📚 课程目录第4章仿真环境与工具链

4. 仿真环境与工具链

无人机融合感知的仿真验证，核心不是“把飞机放进一个三维画面里飞”，而是构建一条从物理世界到传感器数据再到飞控与感知算法的完整闭环链路。工具链选型决定了这条链路的保真度、实时性和可扩展性。本章围绕 Gazebo、AirSim、Isaac Sim 三类仿真器，ROS/ROS2 中间件，PX4 SITL 软件在环，以及仿真资产与场景搭建方法展开，帮助读者建立“选型—搭建—联调”的整体认知。

一、核心原理：仿真工具链的分层结构

一套可用的无人机融合感知仿真系统，通常由四层构成：物理仿真层负责刚体动力学、碰撞、风扰与传感器物理建模；中间件层负责节点通信、时间同步与数据分发；飞控层运行真实固件的 SITL 版本，输出电机指令与姿态估计；感知与验证层运行视觉、激光、融合定位等算法，并完成指标评估。四层之间的数据流方向与时钟基准，是联调中最容易出问题的环节。

二、三类仿真器的定位与选型

Gazebo 是 ROS 生态中最成熟的物理仿真器，支持 URDF/SDF 模型、传感器插件和多种物理引擎，与 PX4 SITL 的集成方案（如 px4 sitl gazebo）开箱即用，适合验证飞控逻辑、多机编队和基础感知链路。AirSim 基于 Unreal Engine，视觉渲染质量高，提供 Python/C++ API，能方便地获取深度图、分割图和点云，适合视觉感知算法的快速迭代。Isaac Sim 基于 Omniverse 与 PhysX，支持 GPU 并行仿真和域随机化，适合生成大规模合成数据集、训练感知网络，但对硬件要求高、学习曲线陡。

仿真器	物理保真度	视觉渲染	ROS 集成	典型用途
Gazebo	中高	中	原生支持	飞控 SITL、多机、基础感知
AirSim	中	高	需桥接	视觉感知、深度/分割数据
Isaac Sim	高	很高	ROS 2 桥接	合成数据、域随机化、大规模并行

三、PX4 SITL 与 ROS/ROS2 的联调流程

PX4 SITL 让真实飞控固件运行在桌面环境中，通过 MAVLink 与仿真器交换传感器与控制数据。典型联调流程如下：

启动仿真器并加载无人机模型与场景；
启动 PX4 SITL，指定机型与仿真后端；
启动 MAVROS 或 micro-ROS 桥接，建立 ROS 与 MAVLink 的通道；
检查话题与坐标系，确认 /mavros/state、/clock、TF 树正常；
解锁并切换 Offboard 模式，发送位置或速度设定点；
运行感知节点，订阅传感器话题并输出融合结果。

# 终端1：启动 Gazebo 与 PX4 SITL
make px4_sitl gazebo

# 终端2：启动 MAVROS 桥接
ros2 launch mavros px4.launch fcu_url:="udp://:14540@127.0.0.1:14557"

# 终端3：查看关键话题
ros2 topic list | grep mavros
ros2 topic echo /mavros/state

# 终端4：启动感知节点
ros2 run perception fusion_node --ros-args -p use_sim_time:=true

联调时务必设置 use_sim_time:=true，否则 ROS 节点会使用系统时钟，与仿真时钟不一致，导致 TF 变换和传感器时间戳错乱。

四、仿真资产与场景搭建方法

仿真资产包括无人机机体、传感器、地面站、障碍物和地形。搭建场景时，建议遵循“先简后繁、先静后动”的原则：先用简单几何体验证坐标与接口，再替换为高保真模型；先搭建静态场景，再引入动态障碍与风扰。常用方法包括：使用 SDF/URDF 描述模型，通过 gazebo_ros 插件挂载传感器，利用 world 文件组织场景，并通过 ros2 launch 统一启动。

<!-- 示例：在 world 文件中添加一个双目相机模型 -->
<model name="stereo_cam">
  <pose>0 0 0.1 0 0 0</pose>
  <link name="left">
    <sensor type="camera">
      <update_rate>30</update_rate>
      <camera><horizontal_fov>1.047</horizontal_fov></camera>
    </sensor>
  </link>
</model>

五、常见误区与复盘

坐标系混乱：ENU 与 NED 混用，导致位置控制反向。建议统一在 ROS 侧使用 ENU，在 MAVLink 侧明确转换。
时间不同步：仿真时钟与系统时钟混用，传感器数据时间戳漂移，融合算法发散。
传感器模型过于理想：未加入噪声、延迟和畸变，仿真结果无法迁移到实飞。
场景与任务不匹配：在空旷场景验证避障算法，无法暴露真实环境中的遮挡与动态干扰。
忽略计算资源：Isaac Sim 高保真渲染占用大量 GPU，导致实时性下降，需合理设置渲染频率与分辨率。

仿真验证通过不等于实飞通过。仿真环境中的传感器噪声、风扰、通信延迟和光照条件往往被简化，建议在仿真中逐步加入域随机化，并在实飞前进行硬件在环（HIL）测试，缩小仿真与实飞的差距。

综上，工具链选型应围绕任务目标展开：飞控与多机验证优先 Gazebo + PX4 SITL；视觉感知算法迭代优先 AirSim；大规模合成数据与高保真场景优先 Isaac Sim。ROS/ROS2 作为中间件贯穿始终，负责数据流、时间同步与坐标变换。掌握分层结构与联调流程，才能让仿真真正服务于融合感知算法的验证与迁移。