【PX4+QGroundControl+MAVROS+Gazebo】PX4控制在Gazebo中控制自己的无人机

目录

前言

一、PX4、MAVROS、QGroundControl之间的关系

1.1 Gazebo与PX4通信

1.2 PX4与QGroundControl通信

1.3 总结

二、实现过程【以阿木实验室P230为例】

2.1 仿真环境

2.2 模型建立

2.3 建立gazebo和MAVROS之间的连接

2.4 建立MAVROS和PX4之间的连接

2.5 验证实验结果

三、一个失败的地方

总结


前言

笔者在准备用阿木实验室-P230无人机仿真的时候,发现官方给的该无人机仿真的代码依赖于该公司的Prometheus、Prometheus-PX4以及QGroundControl软件。但是笔者日后想把自己的项目上传到Github上,如果把整个阿木实验室的PX4上传上去显得不现实,且也占很大存储。因此,笔者会从小白的角度【因为笔者也是Green Bird】,介绍将自己的无人机连接PX4的办法。以下内容仅供参考,若有误,请指证。


一、PX4、MAVROS、QGroundControl之间的关系

下图展示了PX4是如何在SITL[全称:Software-in-the-loop,软件在环仿真]仿真环境中,通过MAVLink通信协议和QGroundControl之间进行的通信。

1.1 Gazebo与PX4通信

以下内容来自官方文档[笔者翻译]

所有模拟器除了Gazebo都使用MavLink API和PX4进行通信。这个API定义了一系列的消息类型。这些消息类型包括:从模拟世界传输到PX4的数据,并返回各种仿真交通工具在飞行模式下电机和执行器的数据。下面这张图展示了PX4如何与模拟其进行通信:

官方的文档可能会给你产生一种误解,Gazebo并不可以通过MAVROS和PX4进行通信。实际上,文档的意思是:其他的仿真器,如:JVAVSim、Airim等可以直接通过MAVLink进行通信。但是对于Gazebo,由于ROS操作的系统的原因,需要通过ROS插件+MAVLink封装才能和PX4进行通信。

1.2 PX4与QGroundControl通信

           

以上两图均来自PX4官方指南,网址:https://docs.px4.io/main/en/simulation/

系统与系统之间是通过UDP协议进行传输信息的,数据由Mavlink协议进行统一。

PX4的UDP端口14540-14549用于PX4与外部端口或者无人机Offboard进行通信。

PX4的UDP端口14550用于PX4与地面站通信,地面站可以通过外界遥控手柄对无人机进行控制

PX4的TCP端口4560用于与模拟器进行通信。

很显然,PX4可以和QGroundControl进行通信。

1.3 总结

从上述的分析中,可以很容易得出这样的结论:想要通过PX4控制我们自己的无人机(不是官方默认的iris无人机),得依次完成以下步骤:

  1. Gazebo负责加载P230模型
  2. PX4作为SITL程序启动
  3. MAVROS做桥接,即:QGC<---MAVROS--->PX4<---MAVROS+ROS--->Gazebo

二、实现过程【以阿木实验室P230为例】

2.1 仿真环境

Ubuntu版本:20.04

ROS版本:noetic

PX4版本:V1.13【不建议更高版本,因为该版本是gazebo11适配的最高版本】

Gazebo版本:11

2.2 模型建立

从阿木实验室开源的Prometheus下获取P230的模型,若是会Solidworks建图的小伙伴也可以自己画一个无人机,并根据Autopilot下iris模型的sdf文件进行参数的修改,因笔者不会Solidworks,不过多阐述。

Prometheus的github clone地址:

#将普罗米修斯克隆到文件夹下 git clone https://github.com/coolaogege/Prometheus/ #定位到p230无人机 cd ~/Prometheus/Prometheus/Simulator/gazebo_simulator/gazebo_models/uav_models/p230

在文件夹下我们可以看到模型的描述文件(sdf文件)和机械图(STL文件),如下图所示:

将整个文件夹复制到文件夹下:

以上是我自己建立的文件夹,分别放置:

  • config:配置文件夹
  • launch:发布文件夹
  • scripts:脚本文件夹
  • src:代码文件夹
  • world:世界文件夹【放一些模型】

将p230文件统一直接复制到worlds文件夹下,并建立p230.world,代码如下所示:

