当前位置：首页 > news >正文

【UAV】UAV Scenario 仿真教程：无人机飞行与激光雷达点云生成【含matlab代码】

news 2026/7/19 18:52:09

UAV Scenario 仿真教程：无人机飞行与激光雷达点云生成

摘要

在无人机自主算法开发中，仿真环境是验证算法有效性的重要一环。MATLAB 的 UAV Toolbox 提供了uavScenario对象，能够帮助我们快速搭建包含静态障碍物（如建筑物）和运动平台（如无人机）的 3D 场景，并支持挂载多种传感器（如 INS、GPS、激光雷达）生成仿真数据。本文将基于官方示例，一步步演示如何创建一个城市建筑场景，让无人机沿预定轨迹飞行，并通过机载激光雷达实时采集点云数据，用于后续的建图或定位算法测试。

1. 引言

无人机仿真场景能够：

定义静态障碍物（建筑、地面等）和动态平台（无人机）；
支持全局坐标系下的轨迹定义和坐标系转换；
提供可视化功能，便于观察飞行过程；
集成传感器模型，生成逼真的感知数据。

本教程将构建一个包含 11 栋建筑物的场景，无人机搭载激光雷达，沿预设路径飞行，并同步采集点云。

2. 创建 UAV 场景

首先，我们创建一个uavScenario对象，指定更新频率和参考位置（经纬高）。

% 创建 UAV 场景，更新频率 2Hz，参考位置 [75 -46 0]scene=uavScenario(UpdateRate=2,ReferenceLocation=[75-460]);

添加一个地面平面，颜色设为灰色。

% 定义颜色color.Gray=0.651*ones(1,3);color.Green=[0.39220.83140.0745];color.Red=[100];% 添加地面（多边形范围 + 高度范围）addMesh(scene,"polygon",{[-250-150;200-150;200180;-250180],[-40]},color.Gray);

3. 添加建筑物网格

我们加载预定义的建筑物多边形数据buildingData.mat，该文件包含了 11 组多边形顶点。利用addMesh函数以“多边形拉伸”方式生成三维建筑，高度从 10 米到 30 米不等。

load("buildingData.mat");% 逐个添加建筑（每组多边形和高度范围）addMesh(scene,"polygon",{buildingData{1}(1:4,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{2}(2:5,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{3}(2:10,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{4}(2:9,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{5}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{6}(1:end-1,:),[015]},color.Green);addMesh(scene,"polygon",{buildingData{7}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{8}(2:end-1,:),[010]},color.Green);addMesh(scene,"polygon",{buildingData{9}(1:end-1,:),[015]},color.Green);addMesh(scene,"polygon",{buildingData{10}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{11}(1:end-2,:),[030]},color.Green);

使用show3D显示场景，并调整坐标轴范围。

show3D(scene);xlim([-250200]);ylim([-150180]);zlim([050]);

运行后，您将看到一个包含绿色建筑和灰色地面的三维场景。

4. 定义无人机平台

无人机平台（uavPlatform）是传感器的载体。我们使用 NED（北-东-下）参考系，初始位置和姿态从飞行日志数据flightData.mat中加载。

load("flightData.mat");% 创建平台，指定参考系、初始位置和姿态（欧拉角转四元数）plat=uavPlatform("UAV",scene,...ReferenceFrame="NED",...InitialPosition=position(:,:,1),...InitialOrientation=eul2quat(orientation(:,:,1)));% 设置平台外观（四旋翼模型，红色，并旋转180度使方向正确）updateMesh(plat,"quadrotor",{10},color.Red,[000],eul2quat([00pi]));

注意：position和orientation是从flightData.mat中读取的三维数组，分别表示每个时刻的位置（x,y,z）和欧拉角（roll,pitch,yaw）。

5. 安装激光雷达传感器

在无人机上挂载一个激光雷达点云生成器（uavLidarPointCloudGenerator），并用uavSensor封装。安装位置相对于无人机机体坐标系为[0,0,-1]（即无人机下方 1 米）。

% 创建激光雷达模型lidarmodel=uavLidarPointCloudGenerator(...AzimuthResolution=0.3324099,...ElevationLimits=[-2020],...ElevationResolution=1.25,...MaxRange=90,...UpdateRate=2,...HasOrganizedOutput=true);% 挂载到平台lidar=uavSensor("Lidar",plat,lidarmodel,MountingLocation=[0,0,-1]);

6. 沿预定轨迹飞行并采集点云

现在我们让无人机按预定义的轨迹运动，并在每个激光雷达更新时刻读取点云数据。为了可视化，我们预先创建轨迹线图和点云散点图，并利用数据源动态刷新。

6.1 场景可视化与绘图初始化

[ax,plotFrames]=show3D(scene);xlim([-250200]);ylim([-150180]);zlim([050]);view([-11030]);axis equal;hold on;

创建轨迹线（白色）和点云散点图（青色）。注意调整数据源属性以提高绘图效率。

% 轨迹线traj=plot3(nan,nan,nan,Color=[111],LineWidth=2);traj.XDataSource="position(:,2,1:idx+1)";traj.YDataSource="position(:,1,1:idx+1)";traj.ZDataSource="-position(:,3,1:idx+1)";% 点云散点图colormap("jet");pt=pointCloud(nan(1,1,3));scatterplot=scatter3(nan,nan,nan,1,[0.30200.74510.9333],Parent=plotFrames.UAV.Lidar);scatterplot.XDataSource="reshape(pt.Location(:,:,1),[],1)";scatterplot.YDataSource="reshape(pt.Location(:,:,2),[],1)";scatterplot.ZDataSource="reshape(pt.Location(:,:,3),[],1)";scatterplot.CDataSource="reshape(pt.Location(:,:,3),[],1)-min(reshape(pt.Location(:,:,3),[],1))";

