3. 开发环境搭建：PX4/ArduPilot模拟环境、QGroundControl地面站、Python pymavlink库安装

做无人机任务规划开发，最怕什么？

怕炸机。怕飞控代码还没调好，桨叶先打坏了。怕在野外调试时电池突然报警，然后眼睁睁看着飞机掉下来。

所以，我个人的铁律是：所有MAVLink相关的任务规划逻辑，必须在模拟环境里跑通至少三遍，才敢上真机。这一章，我们就来搭一套完整的开发环境——模拟器、地面站、Python库，一个都不能少。

本章目标：搭建一套可用的无人机任务规划开发环境，包含PX4/ArduPilot软件在环仿真（SITL）、QGroundControl地面站、以及Python pymavlink库。完成后，你可以在电脑上模拟一架无人机，并通过MAVLink协议与它通信。

3.1 整体架构：模拟环境里发生了什么？

先看一张图，理解各个组件之间的关系。

说白了，就是三个程序在本地通过UDP端口互相喊话。模拟器扮演飞控，地面站扮演操作员，Python脚本扮演自动化任务规划器。你想想看，这比在真机上调试安全了多少倍？

3.2 安装PX4/ArduPilot SITL模拟环境

这里我以PX4为例，因为我在项目中用得最多。ArduPilot的安装流程也类似，我会在表格里对比说明。

3.2.1 PX4 SITL安装步骤

嗯，这里要注意：PX4的SITL依赖Linux环境。如果你用的是Windows，建议装个WSL2或者直接用虚拟机。我个人习惯用Ubuntu 20.04 LTS，踩坑最少。

安装依赖

sudo apt update
sudo apt install git zip cmake build-essential genromfs ninja-build exiftool
sudo apt install python3-pip python3-numpy python3-jinja2 python3-toml
sudo pip3 install --user kconfiglib jsonschema

克隆PX4源码
```
git clone https://github.com/PX4/PX4-Autopilot.git --recursive
cd PX4-Autopilot
```
这里有个坑——--recursive参数不能少，否则子模块拉不全。我曾经因为这个编译报错，查了半天才发现是子模块没更新。
启动仿真
```
make px4_sitl gazebo
```
这条命令会编译PX4固件并启动Gazebo仿真环境。第一次编译比较慢，大概10-20分钟，取决于你的机器配置。

验证是否成功

终端输出类似下面这样，就说明模拟器跑起来了：

INFO  [simulator] Waiting for simulator to connect on TCP 4560
INFO  [init] MAVLink channel 0 (tcp://127.0.0.1:4560) opened
INFO  [mavlink] MAVLink: data rate: 50 Hz

小技巧：如果你不想启动Gazebo图形界面（比如在服务器上跑），可以用make px4_sitl none_iris启动无头模式。这样只运行飞控逻辑，不加载3D渲染，省资源。

3.2.2 ArduPilot SITL安装（对比）

对比项	PX4 SITL	ArduPilot SITL
安装方式	编译源码	Python pip安装或编译源码
启动命令	`make px4_sitl gazebo`	`sim_vehicle.py -v ArduCopter`
默认仿真器	Gazebo	内置JSBSim或ArduPilot自己的仿真
MAVLink端口	TCP 4560 / UDP 14550	UDP 14550
适用场景	需要高精度物理仿真	快速验证逻辑、算法原型

我个人建议：如果你刚开始学MAVLink协议，用ArduPilot SITL会更轻量。它不需要装Gazebo，一条pip命令就能搞定。但如果你要做精确的轨迹规划或者视觉SLAM，PX4+Gazebo是更好的选择。

3.3 安装QGroundControl地面站

地面站是调试的「眼睛」。没有它，你根本不知道模拟器里发生了什么。

3.3.1 下载与安装

QGroundControl的安装很简单，去官网下载对应系统的安装包就行。我这里说几个要点：

Windows：下载.exe安装包，双击安装。注意安装路径不要有中文。
macOS：下载.dmg文件，拖到Applications文件夹。
Linux：下载.AppImage文件，给执行权限后运行。
```
chmod +x QGroundControl.AppImage
./QGroundControl.AppImage
```

⚠️ 重要提醒：Linux下运行QGC需要安装一些串口库，否则可能无法识别模拟器的UDP连接。运行前先执行：sudo usermod -a -G dialout $USER，然后注销重新登录。

3.3.2 连接模拟器

启动QGC后，它会自动扫描本地UDP端口。如果你已经启动了PX4或ArduPilot的SITL，QGC应该会自动连接上。如果没有自动连接，手动添加一个UDP连接：

点击左上角「Q」图标 → Application Settings
选择 Comm Links 选项卡
点击 Add，类型选 UDP
监听端口填 14550（模拟器默认输出端口）
点击 Connect

连接成功后，你会看到地图上出现一架无人机，姿态数据、GPS坐标、电池电量等信息都在实时更新。嗯，看到这个界面，说明环境已经搭好了大半。

3.4 安装Python pymavlink库

终于到了最核心的部分——用Python和无人机对话。

3.4.1 安装pymavlink

pip3 install pymavlink

就这么简单。但要注意，pymavlink依赖一些C扩展库，如果安装失败，先装一下系统依赖：

sudo apt install python3-dev libxml2-dev libxslt1-dev

我在项目中遇到过一个问题：在macOS上安装pymavlink时，编译报错说找不到mavgen.h。后来发现是Xcode命令行工具没装全。运行xcode-select --install就好了。

3.4.2 验证安装

写一个简单的Python脚本，测试能否连接到模拟器：

#!/usr/bin/env python3
"""
测试pymavlink连接模拟器
"""
from pymavlink import mavutil
import time

