PX4+ROS+Gazebo无人机仿真平台搭建：从零到起飞全攻略

简介本资源是面向无人机开发者、高校师生及自动驾驶研究者的通用仿真平台聚焦PX4飞控、ROS中间件与Gazebo物理仿真三者深度集成解决真实飞行测试成本高、风险大、迭代慢等核心痛点适用于自主导航算法验证、避障策略开发、遥感任务仿真及教学实验等场景。压缩包为910.34MB的ZIP文件包含完整XTDrone-master源码、ROS功能包、PX4固件配置、Gazebo世界模型及启动脚本等其中C/Python节点代码支撑控制逻辑launch与SDF文件实现环境与系统快速部署配置文档详述多机型适配与通信桥接机制。目前已有3215人学习下载用户可直接复现虚拟飞行全流程获取开箱即用的软硬件在环测试框架、模块化调试接口及典型任务如定点悬停、路径跟踪、传感器数据闭环的参考实现显著降低从理论到仿真的落地门槛。1. 为什么我最后选了PX4 ROS Gazebo这套组合先说结论如果你打算认真搞无人机算法开发而不是只想看飞机在屏幕里转圈那PX4、ROS和Gazebo这套组合仍然是目前最稳妥、资料最全、社区最活跃的通用仿真方案。我前后试过几套别的路子折腾一圈又回到了这儿。很多人一开始会被“仿真平台”四个字劝退觉得又要装Linux又要配环境门槛太高。但换个角度想真机试错一次的成本够你在仿真里把同一个场景跑几百遍。炸机、撞墙、飞丢、GPS漂移这些在仿真里都是几秒钟重启的事。更实在的是仿真平台能帮你把控制逻辑、感知算法、通信链路全跑通再上真机时心里有底得多。这套平台能做什么简单说就是在一台电脑里用Gazebo搭建虚拟世界和无人机模型用PX4跑飞控逻辑用ROS把传感器数据、控制指令、状态信息全部串起来。你可以仿真悬停、定点、航线飞行也能接上视觉SLAM、路径规划、目标跟踪这些上层算法。从学生做课题到工程师预研新功能基本都是这条路。它适合谁想入门无人机开发的爱好者做毕设或科研的本科生研究生还有想在公司里快速验证算法的开发者。只要你愿意花两三天把环境弄好后面省下的时间绝对值得。2. 搭建前的整体思路先别急着敲命令2.1 把三个角色的分工搞清楚再动手PX4、ROS、Gazebo这三个东西很多人一开始分不清谁管什么结果出了问题也不知道该查谁。我习惯用一个比方来理解Gazebo是“舞台布景”负责搭建虚拟世界包括地形、光照、障碍物以及无人机本体的外观、质量和碰撞模型。它只负责把物理世界模拟出来。PX4是“驾驶员的大脑”负责飞行控制。它接收期望位置或速度结合IMU、气压计、GPS这些传感器数据算出电机油门输出。它就是跑在真机上的那份飞控固件只不过在仿真里跑在PC上。ROS是“通讯总线”负责让各个模块互相说话。传感器数据从Gazebo出来经过ROS话题发给算法算法算出的控制指令通过ROS发给PX4PX4的状态再通过ROS回报给上层。理解了这三个分工很多配置问题就迎刃而解。比如Gazebo里飞机没动先看是PX4没解锁还是没有启停指令算法收不到图像先查ROS话题名对不对电机转速异常多半是模型或者物理参数没配对。2.2 版本选型是最大的隐藏坑这套仿真平台最折磨人的不是原理而是版本匹配。我见过太多人卡在编译错误上最后发现是Ubuntu版本和ROS版本对不上。推荐一套目前最省心的组合Ubuntu 22.04ROS 2 Humble也可以用ROS 1 Noetic后面细说Gazebo Classic 11注意不是Gazebo Ignition虽然Ignition也能用但PX4官方支持和文档还是以Classic为主PX4 Autopilot的main分支或者v1.14左右的稳定版为什么推荐Ubuntu 22.04 ROS 2 Humble因为这是当前资料最充足、踩坑记录最多的组合。你要是用Ubuntu 24.04配ROS 2 Jazzy也能跑但很多依赖包、示例代码还没完全跟上出了问题搜索都搜不到。别在最前沿当小白鼠做仿真平台追求的是稳定复现。如果你之前接触过ROS 1用Noetic也能跑PX4仿真而且现在很多老教程还停留在ROS 1。但我的建议是如果是新项目直接上ROS 2。因为ROS 1停止维护是早晚的事将来你想接新的算法库、新的硬件驱动ROS 2的生态明显更活跃。我这里主要讲ROS 2 Humble的路径ROS 1的差异点会单独提一下。2.3 虚拟机还是双系统我推荐虚拟机很多人在第一步就纠结要不要装双系统我的答案是如果你只是做仿真开发虚拟机完全够用而且更安全。