简介本资源是一套面向无人机控制与多智能体协同研究者的PX4四旋翼软件在环SITL仿真完整实践方案聚焦自动驾驶/无人机前沿技术领域适用于高校科研、研究生课题及ROS机器人开发工程师。资源涵盖PX4飞控栈集成、Gazebo高保真物理仿真、ROS节点通信、PID姿态控制、单机航点导航及多机编队飞行含领导-跟随、距离保持等策略全流程实现。压缩包共790个文件58.42MB以97个C/H源码控制算法与驱动、84个launch启动脚本ROS-Gazebo-PX4协同配置、69个Python工具脚本数据采集与可视化、24个YAML/CFG参数配置文件含fk_PID.cfg等关键控制器调参、21个world/Gazebo场景模型及32个SDF物理定义文件为核心结构清晰、模块解耦便于二次开发与算法替换。目前已有2158人学习下载提供可直接运行的仿真环境、完整编队控制逻辑、传感器模拟配置IMU/GPS/摄像头及真机调参参考显著降低实飞风险与硬件门槛。1. 从零到一PX4与Gazebo软件在环仿真的核心价值如果你正在接触无人机尤其是想深入四旋翼的控制算法开发、多机编队协同那么“软件在环仿真”是你绕不开的第一个也是最重要的一个环节。我见过太多新手包括几年前的我自己一上来就想着买硬件、焊飞控、调PID结果不是炸机就是烧板子钱和时间都打了水漂。PX4作为目前最主流的开源飞控软件栈其强大之处不仅在于能稳定控制真机更在于它提供了一套极其完善的仿真生态让你能在电脑里用Gazebo这个高保真物理引擎安全、快速、低成本地验证你的所有想法。简单来说PX4 SITLSoftware In The Loop仿真就是把飞控软件本身运行在你的电脑Ubuntu系统上而不是真实的飞控硬件里。Gazebo则负责模拟出一个包含物理定律重力、空气动力学、传感器噪声的虚拟世界以及在这个世界里飞行的无人机模型。PX4通过虚拟的串口与Gazebo通信接收模拟的传感器数据如IMU、GPS并计算出控制指令电机转速发送回Gazebo驱动模型运动。这就形成了一个完整的闭环。你写的任何控制代码、参数调整、甚至是多机通信逻辑都可以在这个闭环里先跑通、测试、迭代无数次而不用担心任何物理风险。为什么这如此重要因为无人机开发尤其是编队飞行是一个典型的“感知-决策-控制”复杂系统。单机的稳定性是基础多机间的通信、避障、队形保持才是难点。在仿真里你可以轻松地给无人机“开上帝视角”注入各种故障如GPS失灵、电机失效测试极端情况下的算法鲁棒性。你也可以一键生成十架、百架无人机来验证你的编队算法能否应对大规模集群。这些在现实世界中需要巨额成本和严密安保才能完成的测试在仿真环境中几乎零成本实现。因此掌握PX4Gazebo的SITL仿真是你从无人机爱好者迈向专业开发者的必经之路。2. 环境搭建在Ubuntu 22.04上构建稳固的仿真基石几乎所有关于PX4的教程都会从环境搭建开始但这也是劝退率最高的步骤。网上的教程版本混杂依赖关系复杂一步出错满盘皆输。根据最新的社区实践和热搜趋势Ubuntu 22.04 LTS是目前最稳定、兼容性最好的选择。下面我将结合我多次重装系统的经验为你梳理一条清晰、避坑的搭建路径。2.1 系统准备与ROS 2 Humble安装PX4仿真环境的核心依赖是ROS 2和Gazebo。我们选择ROS 2 Humble Hawksbill因为它与Ubuntu 22.04是官方匹配的长期支持版本。首先确保你的系统已更新sudo apt update sudo apt upgrade -y设置软件源并安装ROS 2。这里的关键是使用国内镜像源以加速下载例如清华或中科大的源。修改sources.list后执行官方安装脚本的核心命令如下# 设置locale sudo apt update sudo apt install locales -y sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALLen_US.UTF-8 LANGen_US.UTF-8 export LANGen_US.UTF-8 # 添加ROS 2仓库密钥和源 sudo apt install software-properties-common -y sudo add-apt-repository universe -y sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | sudo tee /etc/apt/sources.list.d/ros2.list /dev/null # 安装ROS 2桌面版包含Gazebo等工具 sudo apt update sudo apt install ros-humble-desktop -y安装完成后务必在~/.bashrc文件中添加ROS 2的环境变量这是很多后续命令找不到的根源echo source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc注意如果你使用zsh等其它shell需要修改对应的配置文件如~/.zshrc。一个验证安装是否成功的方法是打开新终端运行ros2 --version应该能正确显示版本号。2.2 PX4 Autopilot 源码下载与编译环境配置接下来是PX4飞控代码本身。官方推荐使用px4-dev-ros-humble这个Docker镜像进行开发但对于初学者或想深入了解编译过程的人来说在宿主机上直接搭建更能理解其脉络。我们采用后者。首先安装一些基础工具和依赖sudo apt install git zip qtcreator cmake build-essential genromfs ninja-build exiftool -y # 安装Python3依赖 sudo apt install python3-pip python3-dev python3-wheel -y pip3 install --user kconfiglib jsonschema future empy toml pyros-genmsg packaging然后克隆PX4源码。注意不要用sudo克隆保持用户目录权限。国内用户可能会遇到GitHub克隆慢的问题可以考虑使用Gitee的镜像源。cd ~ git clone https://github.com/PX4/PX4-Autopilot.git --recursive cd PX4-Autopilot这里有个巨坑子模块Submodules。如果网络不好--recursive可能会失败。