4. 数据采集环境搭建：PX4/ArduPilot仿真环境搭建、QGC与仿真器连接

好，咱们进入第四章。前面几章我们把无人机数据采集的理论框架和传感器原理捋了一遍，从这章开始，要动真格的了——搭建仿真环境。

为什么非得先搭仿真？我个人的血泪教训是：真机调试一次炸机成本太高，而且很多极端工况（比如GPS丢星、电机堵转）在真机上测试风险极大。仿真环境能让你在电脑上跑完90%的调试工作，剩下的10%才是真机微调。说白了，仿真就是你的“数字试飞场”。

4.1 仿真架构概览：数据是怎么流动的？

先别急着装软件，咱们得搞清楚数据在仿真环境里是怎么跑的。我画了张图，你看完就明白整个链路了。

你看，数据流其实很清晰：QGC 通过 MAVLink 协议给 PX4/ArduPilot 发指令，固件解算后把控制量传给 Gazebo/SITL 仿真器，仿真器模拟物理环境和传感器数据再反馈回固件，固件把状态打包发回 QGC 显示。这个闭环就是整个仿真调试的基础。

4.2 PX4 仿真环境搭建（基于 Gazebo）

我个人更常用 PX4 + Gazebo 的组合，因为 Gazebo 的物理引擎更成熟，传感器模型也更丰富。咱们一步步来。

4.2.1 环境依赖安装

嗯，这里要注意：PX4 官方推荐 Ubuntu 20.04 或 22.04。如果你用 Windows，建议装个 WSL2 或者直接上虚拟机。我踩过坑——Windows 原生跑 Gazebo 性能损失太大，画面卡得跟幻灯片似的。

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

# 安装基础依赖
sudo apt install -y \
  git zip cmake build-essential genromfs ninja-build \
  exiftool python3-pip python3-venv python3-dev \
  python3-numpy python3-jinja2 python3-toml \
  python3-empy python3-serial python3-pyparsing \
  python3-packaging python3-setuptools

# 安装 Gazebo 11（PX4 官方推荐）
sudo apt install -y gazebo11 libgazebo11-dev

# 安装 PX4 编译工具链
git clone https://github.com/PX4/PX4-Autopilot.git --recursive
cd PX4-Autopilot
make px4_sitl gazebo

第一次编译大概要 20-30 分钟，取决于你的网络和 CPU。趁这个时间，你可以去泡杯咖啡。我记得我第一次编译时，因为网络问题卡在下载依赖上，后来换了国内镜像源才搞定。

4.2.2 启动仿真并验证

编译成功后，启动仿真只需要一条命令：

# 启动 PX4 SITL + Gazebo，默认加载 iris 四旋翼模型
cd ~/PX4-Autopilot
make px4_sitl gazebo

你会看到 Gazebo 窗口弹出，一架 iris 四旋翼停在跑道上。同时终端里会打印 PX4 的启动日志，最后出现 [px4] startup complete 就说明成功了。

这时候你可以用键盘控制无人机起飞：

# 在另一个终端中
cd ~/PX4-Autopilot
python3 Tools/sitl_gazebo/scripts/takeoff.py

脚本会让无人机自动起飞到 2.5 米高度。如果看到无人机稳稳悬停，恭喜你，环境搭好了。

4.3 ArduPilot 仿真环境搭建（基于 SITL）

ArduPilot 的仿真方式跟 PX4 不太一样。它用的是自带的 SITL（Software In The Loop）模拟器，不需要额外装 Gazebo。说白了，ArduPilot 的 SITL 把飞控逻辑和简单的物理模型打包在一起了，轻量但功能足够。

4.3.1 安装 ArduPilot SITL

# 克隆 ArduPilot 代码
git clone https://github.com/ArduPilot/ardupilot.git
cd ardupilot

# 安装依赖
git submodule update --init --recursive
./Tools/environment_install/install-prereqs-ubuntu.sh -y

# 编译 SITL（以四旋翼为例）
./waf configure --board sitl
./waf copter

编译完成后，启动 SITL：

# 启动 ArduPilot SITL 四旋翼仿真
cd ardupilot
sim_vehicle.py -v ArduCopter --map --console

这个命令会启动三个窗口：SITL 终端、MAVProxy 控制台、以及一个简易地图界面。你可以在 MAVProxy 里输入 arm throttle 解锁，然后 takeoff 10 让无人机飞到 10 米高度。

4.4 QGC 与仿真器连接配置

环境搭好了，仿真器也跑起来了，接下来就是让 QGC 跟它们“对上话”。

4.4.1 QGC 安装

QGC 的安装很简单，去官网下载 AppImage 或者用 Snap 安装：

# 下载最新版 QGC AppImage
wget https://d176tv9ibo4jno.cloudfront.net/latest/QGroundControl.AppImage
chmod +x QGroundControl.AppImage
./QGroundControl.AppImage

如果你是 Ubuntu 22.04，可能需要安装一些额外的库：

sudo apt install -y libfuse2 libxcb-xinerama0

4.4.2 连接 PX4 + Gazebo

启动 PX4 SITL 后，QGC 通常会自动检测到。如果没自动连接，手动配置一下：

1. 打开 QGC，点击左上角 Q 图标 → Application Settings → Comm Links
2. 点击 Add，选择 UDP 类型
3. 填写：Listening Port = 14550，Target Host = 127.0.0.1，Target Port = 14540
4. 点击 OK，然后选中该链接点击 Connect

连接成功后，QGC 主界面会显示无人机状态：GPS 信号、电池电压、姿态角等。你可以在 Analyze 视图里看到 MAVLink 消息的实时流。

4.4.3 连接 ArduPilot SITL

ArduPilot 的连接更简单。启动 SITL 后，QGC 通常会自动弹出连接提示。如果没有：

1. 同样进入 Comm Links 设置
2. 添加 UDP 链接：Listening Port = 14550，Target Host = 127.0.0.1，Target Port = 14551
3. 连接即可

4.5 仿真环境对比与选型建议

很多初学者会纠结：到底学 PX4 还是 ArduPilot？我个人的建议是：

对比维度	PX4 + Gazebo	ArduPilot SITL
物理引擎	Gazebo（ODE/DART），更真实	内置简化模型，轻量
传感器模型	丰富（IMU、GPS、激光雷达、相机等）	基础传感器（IMU、GPS、气压计）
启动速度	较慢（需加载 Gazebo 3D 场景）	快（秒级启动）
适用场景	视觉SLAM、避障、多机协同	飞控逻辑验证、参数调优
学习曲线	较陡（需了解 Gazebo 和 ROS）	平缓（开箱即用）

如果你做的是数据采集相关的课程项目，我建议先用 ArduPilot SITL 快速上手，等熟悉了 MAVLink 数据流和 QGC 分析功能后，再切换到 PX4 + Gazebo 做更复杂的仿真。

4.6 常见问题与排查

搭建环境时肯定会遇到问题。我把最常见的几个列出来，你遇到了直接对照排查：

• QGC 显示“No Heartbeat”：说明 QGC 没收到固件的心跳包。检查端口配置是否正确，或者防火墙是否拦截了 UDP 端口。
• Gazebo 启动后黑屏：通常是显卡驱动问题。试试 export SVGA_VGPU10=0 再启动，或者用 gazebo --verbose 看日志。
• 编译 PX4 时卡在下载依赖：国内用户建议设置 Git 代理，或者用 px4-offboard 的国内镜像。
• ArduPilot SITL 启动报错“No module named 'MAVProxy'”：运行 pip3 install MAVProxy 安装即可。