Vmware Workstation Player免费版就能跑分配4核CPU、8GB内存、100GB磁盘跑PX4 Gazebo Classic RViz2只要不开巨型地图流畅度可以接受。双系统的优势是性能损耗小但劣势是切换麻烦而且一旦搞坏系统修复成本高。虚拟机的好处是快照功能环境配好之后打一个快照后面再怎么折腾都能一键还原。我自己的开发机就是Windows宿主机 Ubuntu虚拟机除了大型点云地图偶尔有点卡其他完全没问题。要是你的电脑内存小于16GB建议先加内存再跑仿真。3. 环境搭建实操从零到起飞的全过程3.1 第一步安装ROS 2 Humble装ROS 2最忌讳的事情就是自己一条条去官网复制命令。官网步骤没错但容易漏掉依赖而且国内网络拉取软件源经常超时。我推荐直接用鱼香ROS的一键安装脚本这工具在无人机和机器人圈子里口碑不错能省掉八成麻烦。wget http://fishros.com/install -O fishros chmod x fishros ./fishros运行之后按提示选择ROS 2 Humble桌面版安装。如果你的网络不好脚本会让你选择国内镜像源选一个延迟低的就行。装完后记得验证source /opt/ros/humble/setup.bash ros2 run demo_nodes_cpp talker再开一个终端source /opt/ros/humble/setup.bash ros2 run demo_nodes_py listener能看到talker和listener在互相发消息ROS 2就算装好了。注意每次新开终端都要先source不然找不到ros2命令。把这句话写进~/.bashrc里可以省事echo source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc3.2 第二步安装Gazebo Classic 11用ROS 2的apt源直接装Gazebo也很方便但有个坑Ubuntu 22.04默认源里的Gazebo是Ignition版本不是Classic。PX4官方现在主要支持Gazebo Classic所以一定要指定版本。最稳妥的方式是用PX4官方给的安装脚本它会帮你把Gazebo Classic、依赖库、无人机模型全部搞定git clone https://github.com/PX4/PX4-Autopilot.git --recursive cd PX4-Autopilot bash ./Tools/setup/ubuntu.sh这个脚本会安装ROS 2 Humble、Gazebo Classic、MAVSDK、QGroundControl等一堆工具。脚本跑完基本就齐活了。如果你的网络在拉PX4子模块时特别慢可以试试用代理或者换一个时间段。实在不行去Gitee找PX4的镜像仓库也行但注意子模块也要一起拉。装完Gazebo后验证一下gazebo --version如果打印出Gazebo multi-robot simulatorversion 11.x.x说明装好了。3.3 第三步编译PX4固件并启动仿真PX4的源码下载下来后还需要编译固件。这里的“固件”并不是真的要刷到飞控板上而是编译出一个可以在本机运行的进程Gazebo里那个飞机模型跟这个进程通过共享内存或者UDP通信。编译前先把PX4-Autopilot目录里的子模块更新完整cd PX4-Autopilot git submodule update --init --recursive然后编译指定仿真平台的硬件配置为px4_sitl_defaultmake px4_sitl gazebo-classic第一次编译时间很长我当初等了差不多二十分钟取决于CPU性能。编译过程会下载一些工具链比如xtensa编译器这是用来编译PX4内部使用的DSP库的。很多人卡在这一步提示fetching xtensa compilers后一直不动。这是因为拉取工具链的服务器在国外。解决办法是手动下载对应压缩包放到指定目录或者直接用一条命令绕过这些不必要的东西。如果只是做纯仿真不需要编译实际飞控固件的话可以设定跳过export PX4_IGNORE_XTENSA_COMPILER1 make px4_sitl gazebo-classic如果编译成功终端会输出一堆启动信息然后自动打开一个Gazebo窗口里面有一架标准的PX4四旋翼无人机。