如果克隆后进入PX4-Autopilot目录发现Tools/sitl_gazebo等文件夹是空的就需要手动初始化并更新子模块git submodule update --init --recursive这个过程可能很漫长需要耐心等待。子模块完成后开始编译第一个目标px4_sitl_default。这个目标会构建用于Gazebo仿真的PX4可执行文件。make px4_sitl_default第一次编译会下载工具链如arm-none-eabi-gcc和Nuttx系统耗时较长可能30分钟以上请保持网络通畅。如果卡在fetching xtensa compilers这是为真实硬件编译用的工具链你可以暂时跳过因为SITL仿真不需要它。可以在make命令前加上PX4_NO_XTENSACOMPILE1环境变量来跳过。2.3 Gazebo模型与仿真世界配置编译成功后你已经有了PX4 SITL的核心。但要让无人机在Gazebo里飞起来还需要对应的无人机模型和仿真世界。幸运的是PX4源码的Tools/sitl_gazebo目录下已经包含了丰富的模型如Iris, Typhoon H480和世界文件如空世界、城市、草原。然而Gazebo在首次运行时会从在线模型库下载模型这在国内几乎是无法完成的任务会导致Gazebo卡在启动界面。必须提前处理这个问题。方法一使用离线模型包。你可以寻找并下载gazebo_models.tar.gz这样的压缩包解压后放到~/.gazebo/models/目录下。 方法二推荐修改Gazebo配置阻止其在线下载。编辑或创建文件~/.ignition/fuel/config.yaml添加servers: - url: https://api.ignitionrobotics.org local_cache: true cache_max_size: 1024 - url: https://fuel.ignitionrobotics.org local_cache: true cache_max_size: 1024更彻底的方法是在启动Gazebo时直接使用离线模式并指定本地模型路径。但PX4的启动脚本通常会自动处理一部分。一个关键的验证步骤是尝试启动一个最简单的仿真cd ~/PX4-Autopilot make px4_sitl_default gazebo-classic如果一切顺利你会看到Gazebo界面启动加载一个空旷的灰色世界中间停着一架四旋翼无人机默认是Iris模型并且终端里PX4 SITL开始输出启动日志。如果Gazebo窗口黑屏或卡住多半是模型下载问题。如果PX4启动报错可能是环境变量未设置或依赖缺失。3. 深入核心PX4 SITL与Gazebo的通信与控制链路拆解当你在终端输入make px4_sitl_default gazebo-classic并看到无人机稳稳停在Gazebo世界中时背后已经完成了一系列复杂的握手和通信建立。理解这个链路对于后续调试和开发至关重要。这个链路的核心是MAVLink协议和Gazebo插件。3.1 通信架构MAVLink与Gazebo BridgePX4 SITL作为一个飞控程序它认为自己连接着真实的传感器和执行器。在仿真中这些硬件由Gazebo模拟。那么传感器数据如何从Gazebo进入PX4控制指令又如何从PX4传回Gazebo驱动电机答案是MAVLink微服务隧道和Gazebo ROS插件。PX4 SITL启动当你运行make px4_sitl时它首先会启动一个PX4实例。这个实例会创建几个关键的UDP端口14540用于接收来自地面站如QGroundControl的MAVLink指令。14580用于发送MAVLink数据到地面站。一个随机的高端口用于与Gazebo通信。Gazebo模型加载make命令随后会调用Gazebo并加载指定的世界文件如iris.world。这个世界文件里不仅定义了地形、光照更重要的是它通过include标签引用了无人机模型文件如iris.sdf。在这个SDF模型文件中定义了飞机的物理属性质量、惯性、外观、以及插件Plugin。核心插件libgazebo_mavlink_interface.so这是连接Gazebo与PX4的桥梁。该插件在模型中被实例化并做了以下几件关键事创建UDP客户端连接到PX4 SITL启动时创建的那个随机高端口。模拟传感器插件内部有代码模拟IMU加速度计、陀螺仪、磁力计、GPS等传感器。它根据Gazebo物理引擎计算出的模型位姿、速度生成带有典型噪声和偏差的仿真数据。封装MAVLink消息将这些仿真传感器数据按照MAVLink协议例如HIL_SENSOR,HIL_GPS消息打包通过UDP发送给PX4 SITL。接收执行器指令监听来自PX4 SITL的UDP端口接收MAVLinkHIL_ACTUATOR_CONTROLS消息该消息包含了PX4计算出的各电机通道的控制量通常为0~1之间的归一化值。驱动模型将接收到的控制量通过Gazebo的API转换为施加在模型关节电机和螺旋桨上的力或扭矩从而使飞机在仿真中运动。闭环形成Gazebo根据受力更新模型状态位姿、速度→ 插件读取新状态并生成传感器数据 → 发送给PX4 → PX4的EKF扩展卡尔曼滤波融合传感器数据得到状态估计 → 控制器位置环、速度环、姿态环根据期望指令和状态估计计算出控制量 → 发送给Gazebo插件 → 插件施加力改变模型状态。如此循环仿真就“活”了起来。实操心得当你发现仿真中无人机不受控制、疯狂抖动或者直接坠落时排查这个通信链路是第一步。可以使用netstat -anp | grep px4查看PX4打开了哪些端口用ss -ulnp查看UDP端口绑定情况。确保没有其它程序占用这些端口特别是多次启动仿真未成功退出时残留的进程会占用端口导致新的仿真无法连接。3.2 仿真模型解析从SDF文件理解无人机参数我们以最常用的iris模型为例。它的模型文件位于~/PX4-Autopilot/Tools/sitl_gazebo/models/iris/iris.sdf。打开这个文件你能直观地看到仿真无人机的所有秘密。link标签定义了模型的刚体部分。例如base_link代表机身rotor_0到rotor_3代表四个电机/螺旋桨单元。每个link内部会定义inertial质量、惯性矩、collision碰撞几何和visual外观网格。joint标签连接各个link。对于旋翼通常使用revolute旋转关节将螺旋桨连接到电机底座。关键属性是axis它定义了旋转轴这决定了螺旋桨是正桨还是反桨。