跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
C++AI算法

Ubuntu20.04 下 PX4+Gazebo+Mid360+Tare Planner 环境搭建

Ubuntu20.04 系统环境下 PX4 源码编译与 SITL 仿真配置，集成 Livox Mid360 激光雷达及 IMU 模型至 Gazebo。完成 Fast-LIO 建图包编译与 ROS Noetic 环境部署，实现 Tare Planner 功能。包含 QGroundControl 地面站安装连接及常见问题排查指南，解决 empy 版本冲突、传感器挂载及进程清理等关键步骤。

开源信徒发布于 2026/3/16更新于 2026/10/17102 浏览
Ubuntu20.04 下 PX4+Gazebo+Mid360+Tare Planner 环境搭建

一、基础环境：PX4 源码编译与环境配置

1.1 源码下载与分支切换

首先搞定 PX4 核心源码，建议选择 V1.13 版本（稳定性高，适配性好）：

# 创建 PX4 专属目录，克隆源码（--recursive 拉取子模块）
git clone https://github.com/PX4/PX4-Autopilot.git --recursive
cd PX4-Autopilot
# 切换到 V1.13 分支并更新子模块
git checkout -b V1.13
git submodule update --init --recursive
1.2 依赖安装与系统配置

运行 PX4 官方脚本完成环境初始化，过程中所有弹窗提示直接确认即可：

bash ./Tools/setup/ubuntu.sh
# 可选：跳过 nuttx/仿真工具（按需选择）
# bash ./Tools/setup/ubuntu.sh --no-nuttx --no-sim-tools

安装完成后必须重启系统，让依赖生效。

1.3 编译避坑：Python 版本冲突

重启后编译 PX4 SITL+Gazebo，大概率会遇到 empy 包版本问题，按以下步骤解决：

# 卸载冲突包
pip3 uninstall -y empy em cheetah3 Cheetah
# 安装兼容版本（3.3.4 亲测可用）
pip3 install empy==3.3.4
# 验证安装结果
pip3 show empy
# 清理旧构建缓存（关键！避免编译残留）
cd ~/PX4-Autopilot
make clean
rm -rf build/px4_sitl_default
# 重新编译核心指令
make px4_sitl_default gazebo

二、硬件集成：Mid360 激光雷达 + IMU 配置

2.1 模型文件放置

将 Mid360 和 IMU 的仿真模型文件，放到 PX4 的 Gazebo 模型目录：

PX4-Autopilot/Tools/sitl_gazebo/models/

目录结构参考：

  • models/imu：IMU 仿真模型
  • models/mid360：Livox Mid360 激光雷达仿真模型
2.2 SDF 文件修改：挂载传感器到 r1_rover

编辑 PX4-Autopilot/Tools/sitl_gazebo/models/r1_rover/r1_rover.sdf，在 base_link 下添加 IMU 和 Mid360 的挂载配置：

<!-- IMU 挂载（200Hz 频率） -->
<INCLUDE>
  model://imu
  0 0.06 0 0 0 0


  imu::link
  r1_rover::base_link
  
    0 0 1
    
      0
      0
    
  



  model://mid360
  0 0 0 0 30 0


  mid360::link
  r1_rover::base_link
  
    0 0 1
    
      0
      0
    
  



  
  rover/imu_link
<URI>
</URI>
<POSE>
</POSE>
</INCLUDE>
<JOINT name="imu_joint" type="fixed">
<CHILD>
</CHILD>
<PARENT>
</PARENT>
<AXIS>
<XYZ>
</XYZ>
<LIMIT>
<UPPER>
</UPPER>
<LOWER>
</LOWER>
</LIMIT>
</AXIS>
</JOINT>
<!-- Mid360 激光雷达挂载（10Hz 频率） -->
<INCLUDE>
<URI>
</URI>
<POSE>
</POSE>
</INCLUDE>
<JOINT name="mid360_joint" type="fixed">
<CHILD>
</CHILD>
<PARENT>
</PARENT>
<AXIS>
<XYZ>
</XYZ>
<LIMIT>
<UPPER>
</UPPER>
<LOWER>
</LOWER>
</LIMIT>
</AXIS>
</JOINT>
<!-- 加载 IMU 仿真插件 -->
<PLUGIN name="gazebo_imu_plugin" filename="libgazebo_imu_plugin.so">
<robotNamespace>
</robotNamespace>
<linkName>
</linkName>
</PLUGIN>
2.3 Launch 文件适配：指定仿真环境

修改 PX4-Autopilot/launch/mavros_posix_sitl.launch，配置室内仿真世界和车辆模型：

<!-- 核心参数修改 -->
<arg name="vehicle" default="r1_rover"/>
<arg name="world" default="$(find mavlink_sitl_gazebo)/worlds/indoor.world"/>
<arg name="sdf" default="$(find mavlink_sitl_gazebo)/models/$(arg vehicle)/$(arg vehicle).sdf"/>
<!-- MAVROS 通信配置 -->
<arg name="fcu_url" default="udp://:14540@localhost:14557"/>

三、依赖编译：Livox 仿真与 Fast-LIO

完成传感器配置后，编译激光雷达仿真和 SLAM 相关包（基于 px4_ws 工作空间）：

cd ~/px4_ws
# 编译 Livox 激光雷达仿真包
catkin build livox_laser_simulation
# 编译 Fast-LIO（激光 SLAM 核心）
catkin build fast_lio

四、一键运行：PX4+Gazebo+Fast-LIO

4.1 启动 PX4 Gazebo 仿真
cd ~/px4_ws
source devel/setup.bash
cd src/PX4/PX4-Autopilot
# 配置 Gazebo 环境变量
source Tools/setup_gazebo.bash $(pwd) $(pwd)/build/px4_sitl_default
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$(pwd)
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$(pwd)/Tools/sitl_gazebo
# 启动核心仿真
roslaunch px4 mavros_posix_sitl.launch

此时会弹出 Gazebo 界面，能看到 R1_ROVER 搭载 IMU 和 Mid360 的模型，传感器链路正常。

4.2 启动 Fast-LIO 建图

新开终端，执行：

cd ~/px4_ws
source devel/setup.bash
roslaunch fast_lio mapping_mid360.launch

打开 RVIZ，订阅 /cloud_registered 话题，就能看到 Mid360 实时建图结果。

4.3 快速终止仿真（避坑小技巧）

如果 Gazebo 卡死 / 退出不彻底，用以下指令强制清理进程：

killall gzclient
killall gzserver

五、地面站配置：QGroundControl 安装

5.1 依赖预处理

Ubuntu 下安装 QGC 前，先解决串口和视频流依赖：

# 添加串口权限
sudo usermod -a -G dialout $USER
# 卸载冲突的 modemmanager
sudo apt-get remove modemmanager -y
# 安装视频流依赖
sudo apt install gstreamer1.0-plugins-bad gstreamer1.0-libav gstreamer1.0-gl -y
sudo apt install libqt5gui5 libfuse2 -y

执行完后注销并重新登录，让权限生效。

5.2 安装与运行
# 下载最新版 QGC AppImage
wget https://d176tv9ibo4jno.cloudfront.net/latest/QGroundControl.AppImage
# 添加执行权限
chmod +x ./QGroundControl.AppImage
# 运行 QGC
./QGroundControl.AppImage

首次运行会引导配置单位（建议选公制）、飞行器类型（PX4 Pro），完成后即可连接 PX4 SITL，实时监控车辆状态。

六、Tare Planner 部署：ROS Noetic 环境搭建

Tare Planner 依赖 ROS Noetic，Ubuntu20.04 下一键安装：

# 1. 添加 ROS 软件源
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
# 2. 添加验证密钥
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
# 3. 更新软件源
sudo apt update
# 4. 安装 Noetic 完整版（包含所有核心包）
sudo apt install ros-noetic-desktop-full
# 5. 初始化 rosdep（解决依赖必备）
sudo rosdep init
rosdep update
# 若 rosdep init 报错（网络问题），替换为：
# sudo apt install python3-rosdep2
# sudo rosdep2 init
# rosdep2 update
# 6. 永久激活 ROS 环境
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

安装完成后，即可基于 Noetic 环境编译和运行 Tare Planner 相关功能包。

七、常见问题排查

  1. 编译报错'empy not found'：确认 pip3 安装的 empy 版本为 3.3.4，且清理了 PX4 旧构建缓存；
  2. Gazebo 无 Mid360 模型：检查模型文件路径是否正确，SDF 文件中 URI 是否为 model://mid360；
  3. QGC 无法连接 PX4：确认 MAVROS 的 fcu_url 端口配置正确，PX4 SITL 是否正常启动；
  4. Fast-LIO 无点云：检查 Mid360 仿真插件是否加载，ROS 话题 /livox/lidar 是否有数据。

总结

这套流程覆盖了 PX4 仿真环境搭建、Mid360/IMU 硬件集成、Fast-LIO 建图和 QGroundControl 地面站配置，核心是解决编译依赖、模型挂载和环境变量这三个关键点。

参考文档：

  • PX4 官方文档：https://docs.px4.io/v1.13/zh/dev_setup/dev_env_linux_ubuntu.html
  • PX4 ROS 接口：https://docs.px4.io/v1.13/en/simulation/ros_interface.html
  • QGroundControl 安装：https://docs.qgroundcontrol.com/Stable_V4.3/zh/qgc-user-guide/getting_started/download_and_install.html

目录

  1. 一、基础环境：PX4 源码编译与环境配置
  2. 1.1 源码下载与分支切换
  3. 创建 PX4 专属目录，克隆源码（--recursive 拉取子模块）
  4. 切换到 V1.13 分支并更新子模块
  5. 1.2 依赖安装与系统配置
  6. 可选：跳过 nuttx/仿真工具（按需选择）
  7. bash ./Tools/setup/ubuntu.sh --no-nuttx --no-sim-tools
  8. 1.3 编译避坑：Python 版本冲突
  9. 卸载冲突包
  10. 安装兼容版本（3.3.4 亲测可用）
  11. 验证安装结果
  12. 清理旧构建缓存（关键！避免编译残留）
  13. 重新编译核心指令
  14. 二、硬件集成：Mid360 激光雷达 + IMU 配置
  15. 2.1 模型文件放置
  16. 2.2 SDF 文件修改：挂载传感器到 r1_rover
  17. 2.3 Launch 文件适配：指定仿真环境
  18. 三、依赖编译：Livox 仿真与 Fast-LIO
  19. 编译 Livox 激光雷达仿真包
  20. 编译 Fast-LIO（激光 SLAM 核心）
  21. 四、一键运行：PX4+Gazebo+Fast-LIO
  22. 4.1 启动 PX4 Gazebo 仿真
  23. 配置 Gazebo 环境变量
  24. 启动核心仿真
  25. 4.2 启动 Fast-LIO 建图
  26. 4.3 快速终止仿真（避坑小技巧）
  27. 五、地面站配置：QGroundControl 安装
  28. 5.1 依赖预处理
  29. 添加串口权限
  30. 卸载冲突的 modemmanager
  31. 安装视频流依赖
  32. 5.2 安装与运行
  33. 下载最新版 QGC AppImage
  34. 添加执行权限
  35. 运行 QGC
  36. 六、Tare Planner 部署：ROS Noetic 环境搭建
  37. 1. 添加 ROS 软件源
  38. 2. 添加验证密钥
  39. 3. 更新软件源
  40. 4. 安装 Noetic 完整版（包含所有核心包）
  41. 5. 初始化 rosdep（解决依赖必备）
  42. 若 rosdep init 报错（网络问题），替换为：
  43. sudo apt install python3-rosdep2
  44. sudo rosdep2 init
  45. rosdep2 update
  46. 6. 永久激活 ROS 环境
  47. 七、常见问题排查
  48. 总结

更多推荐文章

查看全部
  • FPGA PCIe XDMA Link Up 失败排查：基于 LTSSM 状态机定位问题
  • 基于 FPGA 的以太网 UDP 通信实现与实战
  • Python 编程语言现状与核心应用领域解析
  • LLM 项目实战：使用 LLaMA-Factory 进行 DPO 训练
  • C++ 异常详解：抛出、捕获与异常安全
  • FPGA AD7606 串行与并行驱动实现
  • VS Code Python 调试配置与技巧
  • FPGA AD7606 串行与并行驱动实现
  • Xilinx Vivado 2020 版本安装流程及常见问题解析
  • Azure Bot Service 调用 LLM 实现问答功能
  • Ubuntu 24.04 更换阿里云镜像源指南
  • Xilinx Vivado 2020.1 安装流程与常见问题解析
  • AI 安全攻防：从深度伪造到深度信任的技术演进
  • Linux 进程池原理与 C++ 实现详解
  • Linux 基础 IO：深入理解文件描述符机制
  • Formality 原语（primitive）概念解析
  • AI 原生应用开发：Llama 模型的高级用法
  • Formality 原语（primitive）概念详解
  • 基于 Python 大数据的协同过滤音乐推荐系统
  • Trae IDE 安装与使用指南：字节跳动 AI 原生开发工具

相关免费在线工具

  • 加密/解密文本

    使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online

  • 随机西班牙地址生成器

    随机生成西班牙地址（支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选），支持数量快捷选择、显示全部与下载。 在线工具，随机西班牙地址生成器在线工具，online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印，支持批量处理与下载。 在线工具，Gemini 图片去水印在线工具，online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online