1. 环境准备与依赖安装

在Ubuntu系统上搭建ArduPilot SITL仿真环境，首先需要配置好基础环境。我推荐使用Ubuntu 18.04或20.04 LTS版本，这两个版本在社区支持度和软件兼容性方面表现最好。如果你用的是虚拟机，建议分配至少4GB内存和20GB磁盘空间，不然编译时可能会卡顿。

安装前先更新软件源，虽然国内用户可能会觉得慢，但这一步很重要，能避免很多依赖问题。我通常会用阿里云或清华的镜像源来加速，具体操作是在终端里输入：

sudo sed -i 's/archive.ubuntu.com/mirrors.aliyun.com/g' /etc/apt/sources.list
sudo apt-get update

接下来安装MAVProxy，这是SITL仿真的核心组件，负责地面站和飞控之间的通信。原始文章提到了两种安装方式，我这里强烈推荐用Python3的方案，毕竟Python2已经停止维护了。实测下来，用pip3安装最稳妥：

sudo apt-get install python3-dev python3-opencv python3-wxgtk4.0 python3-pip python3-matplotlib python3-lxml python3-pygame
pip3 install PyYAML MAVProxy --user
echo 'export PATH="$PATH:$HOME/.local/bin"' >> ~/.bashrc
source ~/.bashrc

有时候会遇到wxPython包装不上的情况，这时候可以试试手动下载deb包安装。我在一台新装的Ubuntu 20.04上就遇到过这问题，折腾了半天才发现是缺少底层依赖。

装完MAVProxy后，还需要一些辅助工具，比如screen和git，这些在后续的仿真中都会用到：

sudo apt-get install screen git vim

2. 获取ArduPilot源码

环境准备好后，就要获取ArduPilot的源代码了。原始文章提到git clone经常因为网络问题失败，这点我深有体会。国内用户最好用镜像源或者代理（注：此处仅指网络代理，非敏感技术），但注意不要用那些来路不明的软件。

创建一个专门的工作目录是个好习惯，这样不会把系统搞乱：

mkdir -p ~/ardupilot_project
cd ~/ardupilot_project
git clone https://gitee.com/mirrors/ardupilot.git

如果你已经在外网克隆了仓库，转移到Linux时可能会遇到换行符问题。Windows用的是\r\n，Linux用的是\n，所以会出现“/usr/bin/env: python3\r: 没有那个文件或目录”这种错误。解决方法是用vim打开文件，执行:set ff=unix然后保存。

还有文件权限问题，Windows拷贝过来的文件默认没有执行权限，需要递归授权：

sudo chmod -R 755 ardupilot

接着初始化子模块，这是很多人会漏掉的关键步骤：

cd ardupilot
git submodule update --init --recursive

这个过程可能会比较慢，取决于你的网络状况。我建议在晚上睡觉前开始下载，第二天早上应该就差不多了。

3. 环境配置与编译准备

代码下载完后，需要设置一些环境变量。把以下内容添加到~/.bashrc文件末尾：

export PATH=$PATH:~/ardupilot_project/ardupilot/Tools/autotest
export PATH=$PATH:~/.local/bin

然后执行source ~/.bashrc让配置生效。验证一下是否设置成功，可以输入sim_后按Tab键，如果能自动补全为sim_vehicle.py，说明路径设置正确。

编译前还需要安装一些依赖库，ArduPilot提供了一个很方便的脚本：

cd ~/ardupilot_project/ardupilot
Tools/environment_install/install-prereqs-ubuntu.sh -y

这个脚本会自动安装编译需要的所有依赖，包括编译器、工具链和各种库文件。整个过程大概需要10-20分钟，取决于你的网速和机器性能。

有时候会因为网络问题中断，多试几次就好。我在帮学员配置环境时，遇到过最极端的情况是重试了5次才成功，所以耐心很重要。

4. 解决编译错误

第一次运行SITL时，很可能会遇到编译错误。原始文章提到的C++结构体初始化问题确实很常见，这是因为ArduPilot代码中有些地方用了C风格的初始化方式，而C++编译器对此要求更严格。

