3. Ubuntu 系统准备：把地基打牢

做嵌入式开发这么多年，我有个很深的体会：环境折腾得越久，后面写代码就越顺。PX4 仿真也不例外。Ubuntu 系统就是这栋房子的地基，地基没打好，后面 Gazebo 崩了、MAVSDK 连不上、显卡驱动挂了……你都不知道该从哪查起。

这一章，我们就来把 Ubuntu 20.04 或 22.04 装好、配好、调好。嗯，显卡驱动和 CUDA 我放在可选部分，不是所有人都需要，但如果你打算跑深度强化学习或者视觉 SLAM，那还是装上吧。

3.1 版本选择：20.04 还是 22.04？

这个问题我经常被问到。直接说结论：

特性	Ubuntu 20.04 LTS	Ubuntu 22.04 LTS
PX4 官方推荐	✅ 最成熟，文档最全	✅ 支持，但部分旧教程不兼容
Gazebo 版本	Gazebo 9/11（默认）	Gazebo 11（需手动装）
ROS 兼容性	ROS1 Noetic / ROS2 Foxy	ROS2 Humble / ROS1 Noetic（需额外配置）
Python 版本	Python 3.8	Python 3.10
长期维护	支持到 2025 年	支持到 2027 年

我个人建议：如果你是新手，或者跟着网上大部分教程走，选 Ubuntu 20.04。踩坑少，搜问题容易找到答案。如果你喜欢新东西，或者打算长期用 ROS2，那 22.04 也可以，但要做好自己填坑的准备。

3.2 系统安装：双系统还是虚拟机？

这个问题其实没有标准答案。我两种都用过，说说我的感受：

• 双系统：性能最好，显卡直通，适合跑真机仿真或需要 GPU 加速的场景。缺点是你得重启切换，有点麻烦。
• 虚拟机（VMware / VirtualBox）：方便，随时快照，不怕搞坏系统。但 3D 加速是个坑，Gazebo 跑起来会卡。
• WSL2：Windows 下的 Linux 子系统，轻量，但 GUI 支持还是差点意思，Gazebo 界面偶尔会闪。

如果你问我，我会说：老老实实装双系统。尤其是你要做 PX4 仿真，Gazebo 对 3D 性能要求不低，虚拟机里跑起来你会想砸电脑的。

3.3 系统基础配置：装完系统第一件事

系统装好之后，别急着装 PX4。先把这几步走完：

3.3.1 换源：让 apt 飞起来

国内连 Ubuntu 官方源，那速度……你懂的。换成国内镜像源，体验会好很多。

# 备份原源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 编辑源列表
sudo vim /etc/apt/sources.list

# 把内容全部替换为清华源（以 20.04 为例）
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

# 更新
sudo apt update && sudo apt upgrade -y

如果你用的是 22.04，把 focal 换成 jammy 就行。中科大、阿里云的源也都可以，选一个你感觉快的。

3.3.2 安装基础依赖

这些包是 PX4 编译和仿真必需的，我建议一次性装好：

sudo apt install -y \
  git \
  vim \
  curl \
  wget \
  cmake \
  build-essential \
  python3-pip \
  python3-venv \
  ninja-build \
  pkg-config \
  libeigen3-dev \
  libgstreamer1.0-dev \
  libgstreamer-plugins-base1.0-dev \
  libprotobuf-dev \
  protobuf-compiler \
  libboost-all-dev \
  libssl-dev \
  libudev-dev \
  libusb-1.0-0-dev

3.3.3 配置 Git 和 SSH

PX4 源码在 GitHub 上，你肯定要用 Git 拉代码。配置好 SSH 密钥，后面就不用每次都输密码了。

# 配置用户名和邮箱
git config --global user.name "Your Name"
git config --global user.email "your.email@example.com"

# 生成 SSH 密钥
ssh-keygen -t ed25519 -C "your.email@example.com"

# 查看公钥，复制到 GitHub 设置里
cat ~/.ssh/id_ed25519.pub

嗯，这一步虽然简单，但很多人会忘。我记得有一次帮同事排查问题，发现他每次拉代码都要输密码，就是因为没配 SSH。

3.4 显卡驱动与 CUDA（可选）

如果你用的是 NVIDIA 显卡，并且打算跑 GPU 加速的仿真（比如用 CUDA 做深度强化学习），那这一步是必须的。如果只是跑普通的 PX4 + Gazebo 仿真，集成显卡就够了，可以跳过。

3.4.1 安装 NVIDIA 驱动

别去官网下载 .run 文件手动装，那个坑太多。用 Ubuntu 自带的 ubuntu-drivers 工具最稳：

# 查看推荐驱动版本
ubuntu-drivers devices

# 自动安装推荐驱动
sudo ubuntu-drivers autoinstall

# 或者手动指定版本（比如 535）
sudo apt install nvidia-driver-535

# 装完重启
sudo reboot

重启后，用 nvidia-smi 检查是否装成功。如果能看到显卡信息，就说明驱动装好了。

3.4.2 安装 CUDA Toolkit

CUDA 是 NVIDIA 的并行计算平台。如果你要用 GPU 跑算法，就得装它。

# 从 NVIDIA 官网下载 CUDA 11.8（以 20.04 为例）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

# 运行安装程序
sudo sh cuda_11.8.0_520.61.05_linux.run

# 安装时注意：不要勾选 Driver（驱动已经装过了），只选 Toolkit
# 安装完成后，配置环境变量
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# 验证安装
nvcc --version

如果你用的是 22.04，CUDA 12.x 也支持，但要注意和驱动版本的兼容性。我建议先查一下 CUDA 兼容性矩阵，再决定装哪个版本。

3.4.3 安装 cuDNN（可选）

如果你要做深度学习，cuDNN 能加速神经网络训练和推理。安装步骤稍微麻烦一点：

# 从 NVIDIA 官网下载 cuDNN（需要注册账号）
# 下载后解压
tar -xzvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz

# 复制文件到 CUDA 目录
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.8/include/
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-11.8/lib64/

# 设置权限
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*

3.5 本章知识体系

下面这张图，帮你理清 Ubuntu 系统准备的完整流程：

这张图把本章的内容串起来了。你可以看到，版本选择和系统安装是前置条件，基础配置是必做项，显卡驱动和 CUDA 是可选增强项。按照这个顺序来，不会乱。

3.6 本章小结

Ubuntu 系统准备这一步，看起来琐碎，但真的很重要。我见过太多人，装完系统直接拉 PX4 源码开始编译，结果各种报错，最后发现是依赖没装全，或者源没换好。