同时终端会进入一个nuttx shell这里面可以执行PX4的内部命令比如commander takeoff、commander land。3.4 第四步启动ROS 2桥接PX4和ROS 2之间默认不直接通信需要启动一个桥接节点。PX4提供了px4-ros2-interface-lib和microRTPS桥现在最常用的是通过Micro XRCE-DDS Agent。在PX4固件里默认已经开启了通过UDP连接的MicroRTPS桥所以只要启动一个AgentROS 2就能收到PX4的话题了。在另一个终端运行cd PX4-Autopilot source Tools/setup_gazebo.bash source install/setup.bash ros2 run micro_rtps_agent micro_rtps_agent -t UDP如果提示找不到micro_rtps_agent需要先编译它make px4_sitl rtps启动Agent后再启动ROS 2接口包cd PX4-Autopilot source install/setup.bash ros2 launch px4_ros_com sensor_combined_listener.launch.py如果能看到不停的传感器数据打印说明PX4和ROS 2链路通了。此时你用ros2 topic list能看到一堆话题比如/fmu/out/vehicle_attitude、/fmu/out/vehicle_odometry等。4. 核心细节解析仿真里每个环节为什么这么配4.1 无人机模型与物理参数的关联Gazebo里的飞机模型不是画个好看的外壳就行它的每个部件都要有正确的质量、惯性张量和碰撞体积。PX4官方默认的iris模型参数是参照真实四旋翼设定的比如机架重量、电机最大推力、空气阻力系数。你在仿真里改一个参数直接影响悬停油门、姿态响应速度。我做过一个实验把模型质量从1.5kg改成2.0kg其他不变结果起飞油门从0.55变成了0.68姿态响应也变迟钝了。所以如果你要仿真自己的机架一定要去改model.sdf里的mass和inertia否则控制参数没有参考意义。4.2 PX4的SITL模式与真机的差异SITLSoftware In The Loop意味着飞控代码运行在PC上用的是PC的时钟和CPU和真机的ARM芯片有差异。所以仿真里能验证的是控制逻辑、状态估计、任务规划不能验证的是实时性、驱动层代码。比如在仿真里PID参数调到完美上真机可能还是会有震荡因为真机的传感器噪声更大、执行器延迟更高。另一个差异是传感器模型。Gazebo里可以给IMU加高斯噪声给GPS加漂移但默认情况下一些传感器是理想化的。你在做视觉SLAM算法时最好在Gazebo里给相机加上噪声和畸变否则仿真里跑得好好的真机上一团糟。4.3 时间同步和通信机制PX4和Gazebo之间的同步是通过Gazebo的插件实现的PX4有一个mavlink_interface插件从SIM_GZ端口接收飞机状态然后把电机指令发送回Gazebo。这个通信频率很高通常250Hz。ROS 2话题的频率不一样比如姿态话题是30Hz位置话题是10Hz。做算法时要搞清楚每个话题的频率不然滤波也好、控制也好很容易把频率不匹配当成参数问题去调浪费不少时间。用ros2 topic hz /fmu/out/vehicle_attitude可以实时查看话题频率。如果频率远低于预期先查CPU占用或者看看是不是有太多节点抢资源。5. 实操过程与核心环节实现5.1 一次完整的起飞、悬停、降落任务环境就绪后第一次完整任务建议用QGroundControl地面站来做因为直观、容易理解还能看到PX4内部状态。启动PX4 SITL后再开一个终端启动QGroundControl。注意QGC在SITL模式下会自动连接UDP端口14550。等QGC界面上出现飞机图标、显示GPS正常后按以下顺序操作点击“飞行规划”标签在无人机位置附近设置一个起飞点。点击“上传”按钮把航线传到飞控。点击“起飞”按钮回到飞行界面确认滑块解锁。拨动弹窗里的起飞开关飞机开始起飞并悬停在2.5米高度。点击“返航”或“降落”飞机自动下降。