<?xml version = "1.0" ?> <sdf version ="1.7"> <world name = "p230_world"> <scene> <ambient>1.0 1.0 1.0 1</ambient><!--提高环境亮度,因为没有太阳--> <background>0.9 0.9 0.9 1</background><!--更亮背景颜色--> <shadows>false</shadows><!--关闭阴影取消渲染--> </scene> <!--加载地面--> <include> <uri>model://ground_plane</uri> </include> <!--添加太阳光源--> <include> <uri>model://sun</uri> </include> <!-- 加载P230的c初始化位置--> <!--移除无人机,已经在p230_px4_mavros中引用--> <include> <uri>model://p230</uri> <name>p230_drone</name> <!-- pose表示:x轴 Y轴 Z轴 Roll Pitch Yaw--> <pose>0 0 0.5 0 0 0</pose> <!-- 是否启用阴影 --> <static>false</static> </include> <!--物理引擎设置--> <physics type='ode'> <!--最大仿真步长(单位:秒)数值越小越精细--> <max_step_size>0.001</max_step_size> <!--real_time_factor:实时因子 1.0表示仿真与现实时间同步--> <real_time_factor>1</real_time_factor> <!--实时更新频率 1秒1000次 1000Hz--> <real_time_update_rate>1000</real_time_update_rate> </physics> </world> </sdf>

p.s.因为gazebo默认读取.gazebo文件夹,因此需要将文件再一次备份至/home/<用户名>/models文件夹下。

     (因为.gazebo是隐藏文件,因此需要在home下按快捷键ctrl+H进行取消隐藏文件夹。)

2.3 建立gazebo和MAVROS之间的连接

在launch文件夹下新建p230_gazebo.launch文件,将gazebo和mavros连接:

<launch> <!-- 设置Gazebo模型路径--> <env name="GAZEBO_MODEL_PATH" value="$(env GAZEBO_MODEL_PATH):$(env HOME)/.gazebo/models:$(find qr_landing)/worlds" /> <!--以上qr_landing更换成自己的软件文件夹> <!--以上qr_landing更换成自己的软件文件夹> <!--以上qr_landing更换成自己的软件文件夹> <!-- 启动 PX4(使用你写的脚本) --> <!--qr_landing换成自己的文件夹--> <!--qr_landing换成自己的文件夹--> <!--qr_landing换成自己的文件夹--> <node name="px4_sitl" pkg="qr_landing" type="start_px4.sh" output="screen"/> <!-- 启动Gazebo仿真环境(加载 p230.world) --> <include file="$(find gazebo_ros)/launch/empty_world.launch"> <arg name="world_name" value="$(find qr_landing)/worlds/p230/p230.world"/> <arg name="paused" value="false"/> <arg name="use_sim_time" value="true"/> <arg name="gui" value="true"/> <arg name="headless" value="false"/> <arg name="debug" value="false"/> <arg name="verbose" value="true"/> <arg name="respawn_gazebo" value="false"/> </include> <!--qr_landing换成自己的文件夹--> <!--qr_landing换成自己的文件夹--> <!--qr_landing换成自己的文件夹--> <!-- 启动MAVROS --> <include file="$(find mavros)/launch/px4.launch"> <arg name="fcu_url" value="udp://:[email protected]:14557"/> <arg name="gcs_url"/> </include> </launch>

再次强调,一定要把里面的路径换成自己的文件夹。

2.4 建立MAVROS和PX4之间的连接

在Scripts文件夹下建立start_px4.sh脚本,脚本内容如下所示:

#!/bin/bash #将PX4和PX4_SITL放入路径 PX4_DIR=/home/tianhaofly/PX4_Autopilot BUILD_DIR=$PX4_DIR/build/px4_sitl_default #不输出仿真文件 export PX4_SIM_MODEL=none # 运行 PX4 SITL $BUILD_DIR/bin/px4 $PX4_DIR/ROMFS/px4fmu_common -s etc/init.d-posix/rcS

这是V1.13版本的PX4,别的版本路径可能要修改,最重要的是找到启动文件rcS就行了。

2.5 验证实验结果

输入命令行:

catkin_make source devel/setup.bash roslaunch qr_landing p230_sitl.launch

我们就可以看到p230无人机啦!!!

打开QGroundControl就可以控制无人机起飞!!

初学者也可以通过QGC添加手柄,进行无人机飞行的练习,培养自己的兴趣。

三、一个失败的地方

笔者一开始准备直接在PX4-Autopilot导入p230,但是最终没成功。

我看网上很多直接导入,但是make以下文件会直接删除,不知道那些真的成功了没。

我的过程是,在~/PX4_Autopilot/Tools/simulation/gazebo-classic/sitl_gazebo-classic/models这个文件夹下复制p230

在这个文件夹下复制了p230_airframe:

以及init版本的airframe:

修改了sitl_targets_gazebo-classic.cmake,在model下加上了p230

更新了git:

# 更新主项目的子模块引用 git add Tools/simulation/gazebo-classic/sitl_gazebo-classic git commit -m "Update sitl_gazebo-classic submodule with p230 model"