plugin标签这是模型的灵魂。除了上述的MAVLink接口插件你还会看到libgazebo_motor_model.so电机模型插件。它接收来自mavlink_interface插件的控制量并计算输出扭矩和推力。其参数如motorConstant推力系数、momentConstant扭矩系数直接决定了电机的力效影响飞机的动力特性。libgazebo_lidar_plugin.so、libgazebo_optical_flow_plugin.so等模拟各种额外传感器。如果你想测试激光雷达避障或光流定点就需要在模型中加入并配置这些插件。参数调整的影响在SITL中调试控制参数的一大优势就是可以快速修改模型参数来模拟不同特性的飞机。例如增加inertial中的mass值飞机就会变得更“笨重”原有的PID参数可能就无法稳定控制这就逼着你重新整定控制器以适应更大惯量的机型。这种能力在真机调试中是不可想象的。4. 单机控制实战在仿真中实现定点与航线飞行环境搭好了原理也懂了现在让我们真正“飞”起来。我们将通过两个最基础也最重要的任务手动控制、定点模式Position和任务模式Mission来掌握如何与仿真中的无人机交互。4.1 启动仿真与QGroundControl连接首先启动一个带有光流和激光雷达传感器的Iris模型仿真这为我们后续的室内定点飞行做准备cd ~/PX4-Autopilot export PX4_SITL_WORLDwarehouse.world # 使用仓库世界有室内环境 make px4_sitl_default gazebo-classic_iris_opt_flow这个命令会启动Gazebo加载一个仓库内部的世界并生成一架配备了向下光流传感器和激光雷达的Iris无人机。接下来我们需要一个地面站来发送指令和监控状态。QGroundControl (QGC)是PX4生态的官方地面站功能强大。去官网下载AppImage版本赋予执行权限后即可运行。chmod x ./QGroundControl.AppImage ./QGroundControl.AppImage启动QGC后它应该会自动通过UDP连接到本地14550端口PX4 SITL默认配置。在QGC的左上角你会看到连接状态变为“已连接”并显示心跳、电池、GPS等信息。如果没自动连接可以在“应用程序设置” - “通讯链接”中手动添加一个UDP链接端口为14550。4.2 飞行模式切换与手动控制在QGC的飞行视图中间有一个飞行模式切换器。默认情况下仿真无人机启动在“定高Altitude”模式。在这个模式下摇杆的横滚Roll和俯仰Pitch控制飞机的倾斜角度油门Throttle控制上升下降速度偏航Yaw控制机头方向。飞机的高度由控制器自动维持。让你的第一飞在QGC中确保模式为“定高Altitude”。在Gazebo窗口中点击视图确保焦点在3D窗口内。使用你的遥控器如果已连接或者键盘进行控制。PX4 SITL默认支持键盘控制箭头键控制俯仰前后和横滚左右。W/A/S/D控制油门W上升S下降和偏航A左转D右转。T解锁电机Arm。解锁前确保飞机水平放置在Gazebo中可以用鼠标拖动调整初始位置。L上锁电机Disarm。按下T听到解锁提示音在终端或QGC中有日志然后轻推油门按W飞机应缓缓离地。尝试用方向键控制它前后左右移动。切换到定点模式Position在QGC中将模式切换到“定点Position”。这个模式需要有效的水平位置信息源。在户外通常是GPS。在我们的仓库仿真中GPS信号很弱室内但光流传感器提供了水平速度估计激光雷达或超声波提供了高度信息EKF融合这些数据后也能实现室内定点。切换到定点模式后你会发现摇杆/键盘的控制逻辑变了现在摇杆控制的是北东地坐标系下的水平速度和垂直速度。你向前推杆飞机会以一个恒定的速度向前飞而不是倾斜机身。松开摇杆飞机就会刹车并悬停在当前位置。这是实现自动飞行的基础。4.3 任务规划与自动飞行QGC最强大的功能之一是任务规划。你可以在地图上或Gazebo的3D视图中点击一系列航点为每个航点设置高度、速度、停留时间、动作如拍照然后上传给无人机执行。规划任务在QGC的“计划”视图点击地图或视图添加航点。例如设置一个矩形航线。上传与执行点击右上角的上传按钮将任务发送给无人机。然后将飞行模式切换到“任务Mission”。无人机会自动起飞如果第一个航点高度大于0依次飞向各个航点并在最后一个航点完成后自动返航或降落。监控与干预在任务执行过程中你可以在“飞行视图”实时监控飞机状态、剩余航点、电池等。任何时候你都可以切换回“定高”或“定点”模式接管控制权。踩坑实录在仿真中执行任务时经常遇到无人机在航点附近“画圈”无法精确到达的情况。这通常是由于导航参数设置不当引起的。关键参数是NAV_ACC_RAD航点接受半径和NAV_LOITER_RAD盘旋半径。如果NAV_ACC_RAD设置过小比如默认2米而无人机的位置估计存在波动仿真中也有噪声它可能永远无法满足“进入半径”的条件就会一直在航点周围徘徊。我的经验是在仿真测试时可以先将NAV_ACC_RAD设为5-10米让任务流程先跑通再逐步收紧参数测试控制精度。这些参数可以在QGC的“参数”界面中搜索并修改。5. 迈向协同多无人机编队仿真的实现思路单机控制是基础编队飞行才是体现智能和协同能力的舞台。在Gazebo中实现多机仿真核心思想是为每一架无人机启动一个独立的PX4 SITL实例和一个Gazebo模型并让它们使用不同的网络端口同时通过某种方式如ROS 2话题进行机间通信。5.1 基于启动脚本的多机仿真部署PX4提供了一套名为ros2 launch的启动方式可以方便地启动多机。但理解其底层脚本更有助于排查问题。本质上多机启动脚本如multi_uav_mavros_sitl.launch做了以下几件事分配唯一标识为每架飞机分配一个唯一的ID如1,2,3和模型名称如uav1, uav2。设置独立端口为每个PX4实例分配独立的UDP端口避免冲突。例如第一架飞机的MAVLink系统ID为1使用UDP端口14540地面站、14580机外API和18570Gazebo通信第二架飞机系统ID为2端口号相应偏移如14541,14581,18571。生成独立工作空间每个PX4实例需要运行在一个独立的终端或后台进程中其工作目录PX4-Autopilot是相同的但通过环境变量如PX4_INSTANCE,PX4_SIM_MODEL来区分彼此。在Gazebo中生成模型通过Gazebo的ROS服务或修改世界文件在指定初始位置x, y, z生成多个无人机模型。每个模型的Gazebo插件配置会连接到对应的PX4实例端口。一个简化的手动启动两架飞机的思路如下实际使用官方脚本更可靠# 终端1启动第一架飞机 cd ~/PX4-Autopilot export PX4_SYS_AUTOSTART4001 # Iris模型 export PX4_INSTANCE1 export PX4_GZ_MODELiris1 make px4_sitl_default gazebo-classic # 终端2启动第二架飞机需要新开终端 cd ~/PX4-Autopilot export PX4_SYS_AUTOSTART4001 export PX4_INSTANCE2 export PX4_GZ_MODELiris2 make px4_sitl_default gazebo-classic同时你需要一个对应的Gazebo世界文件里面定义了两个iris模型并且它们的插件配置中的UDP端口要与上面实例的端口匹配。这非常繁琐因此强烈建议使用PX4官方或社区维护的多机启动launch文件。5.2 基于ROS 2的编队通信与控制当多架飞机在同一个Gazebo世界中运行起来后它们还只是独立的个体。要实现编队就需要让它们彼此“对话”。ROS 2是理想的中间件。每架飞机的PX4 SITL实例都可以通过一个MAVROS 2或PX4-ROS 2 Bridge节点将其内部状态位置、速度、姿态和指令接口转换为ROS 2的话题和服务。典型的编队控制架构状态获取每架飞机运行一个mavros节点或micro_ros_agent配合PX4的uxrce_dds_client将飞机的/mavros/global_position/globalGPS坐标、/mavros/local_position/pose局部坐标等话题发布到ROS 2网络中。编队控制器编写一个集中的编队控制节点或分布式的节点。这个节点订阅所有飞机的位姿信息。根据预设的队形如三角形、菱形、队形中心点的期望轨迹结合避障算法为每架飞机计算出一个期望的设定点Setpoint可以是位置、速度或加速度。指令下发编队控制器将计算出的设定点通过ROS 2话题如/uav1/mavros/setpoint_position/local发送给每架飞机对应的mavros节点。mavros节点再通过MAVLink协议将设定点指令发送给PX4飞控。PX4执行每架飞机的PX4飞控运行着位置控制器它接收来自编队控制器的设定点与自身估计的状态进行比较通过PID等控制算法计算出电机控制量最终驱动Gazebo中的模型运动从而形成编队。一个简单的圆形编队示例思路# 伪代码基于rclpy (ROS 2 Python客户端库) class FormationController(Node): def __init__(self): super().__init__(formation_controller) # 订阅所有飞机的位置 self.sub1 self.create_subscription(PoseStamped, /uav1/mavros/local_position/pose, self.pose_callback1, 10) self.sub2 self.create_subscription(PoseStamped, /uav2/mavros/local_position/pose, self.pose_callback2, 10) # 发布给每架飞机的设定点 self.pub1 self.create_publisher(PoseStamped, /uav1/mavros/setpoint_position/local, 10) self.pub2 self.create_publisher(PoseStamped, /uav2/mavros/setpoint_position/local, 10) # 定时器计算并发布设定点 self.timer self.create_timer(0.1, self.timer_callback) # 10Hz self.center [0, 0, 3] # 编队中心点 self.radius 5.0 # 圆半径 self.angle_offset {1: 0, 2: math.pi} # 两架飞机相差180度 def timer_callback(self): current_time self.get_clock().now().seconds_nanoseconds()[0] # 计算每架飞机在圆上的目标位置 for uav_id in [1, 2]: angle 2 * math.pi * current_time / 30.0 self.angle_offset[uav_id] # 30秒一圈 target_x self.center[0] self.radius * math.cos(angle) target_y self.center[1] self.radius * math.sin(angle) target_z self.center[2] # 构建并发布PoseStamped消息 pose_msg PoseStamped() pose_msg.header.stamp self.get_clock().now().to_msg() pose_msg.pose.position.x target_x pose_msg.pose.position.y target_y pose_msg.pose.position.z target_z pose_msg.pose.orientation.w 1.0 # 机头朝向圆心外简化处理 if uav_id 1: self.pub1.publish(pose_msg) else: self.pub2.publish(pose_msg)这个简单的控制器会让两架飞机围绕(0,0,3)点做一个半径为5米的圆周运动且始终保持相对位置相差180度。在实际应用中你需要加入更复杂的逻辑如队形变换、避碰、通信拓扑管理等。核心注意事项多机仿真的资源消耗是巨大的。每增加一架飞机就几乎要增加一整套PX4 SITL和Gazebo模型的计算开销。对于复杂的编队算法测试建议先在简单的“空世界”中进行并关闭Gazebo的图形界面使用HEADLESS1 make px4_sitl_default gazebo以节省资源。同时确保你的机器有足够的内存建议16GB以上和强大的CPU。本文还有配套的精品资源点击获取 PX4与Gazebo SITL仿真：从环境搭建到多机编队实战指南
简介本资源是一套面向无人机控制与多智能体协同研究者的PX4四旋翼软件在环SITL仿真完整实践方案聚焦自动驾驶/无人机前沿技术领域适用于高校科研、研究生课题及ROS机器人开发工程师。资源涵盖PX4飞控栈集成、Gazebo高保真物理仿真、ROS节点通信、PID姿态控制、单机航点导航及多机编队飞行含领导-跟随、距离保持等策略全流程实现。压缩包共790个文件58.42MB以97个C/H源码控制算法与驱动、84个launch启动脚本ROS-Gazebo-PX4协同配置、69个Python工具脚本数据采集与可视化、24个YAML/CFG参数配置文件含fk_PID.cfg等关键控制器调参、21个world/Gazebo场景模型及32个SDF物理定义文件为核心结构清晰、模块解耦便于二次开发与算法替换。目前已有2158人学习下载提供可直接运行的仿真环境、完整编队控制逻辑、传感器模拟配置IMU/GPS/摄像头及真机调参参考显著降低实飞风险与硬件门槛。1. 从零到一PX4与Gazebo软件在环仿真的核心价值如果你正在接触无人机尤其是想深入四旋翼的控制算法开发、多机编队协同那么“软件在环仿真”是你绕不开的第一个也是最重要的一个环节。我见过太多新手包括几年前的我自己一上来就想着买硬件、焊飞控、调PID结果不是炸机就是烧板子钱和时间都打了水漂。PX4作为目前最主流的开源飞控软件栈其强大之处不仅在于能稳定控制真机更在于它提供了一套极其完善的仿真生态让你能在电脑里用Gazebo这个高保真物理引擎安全、快速、低成本地验证你的所有想法。简单来说PX4 SITLSoftware In The Loop仿真就是把飞控软件本身运行在你的电脑Ubuntu系统上而不是真实的飞控硬件里。Gazebo则负责模拟出一个包含物理定律重力、空气动力学、传感器噪声的虚拟世界以及在这个世界里飞行的无人机模型。PX4通过虚拟的串口与Gazebo通信接收模拟的传感器数据如IMU、GPS并计算出控制指令电机转速发送回Gazebo驱动模型运动。这就形成了一个完整的闭环。你写的任何控制代码、参数调整、甚至是多机通信逻辑都可以在这个闭环里先跑通、测试、迭代无数次而不用担心任何物理风险。为什么这如此重要因为无人机开发尤其是编队飞行是一个典型的“感知-决策-控制”复杂系统。单机的稳定性是基础多机间的通信、避障、队形保持才是难点。在仿真里你可以轻松地给无人机“开上帝视角”注入各种故障如GPS失灵、电机失效测试极端情况下的算法鲁棒性。你也可以一键生成十架、百架无人机来验证你的编队算法能否应对大规模集群。这些在现实世界中需要巨额成本和严密安保才能完成的测试在仿真环境中几乎零成本实现。因此掌握PX4Gazebo的SITL仿真是你从无人机爱好者迈向专业开发者的必经之路。2. 环境搭建在Ubuntu 22.04上构建稳固的仿真基石几乎所有关于PX4的教程都会从环境搭建开始但这也是劝退率最高的步骤。网上的教程版本混杂依赖关系复杂一步出错满盘皆输。根据最新的社区实践和热搜趋势Ubuntu 22.04 LTS是目前最稳定、兼容性最好的选择。下面我将结合我多次重装系统的经验为你梳理一条清晰、避坑的搭建路径。2.1 系统准备与ROS 2 Humble安装PX4仿真环境的核心依赖是ROS 2和Gazebo。我们选择ROS 2 Humble Hawksbill因为它与Ubuntu 22.04是官方匹配的长期支持版本。首先确保你的系统已更新sudo apt update sudo apt upgrade -y设置软件源并安装ROS 2。这里的关键是使用国内镜像源以加速下载例如清华或中科大的源。修改sources.list后执行官方安装脚本的核心命令如下# 设置locale sudo apt update sudo apt install locales -y sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALLen_US.UTF-8 LANGen_US.UTF-8 export LANGen_US.UTF-8 # 添加ROS 2仓库密钥和源 sudo apt install software-properties-common -y sudo add-apt-repository universe -y sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | sudo tee /etc/apt/sources.list.d/ros2.list /dev/null # 安装ROS 2桌面版包含Gazebo等工具 sudo apt update sudo apt install ros-humble-desktop -y安装完成后务必在~/.bashrc文件中添加ROS 2的环境变量这是很多后续命令找不到的根源echo source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc注意如果你使用zsh等其它shell需要修改对应的配置文件如~/.zshrc。一个验证安装是否成功的方法是打开新终端运行ros2 --version应该能正确显示版本号。2.2 PX4 Autopilot 源码下载与编译环境配置接下来是PX4飞控代码本身。官方推荐使用px4-dev-ros-humble这个Docker镜像进行开发但对于初学者或想深入了解编译过程的人来说在宿主机上直接搭建更能理解其脉络。我们采用后者。首先安装一些基础工具和依赖sudo apt install git zip qtcreator cmake build-essential genromfs ninja-build exiftool -y # 安装Python3依赖 sudo apt install python3-pip python3-dev python3-wheel -y pip3 install --user kconfiglib jsonschema future empy toml pyros-genmsg packaging然后克隆PX4源码。注意不要用sudo克隆保持用户目录权限。国内用户可能会遇到GitHub克隆慢的问题可以考虑使用Gitee的镜像源。cd ~ git clone https://github.com/PX4/PX4-Autopilot.git --recursive cd PX4-Autopilot这里有个巨坑子模块Submodules。