1. 环境准备Ubuntu 20.04基础配置在开始PX4和XTDrone环境部署前确保你的Ubuntu 20.04系统已经完成基础配置。我建议使用全新的系统环境避免与其他开发环境产生冲突。实测下来使用虚拟机或物理机均可但物理机的性能表现会更稳定。首先更新系统软件包sudo apt update sudo apt upgrade -y安装必要的工具链sudo apt install -y git cmake python3-pip python3-dev对于ROS Noetic的安装官方提供了完整的安装指南但这里有个小技巧先配置好清华大学的镜像源下载速度能提升10倍不止。修改sources.list文件sudo sh -c . /etc/lsb-release echo deb http://mirrors.tuna.tsinghua.edu.cn/ros/ubuntu/ lsb_release -cs main /etc/apt/sources.list.d/ros-latest.list安装ROS Noetic桌面完整版包含Gazebosudo apt install -y ros-noetic-desktop-full echo source /opt/ros/noetic/setup.bash ~/.bashrc source ~/.bashrc注意如果之前安装过其他版本的ROS务必先彻底卸载否则会出现各种诡异的依赖冲突。我就曾因为这个问题浪费了整整一天时间排查。2. PX4固件与XTDrone一键部署2.1 使用官方脚本快速安装XTDrone团队提供了非常方便的一键安装脚本这是我见过最省心的无人机开发环境配置方案。执行以下命令wget https://gitee.com/robin_shaun/XTDrone/raw/master/install_scripts/ubuntu20.04_sitl.sh chmod x ubuntu20.04_sitl.sh ./ubuntu20.04_sitl.sh这个脚本会自动完成以下工作安装PX4 v1.13固件配置Gazebo 11仿真环境部署XTDrone通信控制模块创建catkin工作空间踩坑提醒脚本运行时会自动备份现有的catkin_ws文件夹如果你的工作空间里有重要项目记得提前手动备份。2.2 环境验证测试安装完成后先来个快速测试roslaunch px4 indoor1.launch如果看到Gazebo界面弹出并且场景中有无人机模型说明基础环境配置成功。常见问题排查只有场景没有无人机通常是PX4固件编译问题尝试重新运行安装脚本Gazebo黑屏检查显卡驱动是否支持OpenGL 3.3ROS节点报错确认已正确source环境变量键盘控制测试cd ~/XTDrone/communication python3 multirotor_communication.py solo 0 # 新终端 cd ~/XTDrone/control/keyboard python3 multirotor_keyboard_control.py solo 1 vel控制指令备忘ibt解锁并起飞w/s前进/后退a/d左移/右移q/e左转/右转3. SLAM算法集成实战3.1 A-LOAM激光SLAM部署XTDrone已经贴心地为我们准备好了A-LOAM的适配版本部署步骤比原生版本简单很多cp -r ~/XTDrone/sensing/slam/laser_slam/A-LOAM ~/catkin_ws/src/ cp -r ~/XTDrone/sitl_config/gazebo_plugin/velodyne/* ~/catkin_ws/src/ cd ~/catkin_ws catkin build这里有个关键细节必须确保环境变量正确。我遇到过因为工作空间路径不对导致雷达数据无法发布的问题解决方法echo source ~/catkin_ws/devel/setup.bash ~/.bashrc source ~/.bashrc3.2 仿真环境配置修改需要调整launch文件以支持3D激光雷达。打开~/PX4_Firmware/launch/indoor1.launch找到车辆模型配置部分修改为arg namevehicle valueiris/ arg namesdf valueiris_3d_gpu_lidar/这个配置会加载带Velodyne HDL-32E激光雷达的无人机模型。如果要用其他雷达型号XTDrone还提供了iris_3d_lidar普通3D雷达iris_3d_gpu_lidarGPU加速版本iris_rplidar2D雷达版本3.3 完整SLAM仿真流程启动顺序很重要错误的启动顺序会导致话题无法连接启动Gazebo环境roslaunch px4 outdoor1.launch新终端启动A-LOAMroslaunch aloam_velodyne aloam_velodyne_HDL_32.launch启动位姿转换节点cd ~/XTDrone/sensing/slam/laser_slam/script python3 laser_transfer.py iris 0 aloam通信与控制cd ~/XTDrone/communication python3 multirotor_communication.py iris 0 # 新终端 cd ~/XTDrone/control/keyboard python3 multirotor_keyboard_control.py iris 1 vel4. 进阶调试与性能优化4.1 常见问题解决方案雷达数据不显示检查rostopic list是否有/velodyne_points确认iris_3d_gpu_lidar模型正确加载查看Gazebo终端是否有OpenGL相关报错SLAM建图漂移修改aloam_velodyne_HDL_32.launch中的参数param namemapping_line_resolution value0.4/ param namemapping_plane_resolution value0.8/仿真运行卡顿在Gazebo启动参数中添加arg nameverbose valuefalse/ arg namedebug valuefalse/关闭Gazebo界面gui:false可节省30%资源4.2 多传感器融合扩展XTDrone支持丰富的传感器配置只需修改sdf模型文件即可添加双目相机iris_stereo_cameraRGB-D传感器iris_realsense组合导航iris_rtk_gps例如要使用Intel Realsensearg namesdf valueiris_realsense/然后在SLAM算法中订阅对应的图像话题即可。我在实际项目中发现加入视觉信息后建图精度能提升约40%。4.3 性能监控技巧推荐使用rqt工具进行实时监控rqt_graph # 查看节点连接 rqt_plot # 绘制话题数据 rqt_top # 监控资源占用对于需要长期运行的仿真建议用脚本记录关键指标rostopic hz /mavros/local_position/pose pose_freq.log top -b -d 1 -n 100 cpu_usage.log