PX4与Gazebo SITL仿真：从环境搭建到多机编队实战指南-编程实验室

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 SITL（Software 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PX4+Gazebo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_ALL=en_US.UTF-8 LANG=en_US.UTF-8 export LANG=en_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_XTENSACOMPILE=1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 Bridge

PX4 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_WORLD=warehouse.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18570（Gazebo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_AUTOSTART=4001 # Iris模型 export PX4_INSTANCE=1 export PX4_GZ_MODEL=iris1 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_AUTOSTART=4001 export PX4_INSTANCE=2 export PX4_GZ_MODEL=iris2 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/global（GPS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HEADLESS=1 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