能够编译,但是build里就是没有复制p230过来,不知道为什么。

若有会的伙伴,也可以告诉我怎么做。


总结

本文基于gazebo、px4以及qgc之间可以通过mavros通信,给出一种可以通过px4在gazebo中控制自己无人机的方法。Control+

Read more

在 Mac Mini M4 上本地跑大模型(Ollama + Llama + ComfyUI + Stable Diffusion | Flux)

在 Mac Mini M4 上本地跑大模型(Ollama + Llama + ComfyUI + Stable Diffusion | Flux)

Mac Mini M4 配备了苹果自家研发的 M1/M2/M4 芯片,具有强大的处理能力,能够支持本地跑一些大模型,尤其是在使用如 Ollama、Llama、ComfyUI 和 Stable Diffusion 这类 AI 相关工具时,性能表现非常好。本教程将指导你如何在 Mac Mini M4 上本地部署并运行这些大模型,涵盖从环境搭建到使用的全流程。 一、准备工作 1. 确保系统更新 确保你的 macOS 版本已更新到最新的版本(例如 macOS 13.0 以上),这将确保兼容性和性能。 安装 Homebrew(macOS 包管理工具) Homebrew 是 macOS 上非常流行的包管理工具,它帮助你方便地安装各种软件。在终端中输入以下命令来安装

2026权威评测:毕业论文AIGC降重盘点,附免费试用

2026权威评测:毕业论文AIGC降重盘点,附免费试用

ZEEKLOG摘要: 2026年高校全面启用AIGC检测,传统同义词替换的降重方式已彻底失效!毕业论文“AIGC痕迹”究竟怎么破?本文基于真实学术场景,深度盘点5款主流AI学术工具,从原创性、降痕能力、服务保障等维度的实测数据出发,为你提供一份最靠谱的选型避坑指南。 一、 引言:“查重”退潮,“查痕”当道,你的论文还安全吗? 作为在ZEEKLOG深耕“AI效率工具”与“学术科研”板块多年的老博主,最近收到了大量本硕博同学的私信求助。来到2026年,学术圈的游戏规则已经发生巨变。 据最新发布的虚拟数据《2026中国高校学术诚信白皮书》显示:今年因“AIGC生成痕迹过高”被退回重写的毕业论文比例高达37.2%。知网、万方、格子达等主流平台已经完成了第三代AI检测大模型的迭代。 这就导致了一个绝对的核心痛点:过去市面上的传统降重工具,只是在玩“同义词替换”的文字游戏,不仅语法生硬,且在最新的查测系统中AIGC疑似度往往直接飙升至60%以上。学生们花了钱降重,反而因为“AI味太重”面临学术不端的指控,返工率极高。

SSM智能家居信息管理iu3jl(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面

SSM智能家居信息管理iu3jl(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面

系统程序文件列表 系统项目功能:用户,智能家居案例,体验活动,活动报名,热点推送 SSM智能家居信息管理系统开题报告 一、课题研究背景与意义 (一)研究背景 随着物联网、人工智能技术的快速普及,智能家居已逐步走进普通家庭,成为提升生活品质、实现家居智能化管控的重要载体。当前,智能家居行业快速发展,但相关信息管理仍存在诸多痛点,如用户管理分散、智能家居案例展示不系统、体验活动组织混乱、报名流程繁琐、行业热点传递不及时等,难以满足用户了解智能家居、参与体验的需求,也不利于行业信息的规范化管控。 SSM(Spring + SpringMVC + MyBatis)框架作为JavaWeb开发中成熟、高效的轻量级技术组合,具有耦合度低、易扩展、开发效率高、稳定性强等优势,能够快速构建功能简洁、操作便捷的Web管理系统。基于此,本文设计并实现SSM智能家居信息管理系统,整合用户、智能家居案例、体验活动、活动报名、热点推送五大核心功能,解决行业信息管理痛点,推动智能家居信息管理的规范化、便捷化发展。

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

一、概述         图像畸变矫正(Image Distortion Correction)是图像处理中的重要任务,通常用于纠正因镜头畸变、拍摄角度等原因造成的图像失真。它的核心原理涉及几何变换,通过对图像进行变换,使其恢复到理想状态。 (一)图像畸变的类型         1.径向畸变(Radial Distortion):         主要表现为图像中心到边缘的失真,常见的有“桶形畸变”(Barrel Distortion)和“枕形畸变”(Pincushion Distortion)。         桶形畸变:图像的边缘向外膨胀。         枕形畸变:图像的边缘向内收缩。         2.切向畸变(Tangential Distortion):         由于相机镜头的装配不精确,可能会导致图像出现某些不规则的切向失真。 (二)畸变矫正的原理         图像畸变矫正的目标是通过数学模型来恢复图像的真实几何结构。一般采用如下的模型来进行畸变建模与矫正: (1)径向畸变模型:         径向畸变模型通常采用以下公式: