3. 无人机仿真环境搭建

在PX4无人机开发中，仿真环境是连接算法设计与实机部署的关键桥梁。通过软件在环（SITL）仿真，开发者可以在不接触真实硬件的情况下，验证飞控逻辑、视觉模型、Offboard控制协议以及MAVLink通信链路。本章将系统讲解如何搭建一套完整的仿真开发环境，涵盖Gazebo物理仿真、PX4 SITL固件编译、MAVSDK通信库以及ROS2中间件的协同配置，并最终通过一次基础起飞与降落任务验证整个链路的正确性。本章内容将直接服务于后续章节中视觉模型部署与Offboard模式联调，因此环境搭建的规范性与可复现性至关重要。

上图展示了本章将要搭建的仿真环境核心架构。整个系统由四个主要组件构成：Gazebo负责提供物理世界模拟，包括重力、空气阻力、地面接触以及传感器数据生成；PX4 SITL作为飞控固件的仿真实例，运行在宿主机上，接收传感器数据并输出PWM控制指令；MAVSDK作为外部通信库，通过MAVLink协议与PX4交互，提供任务控制、状态查询等高级接口；ROS2则作为机器人应用层框架，承载视觉模型、路径规划等计算任务，并通过MAVSDK或直接MAVLink桥接与飞控通信。理解这一数据流是后续所有开发工作的基础。

3.1 环境准备与核心组件原理

在开始安装之前，需要明确各组件在仿真链路中的角色与原理。PX4 SITL并非一个独立的仿真器，而是将PX4固件编译为宿主机可执行文件，通过共享内存或UDP与Gazebo通信。Gazebo中的每个传感器模型（如IMU、GPS、气压计）都会产生带噪声的数据，通过MAVLink消息封装后发送给SITL飞控。飞控运行完整的姿态估计与控制算法，输出电机指令，再通过MAVLink回传给Gazebo，驱动模型运动。这一闭环完全模拟了真实硬件的行为，但所有计算都在PC上完成。

这里需要特别强调MAVLink协议的分层设计。MAVLink是一种轻量级消息协议，定义了消息帧格式、校验和以及消息ID。在SITL环境中，PX4默认监听UDP端口14540，地面站连接14550，而MAVSDK则通过14540或独立端口与飞控通信。理解端口分配对于排查通信故障至关重要。

3.2 分步安装与配置流程

环境搭建遵循“从底层到上层”的原则：先安装系统依赖，再编译PX4固件，然后配置Gazebo模型，最后安装MAVSDK和ROS2桥接。以下是经过验证的完整操作流程。

1. 系统依赖安装：更新apt源，安装git、cmake、ninja-build、python3-pip等基础工具。PX4编译需要特定的gcc版本，Ubuntu 22.04默认gcc 11满足要求。
2. 克隆PX4源码：使用git clone --recursive https://github.com/PX4/PX4-Autopilot.git获取完整源码，子模块包含固件、工具链和仿真模型。
3. 运行PX4自动配置脚本：进入PX4-Autopilot目录，执行bash ./Tools/setup/ubuntu.sh。该脚本会自动安装所有依赖，包括Gazebo、ROS2（可选）、MAVSDK等。建议在干净系统上执行，避免依赖冲突。
4. 编译PX4 SITL：执行make px4_sitl gazebo-classic。首次编译需要20-30分钟，生成build/px4_sitl_default/bin/px4可执行文件。
5. 验证Gazebo模型：编译完成后，运行make px4_sitl gazebo-classic会自动启动Gazebo窗口，并加载默认的Iris四旋翼模型。此时PX4飞控已在后台运行，等待MAVLink连接。
6. 安装MAVSDK：通过pip安装Python版MAVSDK：pip3 install mavsdk，或通过CMake编译C++版本。Python版适合快速验证，C++版适合性能敏感场景。
7. 配置ROS2桥接：PX4提供了px4_ros_com包，用于将MAVLink消息转换为ROS2话题。安装ROS2 Humble后，编译该包并启动微XRCE-DDS桥接节点。