如果网络不好--recursive可能会失败。如果克隆后进入PX4-Autopilot目录发现Tools/sitl_gazebo等文件夹是空的就需要手动初始化并更新子模块git submodule update --init --recursive这个过程可能很漫长需要耐心等待。子模块完成后开始编译第一个目标px4_sitl_default。这个目标会构建用于Gazebo仿真的PX4可执行文件。make px4_sitl_default第一次编译会下载工具链如arm-none-eabi-gcc和Nuttx系统耗时较长可能30分钟以上请保持网络通畅。如果卡在fetching xtensa compilers这是为真实硬件编译用的工具链你可以暂时跳过因为SITL仿真不需要它。可以在make命令前加上PX4_NO_XTENSACOMPILE1环境变量来跳过。2.3 Gazebo模型与仿真世界配置编译成功后你已经有了PX4 SITL的核心。但要让无人机在Gazebo里飞起来还需要对应的无人机模型和仿真世界。幸运的是PX4源码的Tools/sitl_gazebo目录下已经包含了丰富的模型如Iris, Typhoon H480和世界文件如空世界、城市、草原。然而Gazebo在首次运行时会从在线模型库下载模型这在国内几乎是无法完成的任务会导致Gazebo卡在启动界面。必须提前处理这个问题。方法一使用离线模型包。你可以寻找并下载gazebo_models.tar.gz这样的压缩包解压后放到~/.gazebo/models/目录下。 方法二推荐修改Gazebo配置阻止其在线下载。编辑或创建文件~/.ignition/fuel/config.yaml添加servers: - url: https://api.ignitionrobotics.org local_cache: true cache_max_size: 1024 - url: https://fuel.ignitionrobotics.org local_cache: true cache_max_size: 1024更彻底的方法是在启动Gazebo时直接使用离线模式并指定本地模型路径。但PX4的启动脚本通常会自动处理一部分。一个关键的验证步骤是尝试启动一个最简单的仿真cd ~/PX4-Autopilot make px4_sitl_default gazebo-classic如果一切顺利你会看到Gazebo界面启动加载一个空旷的灰色世界中间停着一架四旋翼无人机默认是Iris模型并且终端里PX4 SITL开始输出启动日志。如果Gazebo窗口黑屏或卡住多半是模型下载问题。如果PX4启动报错可能是环境变量未设置或依赖缺失。3. 深入核心PX4 SITL与Gazebo的通信与控制链路拆解当你在终端输入make px4_sitl_default gazebo-classic并看到无人机稳稳停在Gazebo世界中时背后已经完成了一系列复杂的握手和通信建立。理解这个链路对于后续调试和开发至关重要。这个链路的核心是MAVLink协议和Gazebo插件。3.1 通信架构MAVLink与Gazebo BridgePX4 SITL作为一个飞控程序它认为自己连接着真实的传感器和执行器。在仿真中这些硬件由Gazebo模拟。那么传感器数据如何从Gazebo进入PX4控制指令又如何从PX4传回Gazebo驱动电机答案是MAVLink微服务隧道和Gazebo ROS插件。PX4 SITL启动当你运行make px4_sitl时它首先会启动一个PX4实例。这个实例会创建几个关键的UDP端口14540用于接收来自地面站如QGroundControl的MAVLink指令。14580用于发送MAVLink数据到地面站。一个随机的高端口用于与Gazebo通信。Gazebo模型加载make命令随后会调用Gazebo并加载指定的世界文件如iris.world。这个世界文件里不仅定义了地形、光照更重要的是它通过include标签引用了无人机模型文件如iris.sdf。在这个SDF模型文件中定义了飞机的物理属性质量、惯性、外观、以及插件Plugin。核心插件libgazebo_mavlink_interface.so这是连接Gazebo与PX4的桥梁。该插件在模型中被实例化并做了以下几件关键事创建UDP客户端连接到PX4 SITL启动时创建的那个随机高端口。模拟传感器插件内部有代码模拟IMU加速度计、陀螺仪、磁力计、GPS等传感器。它根据Gazebo物理引擎计算出的模型位姿、速度生成带有典型噪声和偏差的仿真数据。封装MAVLink消息将这些仿真传感器数据按照MAVLink协议例如HIL_SENSOR,HIL_GPS消息打包通过UDP发送给PX4 SITL。接收执行器指令监听来自PX4 SITL的UDP端口接收MAVLinkHIL_ACTUATOR_CONTROLS消息该消息包含了PX4计算出的各电机通道的控制量通常为0~1之间的归一化值。驱动模型将接收到的控制量通过Gazebo的API转换为施加在模型关节电机和螺旋桨上的力或扭矩从而使飞机在仿真中运动。闭环形成Gazebo根据受力更新模型状态位姿、速度→ 插件读取新状态并生成传感器数据 → 发送给PX4 → PX4的EKF扩展卡尔曼滤波融合传感器数据得到状态估计 → 控制器位置环、速度环、姿态环根据期望指令和状态估计计算出控制量 → 发送给Gazebo插件 → 插件施加力改变模型状态。如此循环仿真就“活”了起来。实操心得当你发现仿真中无人机不受控制、疯狂抖动或者直接坠落时排查这个通信链路是第一步。可以使用netstat -anp | grep px4查看PX4打开了哪些端口用ss -ulnp查看UDP端口绑定情况。确保没有其它程序占用这些端口特别是多次启动仿真未成功退出时残留的进程会占用端口导致新的仿真无法连接。3.2 仿真模型解析从SDF文件理解无人机参数我们以最常用的iris模型为例。它的模型文件位于~/PX4-Autopilot/Tools/sitl_gazebo/models/iris/iris.sdf。打开这个文件你能直观地看到仿真无人机的所有秘密。link标签定义了模型的刚体部分。例如base_link代表机身rotor_0到rotor_3代表四个电机/螺旋桨单元。每个link内部会定义inertial质量、惯性矩、collision碰撞几何和visual外观网格。joint标签连接各个link。对于旋翼通常使用revolute旋转关节将螺旋桨连接到电机底座。关键属性是axis它定义了旋转轴这决定了螺旋桨是正桨还是反桨。plugin标签这是模型的灵魂。除了上述的MAVLink接口插件你还会看到libgazebo_motor_model.so电机模型插件。它接收来自mavlink_interface插件的控制量并计算输出扭矩和推力。其参数如motorConstant推力系数、momentConstant扭矩系数直接决定了电机的力效影响飞机的动力特性。libgazebo_lidar_plugin.so、libgazebo_optical_flow_plugin.so等模拟各种额外传感器。如果你想测试激光雷达避障或光流定点就需要在模型中加入并配置这些插件。参数调整的影响在SITL中调试控制参数的一大优势就是可以快速修改模型参数来模拟不同特性的飞机。例如增加inertial中的mass值飞机就会变得更“笨重”原有的PID参数可能就无法稳定控制这就逼着你重新整定控制器以适应更大惯量的机型。这种能力在真机调试中是不可想象的。4. 单机控制实战在仿真中实现定点与航线飞行环境搭好了原理也懂了现在让我们真正“飞”起来。我们将通过两个最基础也最重要的任务手动控制、定点模式Position和任务模式Mission来掌握如何与仿真中的无人机交互。4.1 启动仿真与QGroundControl连接首先启动一个带有光流和激光雷达传感器的Iris模型仿真这为我们后续的室内定点飞行做准备cd ~/PX4-Autopilot export PX4_SITL_WORLDwarehouse.world # 使用仓库世界有室内环境 make px4_sitl_default gazebo-classic_iris_opt_flow这个命令会启动Gazebo加载一个仓库内部的世界并生成一架配备了向下光流传感器和激光雷达的Iris无人机。接下来我们需要一个地面站来发送指令和监控状态。QGroundControl (QGC)是PX4生态的官方地面站功能强大。去官网下载AppImage版本赋予执行权限后即可运行。chmod x ./QGroundControl.AppImage ./QGroundControl.AppImage启动QGC后它应该会自动通过UDP连接到本地14550端口PX4 SITL默认配置。在QGC的左上角你会看到连接状态变为“已连接”并显示心跳、电池、GPS等信息。如果没自动连接可以在“应用程序设置” - “通讯链接”中手动添加一个UDP链接端口为14550。4.2 飞行模式切换与手动控制在QGC的飞行视图中间有一个飞行模式切换器。默认情况下仿真无人机启动在“定高Altitude”模式。在这个模式下摇杆的横滚Roll和俯仰Pitch控制飞机的倾斜角度油门Throttle控制上升下降速度偏航Yaw控制机头方向。飞机的高度由控制器自动维持。让你的第一飞在QGC中确保模式为“定高Altitude”。在Gazebo窗口中点击视图确保焦点在3D窗口内。使用你的遥控器如果已连接或者键盘进行控制。PX4 SITL默认支持键盘控制箭头键控制俯仰前后和横滚左右。W/A/S/D控制油门W上升S下降和偏航A左转D右转。T解锁电机Arm。解锁前确保飞机水平放置在Gazebo中可以用鼠标拖动调整初始位置。L上锁电机Disarm。按下T听到解锁提示音在终端或QGC中有日志然后轻推油门按W飞机应缓缓离地。尝试用方向键控制它前后左右移动。切换到定点模式Position在QGC中将模式切换到“定点Position”。这个模式需要有效的水平位置信息源。在户外通常是GPS。在我们的仓库仿真中GPS信号很弱室内但光流传感器提供了水平速度估计激光雷达或超声波提供了高度信息EKF融合这些数据后也能实现室内定点。切换到定点模式后你会发现摇杆/键盘的控制逻辑变了现在摇杆控制的是北东地坐标系下的水平速度和垂直速度。你向前推杆飞机会以一个恒定的速度向前飞而不是倾斜机身。松开摇杆飞机就会刹车并悬停在当前位置。这是实现自动飞行的基础。4.3 任务规划与自动飞行QGC最强大的功能之一是任务规划。你可以在地图上或Gazebo的3D视图中点击一系列航点为每个航点设置高度、速度、停留时间、动作如拍照然后上传给无人机执行。规划任务在QGC的“计划”视图点击地图或视图添加航点。例如设置一个矩形航线。上传与执行点击右上角的上传按钮将任务发送给无人机。然后将飞行模式切换到“任务Mission”。无人机会自动起飞如果第一个航点高度大于0依次飞向各个航点并在最后一个航点完成后自动返航或降落。监控与干预在任务执行过程中你可以在“飞行视图”实时监控飞机状态、剩余航点、电池等。任何时候你都可以切换回“定高”或“定点”模式接管控制权。踩坑实录在仿真中执行任务时经常遇到无人机在航点附近“画圈”无法精确到达的情况。这通常是由于导航参数设置不当引起的。关键参数是NAV_ACC_RAD航点接受半径和NAV_LOITER_RAD盘旋半径。如果NAV_ACC_RAD设置过小比如默认2米而无人机的位置估计存在波动仿真中也有噪声它可能永远无法满足“进入半径”的条件就会一直在航点周围徘徊。我的经验是在仿真测试时可以先将NAV_ACC_RAD设为5-10米让任务流程先跑通再逐步收紧参数测试控制精度。这些参数可以在QGC的“参数”界面中搜索并修改。5. 迈向协同多无人机编队仿真的实现思路单机控制是基础编队飞行才是体现智能和协同能力的舞台。在Gazebo中实现多机仿真核心思想是为每一架无人机启动一个独立的PX4 SITL实例和一个Gazebo模型并让它们使用不同的网络端口同时通过某种方式如ROS 2话题进行机间通信。5.1 基于启动脚本的多机仿真部署PX4提供了一套名为ros2 launch的启动方式可以方便地启动多机。但理解其底层脚本更有助于排查问题。本质上多机启动脚本如multi_uav_mavros_sitl.launch做了以下几件事分配唯一标识为每架飞机分配一个唯一的ID如1,2,3和模型名称如uav1, uav2。设置独立端口为每个PX4实例分配独立的UDP端口避免冲突。例如第一架飞机的MAVLink系统ID为1使用UDP端口14540地面站、14580机外API和18570Gazebo通信第二架飞机系统ID为2端口号相应偏移如14541,14581,18571。生成独立工作空间每个PX4实例需要运行在一个独立的终端或后台进程中其工作目录PX4-Autopilot是相同的但通过环境变量如PX4_INSTANCE,PX4_SIM_MODEL来区分彼此。在Gazebo中生成模型通过Gazebo的ROS服务或修改世界文件在指定初始位置x, y, z生成多个无人机模型。