6.2 仿真循环

初始化场景，然后逐帧推进时间。每次读取激光雷达数据，若更新成功则刷新可视化。

setup(scene);foridx=0:size(position,3)-1% 读取当前激光雷达数据[isupdated,lidarSampleTime,pt]=read(lidar);ifisupdated% 快速更新场景视图show3D(scene,"Time",lidarSampleTime,FastUpdate=true,Parent=ax);% 刷新所有数据源refreshdata;drawnow limitrate;end% 推进仿真时间advance(scene);% 移动平台到下一个位置（位置+姿态）move(plat,[position(:,:,idx+1),zeros(1,6),eul2quat(orientation(:,:,idx+1)),zeros(1,3)]);% 更新所有传感器updateSensors(scene);endhold off;

在此循环中，move函数的参数向量包含：位置（3个）、速度（3个）、角速度（3个）、四元数（4个）、加速度（3个）等，此处我们仅指定位置和姿态，其余置零。

7. 运行结果与可视化

仿真过程中，您将看到无人机在建筑群间飞行，同时激光雷达实时扫描周围环境，生成的点云以彩色散点图形式显示在场景中（颜色代表高度）。轨迹线则记录飞行路径。

（实际运行时会动态更新）

8. 总结

本教程演示了如何使用 MATLAB UAV Toolbox 构建一个包含建筑障碍物的三维场景，让无人机沿预定轨迹飞行，并挂载激光雷达采集点云数据。该框架可以轻松扩展至更多传感器（如 GPS、IMU）和更复杂的轨迹，适用于 SLAM、路径规划、避障等算法的快速原型验证。

参考资料

MATLAB UAV Scenario 文档
uavLidarPointCloudGenerator 文档

完整代码整合如下（您可以复制到 MATLAB 中直接运行）：

% 创建场景scene=uavScenario(UpdateRate=2,ReferenceLocation=[75-460]);% 添加地面和颜色定义color.Gray=0.651*ones(1,3);color.Green=[0.39220.83140.0745];color.Red=[100];addMesh(scene,"polygon",{[-250-150;200-150;200180;-250180],[-40]},color.Gray);% 加载建筑数据load("buildingData.mat");addMesh(scene,"polygon",{buildingData{1}(1:4,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{2}(2:5,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{3}(2:10,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{4}(2:9,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{5}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{6}(1:end-1,:),[015]},color.Green);addMesh(scene,"polygon",{buildingData{7}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{8}(2:end-1,:),[010]},color.Green);addMesh(scene,"polygon",{buildingData{9}(1:end-1,:),[015]},color.Green);addMesh(scene,"polygon",{buildingData{10}(1:end-1,:),[030]},color.Green);addMesh(scene,"polygon",{buildingData{11}(1:end-2,:),[030]},color.Green);% 显示场景show3D(scene);xlim([-250200]);ylim([-150180]);zlim([050]);% 加载飞行数据load("flightData.mat");% 创建无人机平台plat=uavPlatform("UAV",scene,ReferenceFrame="NED",...InitialPosition=position(:,:,1),InitialOrientation=eul2quat(orientation(:,:,1)));updateMesh(plat,"quadrotor",{10},color.Red,[000],eul2quat([00pi]));% 创建激光雷达传感器lidarmodel=uavLidarPointCloudGenerator(AzimuthResolution=0.3324099,...ElevationLimits=[-2020],ElevationResolution=1.25,...MaxRange=90,UpdateRate=2,HasOrganizedOutput=true);lidar=uavSensor("Lidar",plat,lidarmodel,MountingLocation=[0,0,-1]);% 可视化准备[ax,plotFrames]=show3D(scene);xlim([-250200]);ylim([-150180]);zlim([050]);view([-11030]);axis equal;hold on;% 轨迹和点云绘图traj=plot3(nan,nan,nan,Color=[111],LineWidth=2);traj.XDataSource="position(:,2,1:idx+1)";traj.YDataSource="position(:,1,1:idx+1)";traj.ZDataSource="-position(:,3,1:idx+1)";colormap("jet");pt=pointCloud(nan(1,1,3));scatterplot=scatter3(nan,nan,nan,1,[0.30200.74510.9333],Parent=plotFrames.UAV.Lidar);scatterplot.XDataSource="reshape(pt.Location(:,:,1),[],1)";scatterplot.YDataSource="reshape(pt.Location(:,:,2),[],1)";scatterplot.ZDataSource="reshape(pt.Location(:,:,3),[],1)";scatterplot.CDataSource="reshape(pt.Location(:,:,3),[],1)-min(reshape(pt.Location(:,:,3),[],1))";% 仿真主循环setup(scene);foridx=0:size(position,3)-1[isupdated,lidarSampleTime,pt]=read(lidar);ifisupdatedshow3D(scene,"Time",lidarSampleTime,FastUpdate=true,Parent=ax);refreshdata;drawnow limitrate;endadvance(scene);move(plat,[position(:,:,idx+1),zeros(1,6),eul2quat(orientation(:,:,idx+1)),zeros(1,3)]);updateSensors(scene);endhold off;