如果你不想开QGC也可以在PX4的shell里用命令控制commander takeoff commander land但这只是最简单的任务实际开发中你可能要写一个ROS 2节点去订阅位置信息然后通过发布指令来控制飞机。5.2 用ROS 2节点控制无人机起飞PX4的ROS 2接口提供了OffboardControlMode和TrajectorySetpoint等自定义消息。在offboard模式下PX4不再执行内部任务而是完全听从来自ROS 2的期望设定值。这种模式非常适合做路径规划、视觉跟踪等上层算法。下面是一个最小化的offboard起飞示例用Python写的简化了很多错误处理但足以跑通流程import rclpy from rclpy.node import Node from px4_msgs.msg import OffboardControlMode, TrajectorySetpoint, VehicleCommand import time class OffboardControl(Node): def __init__(self): super().__init__(offboard_control) self.publisher_offboard self.create_publisher(OffboardControlMode, /fmu/in/offboard_control_mode, 10) self.publisher_trajectory self.create_publisher(TrajectorySetpoint, /fmu/in/trajectory_setpoint, 10) self.publisher_command self.create_publisher(VehicleCommand, /fmu/in/vehicle_command, 10) self.timer self.create_timer(0.1, self.send_commands) self.start_time time.time() def send_commands(self): # 发送offboard控制模式位置控制 offboard_msg OffboardControlMode() offboard_msg.timestamp int(time.time() * 1e6) offboard_msg.position True offboard_msg.velocity False offboard_msg.acceleration False self.publisher_offboard.publish(offboard_msg) # 设置期望位置先悬停在起点上方10米 traj_msg TrajectorySetpoint() traj_msg.timestamp int(time.time() * 1e6) traj_msg.position [0.0, 0.0, -10.0] # NED坐标Z向下所以-10是向上10米 traj_msg.vx 0.0 traj_msg.vy 0.0 traj_msg.vz 0.0 traj_msg.yaw 0.0 self.publisher_trajectory.publish(traj_msg) # 在3秒后切换为offboard模式并解锁 if time.time() - self.start_time 3.0: command VehicleCommand() command.timestamp int(time.time() * 1e6) command.command 400 # VEHICLE_CMD_DO_SET_MODE command.param1 1.0 # MAV_MODE_FLAG_CUSTOM_MODE_ENABLED command.param2 2.0 # PX4_CUSTOM_MAIN_MODE_OFFBOARD self.publisher_command.publish(command) arm_command VehicleCommand() arm_command.timestamp int(time.time() * 1e6) arm_command.command 400 # 这里要换成分组命令出于示例简化 # 实际解锁命令是MAV_CMD_COMPONENT_ARM_DISARM (400) arm_command.param1 1.0 self.publisher_command.publish(arm_command) def main(argsNone): rclpy.init(argsargs) node OffboardControl() rclpy.spin(node) node.destroy_node() rclpy.shutdown()这个示例里我故意简化了命令细节实际跑的时候注意两点一是解锁和切换模式通常要分开发而且PX4要求offboard模式之前必须先收到持续1秒以上的期望值二是坐标系是NED北东地Z轴向下为正所以向上飞要写负值。很多新手在这上面栽过跟头飞机一解锁就往地上怼。5.3 如何添加机载相机并实时查看图像Gazebo里默认的iris模型不带相机。要做视觉仿真需要往无人机模型里添加一个相机传感器插件。最简单的方式是用PX4官方的iris_stereo_camera模型它自带双目相机。启动命令make px4_sitl gazebo-classic_iris_stereo_camera启动后ROS 2里会有/camera话题可以通过ros2 run rqt_image_view rqt_image_view查看图像。如果你用的是普通iris模型也可以通过修改model.sdf加入相机插件但新手还是直接用官方带相机的模型比较省事。另外如果要仿真激光雷达或深度相机Gazebo里有对应的传感器插件。我建议先用gazebo_ros_camera、gazebo_ros_depth_camera等插件它们能直接把传感器数据转换成ROS话题省去写驱动的麻烦。6. 常见问题与排查技巧实录6.1 编译时报错找不到GL/glew.h这个错误通常是因为缺少OpenGL开发库。Gazebo的渲染需要OpenGL支持在虚拟机里尤其容易出问题。解决办法sudo apt install libglew-dev libopencv-dev libgazebo11-dev如果还报其他依赖缺失一般用sudo apt --fix-broken install再来一遍。虚拟机里还要检查3D加速是否开启VMware里请务必在虚拟机设置里勾选“加速3D图形”否则Gazebo渲染会卡到怀疑人生。6.2 Gazebo启动后黑屏或飞机消失这个问题八成是模型加载失败或路径问题。PX4启动时依赖PX4_SIM_MODEL环境变量来定位模型文件。如果你从别的目录启动PX4没有source环境脚本就会找不到模型。我习惯的做法是在启动PX4前先执行cd PX4-Autopilot source Tools/setup_gazebo.bash source install/setup.bash export ROS_PACKAGE_PATH$ROS_PACKAGE_PATH:$(pwd) export PX4_SIM_MODELiris然后再make px4_sitl gazebo-classic。如果是在ROS 2 launch文件里启动也要确保环境变量传递正确。6.3 ROS 2收不到PX4的话题先确认微RTPS Agent跑起来了没再确认px4_ros_com里的监听节点是否正常。常见问题是没有编译ROS 2接口包cd px4_msgs colcon build source install/setup.bash注意每次编译完新消息包后都要在终端里重新source否则ros2 topic list看不到新话题。另外PX4启动时和Agent的UDP端口需要一致。默认PX4用2022/2023端口Agent也监听这个端口。如果你在启动脚本里改过端口两边要同步改。6.4 虚拟机性能不够导致仿真很卡仿真卡顿最影响心情解决办法有优先级把Gazebo里的图形渲染窗口缩小减少视图渲染负担。关掉QGroundControl的3D地图显示用2D地图代替。在启动Gazebo之前把虚拟机内存加大到12GB以上分给CPU核心数不少于4个。降低Gazebo的物理更新频率但这会影响仿真精度慎用。如果以上都做了还是卡那就别开太复杂的地图环境用空的empty.world就够了。7. 仿真平台的扩展从单机到编队再到复杂场景7.1 多无人机编队仿真学会单机仿真后很多人会想试试编队。PX4支持多机SITL仿真但需要给每架飞机分配不同的实例编号和端口。在Gazebo里启动多台iris模型然后通过mavlink端口区分。编队控制算法通常跑在ROS 2上层用rclcpp或者rclpy发布多路期望指令分别控制不同飞机。编队仿真最大的坑是端口冲突每架飞机的通信端口必须不同。我建议把端口管理写成一个shell脚本比如make px4_sitl gazebo-classic_iris_1和_iris_2这种形式PX4官方已经支持多机启动照着文档做成功率会高很多。7.2 接入SLAM与导航栈如果你想做自主导航常见的组合是Cartographer或SLAM Toolbox Nav2。在Gazebo里你可以放一个室内环境模型然后让无人机搭载激光雷达或深度相机绕场飞行建图再用Nav2做路径规划。之前不少博主推荐在Ubuntu 24.04上装Gazebo SLAM Toolbox Nav2我就在22.04上试过也一样能跑而且更稳。关键在于传感器话题要和SLAM算法要求一致。比如SLAM Toolbox通常接收/scan话题的LaserScan消息如果你的激光雷达发布的是PointCloud2需要先转换。Gazebo里如何设置雷达扫描角度和频率直接影响建图质量。我建议仿真时把雷达的噪声调低一点采样频率调到10Hz以上这样建图效果接近真机中较好的雷达。7.3 在Gazebo里造一个自己的测试场地Gazebo的模型库支持自定义环境。你可以用building_editor创建墙面、障碍物也可以把网上下载的3D模型导入。但要注意模型面的数量影响仿真性能太精细的模型会导致帧率下降。我一般用简单的方块和圆柱体搭出障碍物场景既够用又流畅。在world文件里可以放置多个模型也可以动态生成。如果要在固定场景中反复测试用world文件最方便。PX4启动时会默认加载empty.world换成自己的世界文件在launch或启动命令里指定即可。8. 一些关于平台选型和未来方向的大实话8.1 为什么我不建议新手直接碰“强化学习”类的仿真平台最近看到很多人讨论mjlab、mujoco这类机器人强化学习平台。确实它们在训练RL策略时比Gazebo高效不少尤其是需要大量并行采样时。但如果你还在学无人机基础控制、状态估计或者是想先跑通整个通信链路Gazebo PX4是更好的选择。原因在于PX4本身就是一套完整的飞控系统而MuJoCo等平台更偏重环境物理模拟飞控逻辑需要你自己写。当然等你在Gazebo里把任务跑明白了想让无人机自主学习避障可以把Gazebo和RL工具结合。目前也有PX4 Gazebo RL的开源项目比如用OpenAI Gym包装PX4的接口训练端到端策略。这个方向值得关注但不是零基础就能上手。8.2 PX4版本和硬件的匹配问题我在实操中发现PX4的main分支变化很快每周都有新commit。如果你是为了复现某个论文最好固定一个tag。比如v1.13、v1.14都是比较稳定的版本。编译时在make px4_sitl gazebo-classic前可以先git checkout v1.14.0这样能减少很多意外错误。如果后续要上真机仿真的PX4代码和真机PX4代码是同一份但你需要根据飞控硬件选择不同的make目标。比如用Pixhawk 4就要编译px4_fmu-v5_default。在仿真里验证过的算法真机上不一定完全复现但控制逻辑和发布的话题格式是一样的差别主要在执行层面。8.3 一个稳定可复现的仿真环境是团队的资产最后说一句掏心窝的话。很多项目一开始图省事随便装个环境两个人各装各的最后代码合并时各种环境问题。我强烈建议你把环境搭建过程写成自动化脚本或者做一个虚拟机镜像。团队里新成员来了直接拷贝镜像、导入虚拟机10分钟就能开始开发而不是花两天配环境。我用Vmware的OVA模板封装过一套环境分发给同事后效率提升明显。如果你愿意甚至可以用Docker跑PX4 SITL把Gazebo和ROS都容器化但这需要GPU透传配置复杂度更高性价比因人而异。根据我的经验仿真平台的价值不在于它多逼真而在于它能让你在一天之内完成几十次飞行试验。每一次试验都能留下log能复现bug能对比算法改进前后的效果。这种快速迭代的能力真机很难做到。所以别怕开头那两天的环境搭建折腾迈过去之后你会发现新世界的大门已经打开了。本文还有配套的精品资源点击获取