每个模型的Gazebo插件配置会连接到对应的PX4实例端口。一个简化的手动启动两架飞机的思路如下实际使用官方脚本更可靠# 终端1启动第一架飞机 cd ~/PX4-Autopilot export PX4_SYS_AUTOSTART4001 # Iris模型 export PX4_INSTANCE1 export PX4_GZ_MODELiris1 make px4_sitl_default gazebo-classic # 终端2启动第二架飞机需要新开终端 cd ~/PX4-Autopilot export PX4_SYS_AUTOSTART4001 export PX4_INSTANCE2 export PX4_GZ_MODELiris2 make px4_sitl_default gazebo-classic同时你需要一个对应的Gazebo世界文件里面定义了两个iris模型并且它们的插件配置中的UDP端口要与上面实例的端口匹配。这非常繁琐因此强烈建议使用PX4官方或社区维护的多机启动launch文件。5.2 基于ROS 2的编队通信与控制当多架飞机在同一个Gazebo世界中运行起来后它们还只是独立的个体。要实现编队就需要让它们彼此“对话”。ROS 2是理想的中间件。每架飞机的PX4 SITL实例都可以通过一个MAVROS 2或PX4-ROS 2 Bridge节点将其内部状态位置、速度、姿态和指令接口转换为ROS 2的话题和服务。典型的编队控制架构状态获取每架飞机运行一个mavros节点或micro_ros_agent配合PX4的uxrce_dds_client将飞机的/mavros/global_position/globalGPS坐标、/mavros/local_position/pose局部坐标等话题发布到ROS 2网络中。编队控制器编写一个集中的编队控制节点或分布式的节点。这个节点订阅所有飞机的位姿信息。根据预设的队形如三角形、菱形、队形中心点的期望轨迹结合避障算法为每架飞机计算出一个期望的设定点Setpoint可以是位置、速度或加速度。指令下发编队控制器将计算出的设定点通过ROS 2话题如/uav1/mavros/setpoint_position/local发送给每架飞机对应的mavros节点。mavros节点再通过MAVLink协议将设定点指令发送给PX4飞控。PX4执行每架飞机的PX4飞控运行着位置控制器它接收来自编队控制器的设定点与自身估计的状态进行比较通过PID等控制算法计算出电机控制量最终驱动Gazebo中的模型运动从而形成编队。一个简单的圆形编队示例思路# 伪代码基于rclpy (ROS 2 Python客户端库) class FormationController(Node): def __init__(self): super().__init__(formation_controller) # 订阅所有飞机的位置 self.sub1 self.create_subscription(PoseStamped, /uav1/mavros/local_position/pose, self.pose_callback1, 10) self.sub2 self.create_subscription(PoseStamped, /uav2/mavros/local_position/pose, self.pose_callback2, 10) # 发布给每架飞机的设定点 self.pub1 self.create_publisher(PoseStamped, /uav1/mavros/setpoint_position/local, 10) self.pub2 self.create_publisher(PoseStamped, /uav2/mavros/setpoint_position/local, 10) # 定时器计算并发布设定点 self.timer self.create_timer(0.1, self.timer_callback) # 10Hz self.center [0, 0, 3] # 编队中心点 self.radius 5.0 # 圆半径 self.angle_offset {1: 0, 2: math.pi} # 两架飞机相差180度 def timer_callback(self): current_time self.get_clock().now().seconds_nanoseconds()[0] # 计算每架飞机在圆上的目标位置 for uav_id in [1, 2]: angle 2 * math.pi * current_time / 30.0 self.angle_offset[uav_id] # 30秒一圈 target_x self.center[0] self.radius * math.cos(angle) target_y self.center[1] self.radius * math.sin(angle) target_z self.center[2] # 构建并发布PoseStamped消息 pose_msg PoseStamped() pose_msg.header.stamp self.get_clock().now().to_msg() pose_msg.pose.position.x target_x pose_msg.pose.position.y target_y pose_msg.pose.position.z target_z pose_msg.pose.orientation.w 1.0 # 机头朝向圆心外简化处理 if uav_id 1: self.pub1.publish(pose_msg) else: self.pub2.publish(pose_msg)这个简单的控制器会让两架飞机围绕(0,0,3)点做一个半径为5米的圆周运动且始终保持相对位置相差180度。在实际应用中你需要加入更复杂的逻辑如队形变换、避碰、通信拓扑管理等。核心注意事项多机仿真的资源消耗是巨大的。每增加一架飞机就几乎要增加一整套PX4 SITL和Gazebo模型的计算开销。对于复杂的编队算法测试建议先在简单的“空世界”中进行并关闭Gazebo的图形界面使用HEADLESS1 make px4_sitl_default gazebo以节省资源。同时确保你的机器有足够的内存建议16GB以上和强大的CPU。本文还有配套的精品资源点击获取