保姆级教程：在Windows 10上用Matlab R2022b连接Ubuntu 20.04下的PX4 Gazebo仿真（ROS2 Foxy + microRTPS）
跨平台无人机仿真开发：Windows+Ubuntu环境下的PX4与Matlab深度集成指南
当算法工程师需要在Windows平台上使用Matlab/Simulink进行无人机控制算法开发，同时依赖Ubuntu系统运行PX4 Gazebo仿真时，跨平台通信成为关键挑战。本文将深入解析如何构建这一异构环境，特别聚焦于网络配置与ROS2通信的实战细节。
1. 环境准备与系统架构设计
在开始具体安装前，理解整体架构至关重要。该方案的核心是通过microRTPS桥接实现Windows与Ubuntu系统间的实时数据交换。Windows端运行Matlab R2022b进行算法设计与仿真，Ubuntu 20.04则负责PX4固件和Gazebo仿真环境。
关键组件版本要求：
- Windows 10 64位
- Matlab R2022b + Simulink
- Python 3.9 (Windows)
- Visual Studio 2019
- Ubuntu 20.04 LTS
- ROS2 Foxy Fitzroy
- PX4 v1.13固件
- Fast DDS 2.0.2
注意：版本匹配是成功搭建环境的前提条件，特别是ROS2与PX4的版本对应关系。使用不兼容版本可能导致编译错误或运行时异常。
跨平台通信的数据流如下图所示：
Windows Matlab ←ROS2→ microRTPS桥接 ←uORB→ PX4固件 ←MAVLink→ Gazebo仿真2. Ubuntu环境配置：从PX4到ROS2
Ubuntu端需要完整配置PX4仿真环境和ROS2通信栈。以下是关键步骤的优化方案：
2.1 PX4固件编译与Gazebo仿真
首先准备PX4开发环境：
# 创建专用工作目录 mkdir -p ~/px4_ws && cd ~/px4_ws # 克隆指定版本固件（国内用户推荐使用镜像源） git clone -b v1.13.0 https://gitee.com/mirrors/PX4-Firmware.git Firmware cd Firmware # 更新子模块（此步骤耗时较长） git submodule update --init --recursive编译支持RTPS的SITL仿真环境：
# 安装依赖工具链 sudo apt install python3-pip pip3 install --user kconfiglib jsonschema # 编译RTPS版本 make px4_sitl_rtps gazebo2.2 Fast DDS与ROS2 Foxy安装
为实现高效通信，需要正确配置DDS中间件：
# 安装Fast DDS 2.0.2 sudo apt install -y libasio-dev libtinyxml2-dev libssl-dev git clone --recursive https://github.com/eProsima/Fast-DDS.git -b v2.0.2 ~/FastDDS cd ~/FastDDS && mkdir build && cd build cmake -DTHIRDPARTY=ON -DSECURITY=ON .. make -j$(nproc) && sudo make install # 安装ROS2 Foxy（推荐使用国内镜像） sudo apt install -y curl gnupg2 lsb-release curl -sSL https://gitee.com/ohhuo/rosdistro/raw/master/ros.key | sudo apt-key add - sudo sh -c 'echo "deb [arch=$(dpkg --print-architecture)] http://mirrors.tuna.tsinghua.edu.cn/ros2/ubuntu $(lsb_release -cs) main" > /etc/apt/sources.list.d/ros2.list' sudo apt update && sudo apt install -y ros-foxy-desktop2.3 构建PX4-ROS2桥接工作区
创建专用工作空间并编译通信接口：
# 创建工作空间 mkdir -p ~/px4_ros_com_ws/src cd ~/px4_ros_com_ws/src # 克隆接口仓库 git clone -b release/1.13 https://github.com/PX4/px4_ros_com.git git clone -b release/1.13 https://github.com/PX4/px4_msgs.git # 安装依赖并编译 cd .. rosdep install -y --from-paths src --ignore-src --rosdistro foxy colcon build3. Windows平台Matlab环境配置
Windows端需要准备Matlab与ROS2的交互环境，以下是经过优化的配置流程：
3.1 基础软件安装
Python 3.9安装：
- 从Python官网下载Windows安装包
- 安装时勾选"Add Python to PATH"
- 验证安装：
python --version应显示3.9.x
Visual Studio 2019配置：
- 安装时选择"使用C++的桌面开发"和"Python开发"工作负载
- 确保安装Windows 10 SDK (版本19041或更高)
Matlab附加工具包：
- ROS Toolbox（通常已包含在Matlab安装中）
- UAV Toolbox Support Package for PX4 Autopilots
3.2 px4_msgs包编译
在Windows端需要编译与Ubuntu端相同的消息接口：
% 创建工程目录结构 projDir = fullfile(pwd, 'PX4_ROS2_Integration'); mkdir(projDir); mkdir(fullfile(projDir, 'custom')); mkdir(fullfile(projDir, 'others')); % 下载并解压px4_msgs包 websave(fullfile(projDir, 'others', 'px4_msgs.zip'),... 'https://github.com/PX4/px4_msgs/archive/refs/tags/release/1.13.zip'); unzip(fullfile(projDir, 'others', 'px4_msgs.zip'),... fullfile(projDir, 'custom')); movefile(fullfile(projDir, 'custom', 'px4_msgs-release-1.13'),... fullfile(projDir, 'custom', 'px4_msgs')); % 生成Matlab兼容的消息定义 ros2genmsg(fullfile(projDir, 'custom'));成功编译后会在custom目录下生成matlab_msg_gen文件夹，包含所有PX4消息的Matlab接口。
4. 双机网络配置与通信测试
跨平台通信的核心在于正确的网络配置，以下是经过实战验证的方案：
4.1 网络拓扑设计
推荐采用以下两种连接方式之一：
虚拟机模式：
- Ubuntu运行在VMware或VirtualBox中
- 网络适配器设置为"桥接模式"
- 确保主机和虚拟机在同一子网
双机物理连接：
- 使用路由器或交换机连接两台机器
- 或通过网线直连（需配置静态IP）
IP配置示例：
| 设备 | IP地址 | 子网掩码 |
|---|---|---|
| Windows | 192.168.1.10 | 255.255.255.0 |
| Ubuntu | 192.168.1.20 | 255.255.255.0 |
4.2 Windows防火墙配置
为确保通信畅通，需调整防火墙设置：
- 打开"Windows Defender 防火墙"
- 选择"允许应用或功能通过防火墙"
- 为以下程序添加例外：
- Matlab主程序
- Python解释器
- ROS2相关可执行文件
或临时关闭防火墙进行测试（不推荐长期使用）：
# 管理员权限运行 Set-NetFirewallProfile -Profile Domain,Public,Private -Enabled False4.3 通信验证步骤
Ubuntu端启动顺序：
启动PX4 Gazebo仿真：
cd ~/px4_ws/Firmware make px4_sitl_rtps gazebo启动microRTPS代理：
source ~/px4_ros_com_ws/install/setup.bash micrortps_agent -t UDP
Windows端验证：
在Matlab命令窗口执行：
ros2 topic list应看到类似输出：
/fmu/sensor_combined/out /fmu/vehicle_status/out /fmu/vehicle_command/in ...5. 实战案例：无人机解锁控制
通过ROS2话题控制无人机是常见需求，下面展示完整的Simulink实现方案。
5.1 理解PX4命令机制
PX4通过/fmu/vehicle_command/in话题接收控制指令，关键参数：
| 参数 | 解锁设置值 | 说明 |
|---|---|---|
| command | 400 | 组件ARM/DISARM命令 |
| param1 | 1 | 1=解锁，0=锁定 |
| target_system | 1 | 默认系统ID |
| timestamp | 当前时间 | 从timesync话题获取 |
5.2 Simulink模型构建
创建包含以下关键模块的模型：
ROS2 Subscribe模块：
- 订阅
/fmu/timesync/out获取时间戳
- 订阅
MATLAB Function模块：
function cmd = generateArmCommand(timeMsg) % 创建VehicleCommand消息 cmd = ros2message('px4_msgs/VehicleCommand'); % 设置命令参数 cmd.timestamp = uint64(timeMsg.timestamp); cmd.command = uint32(400); % ARM命令 cmd.param1 = single(1); % 解锁 cmd.target_system = uint8(1); cmd.target_component = uint8(1); cmd.source_system = uint8(1); cmd.source_component = uint8(1); cmd.from_external = true; endROS2 Publish模块：
- 发布到
/fmu/vehicle_command/in话题 - 设置QoS为Reliable
- 发布到
5.3 模型配置要点
在"模型设置"中确保：
- 求解器类型：定步长（Fixed-step）
- 硬件板：ROS2
- 系统目标文件：
ros2.tlc - 代码生成→接口：勾选"连续时间"
6. 高级应用：传感器数据融合
成功建立通信后，可利用Simulink处理来自PX4的传感器数据。以下示例展示如何获取IMU数据：
创建传感器订阅子系统：
imuSub = ros2subscriber(node, '/fmu/sensor_combined/out', 'px4_msgs/SensorCombined');数据解析与可视化：
function processImuData(imuMsg) % 提取加速度计数据 accel = [imuMsg.accelerometer_m_s2(1), ... imuMsg.accelerometer_m_s2(2), ... imuMsg.accelerometer_m_s2(3)]; % 提取陀螺仪数据 gyro = [imuMsg.gyro_rad(1), ... imuMsg.gyro_rad(2), ... imuMsg.gyro_rad(3)]; % 此处可添加数据处理算法 end实时绘图配置：
- 使用Simulink的"Dashboard"模块组
- 添加Scope和Display模块实时监控数据
7. 性能优化与调试技巧
确保系统实时性是无人机控制的关键，以下技巧可提升性能：
7.1 网络延迟优化
QoS配置：
qosSettings = ros2qos('Reliable', 'History', 'KeepLast', 'Depth', 10); imuSub = ros2subscriber(node, '/fmu/sensor_combined/out', 'px4_msgs/SensorCombined', qosSettings);UDP包大小调整：
# Ubuntu端启动micrortps_agent时指定包大小 micrortps_agent -t UDP -n 5000
7.2 常见问题排查
症状1：Matlab无法看到ROS2话题
- 检查两台机器能否互相ping通
- 确认Ubuntu端防火墙允许UDP通信：
sudo ufw allow from 192.168.1.0/24
症状2：数据延迟严重
- 减少发布频率
- 检查网络带宽占用
- 简化消息结构
症状3：Gazebo无法启动
- 确保没有其他Gazebo实例运行
- 检查DISPLAY环境变量设置
- 尝试软件渲染模式：
export LIBGL_ALWAYS_SOFTWARE=1
在实际项目中，我们曾遇到因Windows电源管理设置导致定时不准确的问题，将电源模式调整为"高性能"后解决了控制延迟问题。另一个典型问题是虚拟机时钟不同步，通过安装VMware Tools并启用时间同步功能得以解决。