PX4 SITL仿真环境多传感器融合配置与数据可视化实战-CSDN博客

1. 为什么你需要一个“武装到牙齿”的仿真无人机？

如果你正在研究无人机视觉导航、自主避障或者SLAM（即时定位与地图构建），那你肯定知道，在真实无人机上直接调试算法有多“肉疼”。炸一次机，轻则耽误半天，重则钱包大出血。所以，一个能模拟真实传感器数据的仿真环境，就成了算法开发者的“练兵场”。

PX4的软件在环仿真（SITL）配合Gazebo，就是这个领域最强大的工具链之一。它能让你在电脑里飞一个虚拟无人机，而且飞控代码和真机一模一样。但默认的仿真模型往往只有基础传感器，比如一个IMU和一个GPS。这就像给你一辆车，但只让你看速度表，不给你装摄像头和雷达，你怎么研究自动驾驶？

所以，今天我要跟你分享的，就是如何给你的PX4仿真无人机“加装”一套豪华传感器套装：一个能提供深度图和点云的双目相机（比如Kinect）、一个能扫描周围环境的2D激光雷达、还有一个专门盯着地面的下视摄像头。这三大件组合起来，基本上覆盖了无人机感知环境的“看前”、“看周”和“看下”三个核心维度。配置好之后，你就能在ROS里实时看到这些传感器吐出来的数据流，无论是做视觉里程计、障碍物检测还是精准降落，都有了即插即用的验证平台。我自己在开发视觉避障算法时，这套环境帮我省下了无数个调试的日夜，实测下来非常稳。

2. 动手之前：理清思路与备好“弹药”

在开始敲命令之前，咱们先花几分钟把整个流程的逻辑理顺。这能帮你避开很多后面可能遇到的坑。PX4 SITL仿真环境的核心是模型（Model）和启动（Launch） 文件。我们的目标可以分解为三步：

创建独立的传感器模型：为激光雷达、双目相机、下视摄像头分别创建Gazebo能识别的SDF模型文件。这就像为你的无人机采购三个独立的硬件模块。
组装“超级无人机”模型：创建一个新的无人机模型文件（比如叫iris_fusion），把基础的Iris机架和我们新建的三个传感器模型，用“关节”固定在一起。这就好比把买来的传感器焊接到无人机机架上。
配置启动流程：告诉PX4和Gazebo，启动时不要用默认的iris模型，而是用我们组装好的iris_fusion模型。

这里有个关键点：所有模型文件都必须放在PX4-Autopilot源码树内特定的目录下，Gazebo才能找到它们。通常路径是~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/。我强烈建议你不要随意更改这个路径，不然Gazebo会报一堆找不到模型的错误。

你需要准备好以下“弹药”：

一个Ubuntu系统（20.04或22.04比较稳妥），并且已经按照官方指南成功安装和编译了PX4-Autopilot。如果你还没走到这一步，先去PX4官网把基础环境搭好。
ROS（推荐Noetic或Humble），并且安装了gazebo_ros_pkgs等相关包。这是传感器数据通往ROS的桥梁。
一个顺手的文本编辑器，比如nano、vim或者VSCode。

好了，思路清晰，工具就位，咱们正式开始“组装”！

3. 第一步：创建三个传感器的Gazebo模型

这一步是为每个传感器“建模”，定义它的外观、物理属性，以及最重要的——它如何发布数据到ROS。我们一个一个来。

3.1 搭建模型文件的“家”

首先，为每个传感器创建一个专属的文件夹。打开终端，执行以下命令：

mkdir -p ~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/iris_fusion
mkdir -p ~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/kinect_self
mkdir -p ~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/rplidar
mkdir -p ~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/fpv_cam

-p参数能确保如果父目录不存在，它会一并创建。创建好后，每个文件夹里通常需要两个文件：一个.sdf文件（定义模型主体），一个model.config文件（模型的元信息，如名称和描述）。

3.2 打造双目相机（Kinect）模型

双目相机，或者说深度相机，是我们的“眼睛”。它能同时输出彩色图像、深度图像和三维点云，是视觉SLAM和三维重建的利器。我们模拟一个类似Kinect的传感器。

进入kinect_self目录，创建kinect_self.sdf文件：

cd ~/PX4-Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models/kinect_self
nano kinect_self.sdf

将以下内容粘贴进去。我解释几个关键部分：

<sensor type="depth">：这声明了这是一个深度相机传感器。
<plugin name="camera_plugin" filename="libgazebo_ros_openni_kinect.so">：这是核心！这个Gazebo插件负责将仿真数据转换成ROS话题。libgazebo_ros_openni_kinect.so是ROS提供的标准插件，能同时发布彩色图、深度图、相机信息和点云。
<baseline>0.2</baseline>：这是双目相机的基线长度（单位：米），影响深度计算。你可以根据你想模拟的相机型号调整。
<cameraName>camera_ir</cameraName>：定义了相机名称，会用作ROS话题的前缀。
<frameName>camera_link</frameName>：定义了该传感器数据所在的TF坐标系。后续在无人机上安装时，需要确保这个坐标系被正确连接到无人机本体坐标系。

<?xml version="1.0" ?>
<sdf version="1.5">
<model name="kinect_self">
  <pose>0 0 0 0 0 0</pose>
  <link name="link">
    <inertial>
      <mass>0.01</mass>
      <inertia>
        <ixx>4.16666666667e-06</ixx>
        <iyy>5.20833333333e-07</iyy>
        <izz>3.85416666667e-06</izz>
      </inertia>
    </inertial>
    <collision name="collision">
      <geometry>
        <box>
          <size>0.023000 0.076000 0.032000</size>
        </box>
      </geometry>
    </collision>
    <visual name="visual">
      <geometry>
        <box>
          <size>0.023000 0.076000 0.032000</size>
        </box>
      </geometry>
      <material>
        <script>
          <uri>file://media/materials/scripts/gazebo.material</uri>
          <name>Gazebo/Red</name>
        </script>
      </material>
    </visual>
    <sensor type="depth" name="camera">
      <always_on>true</always_on>
      <update_rate>30.0</update_rate>
      <camera>
        <horizontal_fov>1.3962634</horizontal_fov>
        <image>
          <format>B8G8R8</format>
          <width>640</width>
          <height>480</height>
        </image>
        <clip>
          <near>0.4</near>
          <far>16.0</far>
        </clip>
      </camera>
      <plugin name="camera_plugin" filename="libgazebo_ros_openni_kinect.so">
        <baseline>0.2</baseline>
        <alwaysOn>true</alwaysOn>
        <updateRate>0.0</updateRate>
        <cameraName>camera_ir</cameraName>
        <imageTopicName>/camera/color/image_raw</imageTopicName>
        <cameraInfoTopic