# 启动PX4 SITL（终端1）
cd ~/PX4-Autopilot
make px4_sitl gazebo-classic

# 启动MAVSDK测试脚本（终端2）
python3 -m pip install mavsdk
python3 -c "import asyncio; from mavsdk import System; 
async def test():
    drone = System()
    await drone.connect(system_address='udp://:14540')
    print('连接成功')
asyncio.run(test())"

上述命令中，udp://:14540表示MAVSDK作为客户端监听本机14540端口，与PX4 SITL建立通信。连接成功后，可以查询飞控版本、电池状态等信息。

3.3 基础飞行验证：起飞、悬停与降落

环境搭建完成后，必须通过一次完整的飞行任务验证链路可靠性。这里使用MAVSDK编写一个简单的起飞-悬停-降落脚本，该脚本将作为后续Offboard控制的基础模板。

import asyncio
from mavsdk import System
from mavsdk.action import ActionError

async def run_mission():
    drone = System()
    await drone.connect(system_address="udp://127.0.0.1:14540")
    
    # 等待飞控就绪
    async for state in drone.core.connection_state():
        if state.is_connected:
            print("飞控已连接")
            break
    
    # 获取起飞前状态
    async for health in drone.telemetry.health():
        if health.is_armable and health.is_global_position_ok:
            print("飞控可解锁")
            break
    
    # 起飞并悬停
    await drone.action.arm()
    await drone.action.takeoff()
    await asyncio.sleep(10)  # 悬停10秒
    
    # 降落
    await drone.action.land()
    print("任务完成")

if __name__ == "__main__":
    asyncio.run(run_mission())

执行该脚本后，观察Gazebo窗口中的无人机模型：应完成解锁、螺旋桨旋转、垂直起飞至2.5米高度、稳定悬停10秒、最后缓慢降落。同时，终端会输出飞控状态变化日志。如果出现起飞后漂移或无法解锁，需要检查传感器校准状态。

3.4 常见误区与调试技巧

在仿真环境搭建过程中，开发者常遇到以下几类问题，这里给出针对性的解决方案。

• 误区一：忽略Gazebo模型与PX4固件版本匹配。PX4每个版本对应特定的Gazebo模型格式，使用旧模型加载新固件可能导致传感器数据异常。解决方法是使用make px4_sitl gazebo-classic自动匹配模型。
• 误区二：MAVSDK连接地址错误。PX4 SITL默认监听127.0.0.1:14540，但某些配置下会绑定到0.0.0.0。使用netstat -ulnp查看实际监听地址。
• 误区三：ROS2桥接节点未启动。如果后续需要ROS2话题通信，必须确保micro-ROS agent和px4_ros_com节点同时运行。仅启动PX4 SITL不会自动创建ROS2话题。
• 误区四：仿真时间与真实时间不同步。Gazebo默认使用实时因子1.0，但CPU负载过高时会导致仿真变慢，影响控制律计算。可通过gz physics命令检查实时因子。

调试过程中，建议使用QGroundControl地面站作为辅助监控工具。它可以通过UDP 14550端口连接SITL，实时显示姿态、位置、电池电压等遥测数据，并支持日志记录。当MAVSDK脚本出现异常时，QGC的日志往往能提供更底层的飞控状态信息。

最后，为了确保环境可复现，建议将整个配置过程记录为Dockerfile或Ansible脚本。PX4官方提供了px4io/px4-dev-simulationDocker镜像，包含完整的仿真环境。使用容器化方案可以避免不同开发机之间的环境差异，特别适合团队协作场景。

通过本章的学习，读者应能够独立完成从零搭建PX4 SITL仿真环境，并通过MAVSDK控制虚拟无人机完成基础飞行任务。这一能力是后续实现视觉模型部署、Offboard模式控制以及复杂任务规划的前提。在下一阶段，我们将基于此环境，深入探讨如何将视觉感知模块接入飞控系统，实现真正的视觉引导飞行。