCE-DDS-Agent
mkdir build && cd build
cmake ..
make
sudo make install
sudo ldconfig

# 安装px4-ros2-com（官方提供的ROS2接口包）
cd ~
git clone https://github.com/PX4/px4-ros2-com.git
cd px4-ros2-com
# 将px4_ros_com和px4_msgs链接到ROS2工作空间
mkdir -p ~/ws_px4/src
ln -s ~/px4-ros2-com/px4_ros_com ~/ws_px4/src/
ln -s ~/px4-ros2-com/px4_msgs ~/ws_px4/src/
cd ~/ws_px4
colcon build

步骤五：安装MAVSDK（备用通信方案）

# 安装MAVSDK-Python
pip3 install mavsdk

# 安装MAVSDK-C++（如需C++开发）
wget https://github.com/mavlink/MAVSDK/releases/download/v2.0.1/libmavsdk-dev_2.0.1_amd64.deb
sudo dpkg -i libmavsdk-dev_2.0.1_amd64.deb

至此，核心开发环境已搭建完成。下面通过一个表格总结各组件的作用与验证方法：

4.3 实战场景：配置ROS2与PX4的Offboard通信链路

环境搭建完成后，最关键的一步是验证ROS2能否与PX4正常通信。下面通过一个完整的实战案例，演示如何启动通信链路并验证Offboard指令通道。

场景背景：假设你已按照上述步骤完成安装，现在需要验证ROS2节点能否订阅PX4的无人机状态话题，并成功发送Offboard速度指令。

操作步骤：

1. 启动PX4 SITL与Gazebo：在终端1中运行make px4_sitl gazebo-classic，等待无人机出现在Gazebo中。
2. 启动Micro-XRCE-DDS-Agent：在终端2中运行MicroXRCEAgent udp4 -p 8888，该进程会监听UDP 8888端口，等待PX4的DDS连接。
3. 启动PX4的DDS客户端：在PX4 SITL终端（终端1）中输入dds start，此时PX4会向Agent发起连接，并开始发布ROS2话题。
4. 验证ROS2话题：在终端3中运行source /opt/ros/humble/setup.bash和source ~/ws_px4/install/setup.bash，然后执行ros2 topic list。如果看到/fmu/out/vehicle_attitude、/fmu/out/vehicle_local_position等话题，说明通信链路已打通。
5. 发送Offboard指令测试：编写一个简单的Python节点，通过px4_msgs/msg/OffboardControlMode和VehicleCommand消息发送Offboard模式切换指令，再发送速度设定值。

# offboard_test.py
import rclpy
from rclpy.node import Node
from px4_msgs.msg import OffboardControlMode, VehicleCommand, TrajectorySetpoint

class OffboardTest(Node):
    def __init__(self):
        super().__init__('offboard_test')
        self.pub_offboard = self.create_publisher(OffboardControlMode, '/fmu/in/offboard_control_mode', 10)
        self.pub_traj = self.create_publisher(TrajectorySetpoint, '/fmu/in/trajectory_setpoint', 10)
        self.pub_cmd = self.create_publisher(VehicleCommand, '/fmu/in/vehicle_command', 10)
        self.timer = self.create_timer(0.1, self.timer_callback)
        self.counter = 0

    def timer_callback(self):
        # 发送Offboard控制模式（速度控制）
        offboard_msg = OffboardControlMode()
        offboard_msg.timestamp = int(self.get_clock().now().nanoseconds / 1000)
        offboard_msg.velocity_body = True
        self.pub_offboard.publish(offboard_msg)

        # 发送速度设定值（前飞1m/s）
        traj_msg = TrajectorySetpoint()
        traj_msg.timestamp = int(self.get_clock().now().nanoseconds / 1000)
        traj_msg.velocity = [1.0, 0.0, 0.0]
        self.pub_traj.publish(traj_msg)

        # 前10个周期发送Offboard模式切换指令
        if self.counter == 0:
            cmd_msg = VehicleCommand()
            cmd_msg.timestamp = int(self.get_clock().now().nanoseconds / 1000)
            cmd_msg.command = 176  # MAV_CMD_DO_SET_MODE
            cmd_msg.param1 = 1.0   # MAV_MODE_FLAG_CUSTOM_MODE_ENABLED
            cmd_msg.param2 = 6.0   # PX4_CUSTOM_MAIN_MODE_OFFBOARD
            self.pub_cmd.publish(cmd_msg)
            self.get_logger().info('Offboard mode command sent')
        self.counter += 1

def main(args=None):
    rclpy.init(args=args)
    node = OffboardTest()
    rclpy.spin(node)
    node.destroy_node()
    rclpy.shutdown()

if __name__ == '__main__':
    main()

结果验证：运行该节点后，在QGC中观察无人机状态，应能看到无人机切换到Offboard模式并开始向前飞行。如果无人机没有反应，检查终端中是否有Offboard enabled的日志输出。

4.4 常见误区与总结复盘

在指导学员搭建环境的过程中，以下问题出现频率最高，需要特别警惕：

• 误区一：使用最新版PX4 main分支。main分支是开发版本，API可能随时变动，且与ROS2的兼容性未经充分测试。务必使用release版本（如v1.14.x）。
• 误区二：忽略Gazebo版本差异。Ubuntu 22.04默认安装Gazebo 11，而PX4 v1.14支持Gazebo Classic（即Gazebo 11）和Gazebo Ignition（即Gazebo 8+）。如果使用Ignition，需要额外安装gazebo-ignition包，且启动命令不同（make px4_sitl ignition）。
• 误区三：在虚拟环境中运行QGC。QGC需要访问USB设备（真实硬件）或UDP端口（SITL），在虚拟机中经常出现网络端口映射问题。建议在物理机上直接运行。
• 误区四：忘记source ROS2环境变量。每次打开新终端，都需要执行source /opt/ros/humble/setup.bash和source ~/ws_px4/install/setup.bash，否则无法找到ros2命令和自定义消息类型。
• 误区五：Offboard指令频率过低。PX4要求Offboard设定值必须以至少2Hz的频率持续发送，否则会触发超时保护。实际开发中建议使用20-50Hz发送频率，以保证控制平滑。

总结复盘：开发环境的搭建本质上是一个版本对齐、链路验证、参数调优的过程。建议在正式开发AI识别节点之前，先完成一个最小闭环测试：从Gazebo仿真起飞→ROS2订阅状态→发送Offboard指令→无人机响应→QGC监控。这个闭环验证通过后，再逐步加入AI视觉识别模块，可以大幅降低后期调试的复杂度。另外，建议将环境搭建过程写成自动化脚本（如setup_env.sh），方便团队协作时快速复现环境。