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。

1. UE

   UE 计算的物理状态，渲染引擎。

2. 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。

3. PX4 PX4负责所有的姿态解算和飞行控制。

4. 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：

demo1

demo2

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）。

贡献者

salt235

下一页从室内到校园级三维建模技术调研报告