# 连接到模拟器（UDP 14550端口）
master = mavutil.mavlink_connection('udp:127.0.0.1:14550')

# 等待心跳包
print("等待心跳包...")
master.wait_heartbeat()
print(f"收到心跳包！系统ID: {master.target_system}, 组件ID: {master.target_component}")

# 请求数据流
master.mav.request_data_stream_send(
    master.target_system,
    master.target_component,
    mavutil.mavlink.MAV_DATA_STREAM_ALL,
    10,  # 10Hz
    1    # 开始发送
)

# 读取10条消息
for i in range(10):
    msg = master.recv_match(blocking=True)
    if msg:
        print(f"收到消息: {msg.get_type()}")
    time.sleep(0.1)

print("测试完成！")

运行这个脚本前，确保模拟器已经在运行。如果输出类似下面这样，说明一切正常：

等待心跳包...
收到心跳包！系统ID: 1, 组件ID: 1
收到消息: HEARTBEAT
收到消息: SYS_STATUS
收到消息: GPS_RAW_INT
收到消息: ATTITUDE
收到消息: LOCAL_POSITION_NED
测试完成！

关键点：wait_heartbeat()是pymavlink连接的第一步。如果收不到心跳包，说明连接没建立。检查模拟器是否在运行，端口号是否正确。

3.5 环境验证：跑一个完整的任务规划流程

环境搭好了，我们来验证一下整个链路是否通畅。写一个简单的任务规划脚本：让无人机起飞、飞到指定点、然后降落。

#!/usr/bin/env python3
"""
任务规划验证脚本：起飞 → 飞往目标点 → 降落
"""
from pymavlink import mavutil
import time

# 连接
master = mavutil.mavlink_connection('udp:127.0.0.1:14550')
master.wait_heartbeat()
print("连接成功！")

# 切换到GUIDED模式
mode = 'GUIDED'
mode_id = master.mode_mapping()[mode]
master.mav.set_mode_send(
    master.target_system,
    mavutil.mavlink.MAV_MODE_FLAG_CUSTOM_MODE_ENABLED,
    mode_id
)
print(f"切换到 {mode} 模式")

# 解锁
master.mav.command_long_send(
    master.target_system,
    master.target_component,
    mavutil.mavlink.MAV_CMD_COMPONENT_ARM_DISARM,
    0, 1, 0, 0, 0, 0, 0, 0
)
print("解锁成功！")

# 起飞到10米高度
master.mav.command_long_send(
    master.target_system,
    master.target_component,
    mavutil.mavlink.MAV_CMD_NAV_TAKEOFF,
    0, 0, 0, 0, 0, 0, 0, 10
)
print("起飞指令已发送，目标高度10米")
time.sleep(5)

# 飞往目标点（纬度、经度、高度）
lat = 47.397742
lon = 8.545594
alt = 20
master.mav.mission_item_send(
    master.target_system,
    master.target_component,
    0,          # 序号
    mavutil.mavlink.MAV_FRAME_GLOBAL_RELATIVE_ALT,
    mavutil.mavlink.MAV_CMD_NAV_WAYPOINT,
    2,          # 当前任务
    0,          # 自动继续
    0, 0, 0, 0, # 参数1-4
    lat, lon, alt
)
print(f"航点指令已发送: ({lat}, {lon}, {alt}m)")
time.sleep(10)

# 降落
master.mav.command_long_send(
    master.target_system,
    master.target_component,
    mavutil.mavlink.MAV_CMD_NAV_LAND,
    0, 0, 0, 0, 0, 0, 0, 0
)
print("降落指令已发送！")

print("任务规划验证完成！")

运行这个脚本时，你可以在QGC上看到无人机起飞、移动、降落的整个过程。如果一切顺利，恭喜你——你的开发环境已经完全就绪了。

调试技巧：如果脚本运行报错，先检查模拟器是否在运行。我习惯在终端里同时开三个窗口：一个跑模拟器，一个跑QGC，一个跑Python脚本。这样哪个环节出问题，一眼就能看出来。

3.6 常见问题与避坑指南

环境搭建过程中，有几个坑我踩过，分享给你：

端口被占用：有时候之前跑过的模拟器没关干净，导致端口被占用。用lsof -i :14550检查端口占用情况，找到进程杀掉。
防火墙拦截：Linux和macOS的防火墙可能会拦截UDP通信。我建议在开发阶段直接关闭防火墙，或者添加UDP 14550/14580端口的放行规则。
Python版本冲突：pymavlink对Python 3.8+支持最好。如果你用的是系统自带的Python 3.6，建议装一个Python 3.10的虚拟环境。
Gazebo启动卡死：第一次启动Gazebo时，它会下载一些模型文件，网络不好的时候会卡住。可以手动下载模型包放到~/.gazebo/models目录下。

⚠️ 安全提醒：模拟环境虽然安全，但也要养成好习惯。不要在模拟器运行时拔网线、强制关机，否则可能导致文件损坏。退出时先按Ctrl+C正常关闭模拟器。

📚 课程目录

3. 开发环境搭建：PX4/ArduPilot模拟环境、QGroundControl地面站、Python pymavlink库安装

3.1 整体架构：模拟环境里发生了什么？

3.2 安装PX4/ArduPilot SITL模拟环境

3.2.1 PX4 SITL安装步骤

3.2.2 ArduPilot SITL安装（对比）

3.3 安装QGroundControl地面站

3.3.1 下载与安装

3.3.2 连接模拟器

3.4 安装Python pymavlink库

3.4.1 安装pymavlink

3.4.2 验证安装

3.5 环境验证：跑一个完整的任务规划流程

3.6 常见问题与避坑指南