2025.12.24进展汇报
参考的配置教程：
保姆级教程！AirSIM+PX4+QGC从零开始搭建无人机仿真环境。_哔哩哔哩_bilibili
主要工作内容：
一是全流程仿真环境（SITL）的搭建与跑通，二是对寝室/实验室环境的仿真重建与碰撞调试。
1. 仿真环境搭建：
基于 UE → AirSim → PX4 → 地面站 的仿真流。
- 我在UE里面配置了AirSim插件，在 WSL 环境下部署了 PX4 飞控固件。
- 配置了地面站（QGC）与仿真环境的 MAVLink 通信。
- 实现了：从地面站规划航点、手柄实时控制到物理引擎反馈的完整闭环。这为后续算法验证打好了基础。
UE
UE 计算的物理状态，渲染引擎。
AirSim AirSim 是整个系统的数据桥梁。它一方面把 UE 的物理状态转换成传感器数据传给 PX4，另一方面把 PX4 的指令翻译，驱动 UE 里的无人机运动。
PX4 PX4负责所有的姿态解算和飞行控制。
QGroundControl (QGC) QGC 是用户的操作终端。它通过 MAVLink 协议与 PX4 通信，负责下达任务指令和监控飞行状态。
2. 真实环境重建：
如下。
第一次尝试：
建模软件的选择（Polycam）：
| 特性 | Polycam (LiDAR 模式) | RealityScan |
|---|---|---|
| 技术原理 | 主要靠激光雷达 (LiDAR) 测距，辅以照片贴图。 | 主要靠多角度照片计算 (Photogrammetry)，LiDAR 辅助定位。 |
| 擅长场景 | 空间扫描 (Spaces)：扫房间、扫走廊、扫房子结构。 | 物体扫描 (Objects)：扫一把椅子、一个背包、一双鞋。 |
| 扫描体验 | 像“刷墙”一样，看到网格覆盖了哪里就扫好了。速度快。 | 需要围绕物体 360 度拍照，依靠云端计算，速度较慢。 |
| 对于寝室 | 适合扫整个房间的“壳”（墙壁、地板、大结构）。 | 适合扫特定的家具（比如乱乱的床、摆满东西的书桌）。 |
综合看来：第一次先试用一下Polycam，因为它可以用手机的雷达来扫描寝室，而RealityScan可能需要拍摄至少上百张的图片来对寝室建模，而且也十分考验拍摄的技巧。
建模流程（简述）：
- Polycam扫描并导出obj格式（第一次没怎么仔细扫描，成品十分粗糙）
- 将obj文件导入到blender。进行相关操作：修复坐标、降低面数，使其适配游戏引擎，导出为fbx格式。
- 导入ue4，设置碰撞。
结果（失败）：
粗糙的建模场景。
px4+地面站控制，无法起飞，卡在地上一直有碰撞。
经验：
之后准备去网上找点教程，详细看看怎么做，这一次是跟着ai做的。
第二次尝试（实验室简单扫描建模）：
试了很多扫描软件，效果都不是很好，可能是由于寝室的小物件太多，难以精细扫描。
转念一想，没必要做这么精细的场景，只是为了能跑通流程做一个验证，于是去实验室简单扫描了一个场景。
3D Scanner（ios）：
流程：
- 手机扫描场景。
- 导出obj文件，导入Blender做进一步处理（删除一些碎片，减面，设置大小等等），导出为FBX文件。
- 导入UE，做碰撞处理，然后运行Airsim插件，利用px4和地面站控制。
视频展示：
虽然视觉上做了一定简化，但物理属性是完全可用的，满足我们测试避障或规划算法的需求。
后续计划：
可以基于当前简化环境，开始对接算法（例如导航 / VLN / 控制）。