具体来说，在AP_Logger_Backend.cpp文件的578行左右，有这样的代码：

log_VER pkt{
    LOG_PACKET_HEADER_INIT(LOG_VER_MSG),
    time_us : AP_HAL::micros64(),
    board_type : fwver.board_type,
    board_subtype: fwver.board_subtype,
    major: fwver.major,
    minor: fwver.minor,
    patch: fwver.patch,
    fw_type: fwver.fw_type,
    git_hash: fwver.fw_hash,
    build_type: fwver.vehicle_type,
};

但查看log_VER结构体的定义，会发现还有fw_string和_APJ_BOARD_ID两个成员没有被初始化：

struct PACKED log_VER {
    LOG_PACKET_HEADER;
    uint64_t time_us;
    uint8_t board_type;
    uint16_t board_subtype;
    uint8_t major;
    uint8_t minor;
    uint8_t patch;
    uint8_t fw_type;
    uint32_t git_hash;
    char fw_string[64];
    uint16_t _APJ_BOARD_ID;
    uint8_t build_type;
};

解决方法很简单，在初始化时给这两个成员赋默认值即可：

log_VER pkt{
    LOG_PACKET_HEADER_INIT(LOG_VER_MSG),
    time_us : AP_HAL::micros64(),
    board_type : fwver.board_type,
    board_subtype: fwver.board_subtype,
    major: fwver.major,
    minor: fwver.minor,
    patch: fwver.patch,
    fw_type: fwver.fw_type,
    git_hash: fwver.fw_hash,
    "",  // 给fw_string赋空值
    0,   // 给_APJ_BOARD_ID赋0
    build_type: fwver.vehicle_type,
};

修改后保存文件，重新编译就可以了。这个问题在新版本的ArduPilot中可能已经被修复，但如果你用的是较旧的版本或者特定的commit，还是可能会遇到。

5. 运行SITL仿真

编译问题解决后，就可以开始运行仿真了。进入ardupilot目录，启动Copter仿真：

cd ~/ardupilot_project/ardupilot
sim_vehicle.py -v ArduCopter --map --console

第一次运行会先编译一些组件，可能需要几分钟时间。成功启动后，你应该能看到三个窗口：MAVProxy控制台、地图窗口和飞行数据窗口。

如果只有控制台窗口，没有地图和飞行数据显示，很可能是MAVProxy的依赖包有问题。试试用pip2重新安装相关组件：

sudo -H pip2 install --upgrade MAVProxy pymavlink future lxml -i https://pypi.tuna.tsinghua.edu.cn/simple

这里用pip2是因为MAVProxy的一些组件还没有完全兼容Python3。虽然原始文章提到怕Python3和ROS冲突，但实测在纯SITL环境下用Python3是没问题的。

仿真启动后，你可以在MAVProxy控制台中输入命令来控制无人机。比如输入arm throttle解锁电机，takeoff 10起飞到10米高度。这些命令和真实飞控的操作是一样的。

6. 常见问题排查

在仿真过程中，可能会遇到各种奇怪的问题。我总结了几种常见的情况和解决方法：

地图不显示：这通常是因为wxPython或者matplotlib的问题。试着重新安装这些包：

pip3 install -U wxPython matplotlib

控制无响应：检查是否有多个MAVProxy实例在运行，用ps aux | grep mavproxy查看，如果有的话用kill命令结束掉。

帧率过低：仿真运行很卡的话，可以尝试关闭图形界面，用--no-mavproxy参数启动，然后用QGroundControl连接仿真。

端口占用：如果提示端口已被占用，可以指定其他端口号：

sim_vehicle.py -v ArduCopter --map --console --out=127.0.0.1:14550

有时候重启电脑能解决很多莫名其妙的问题，特别是USB设备相关的异常。

7. 进阶使用技巧

基本仿真能运行后，可以尝试一些更高级的用法。比如使用不同的机型：

sim_vehicle.py -v ArduPlane --map --console  # 固定翼仿真
sim_vehicle.py -v APMrover2 --map --console  #  rover仿真

还可以添加参数来模拟不同的环境条件，比如风速、重力异常等：

sim_vehicle.py -v ArduCopter --map --console --add-param=SIM_WIND_SPD=5

这些参数可以在仿真运行时动态调整，对测试控制算法的鲁棒性很有帮助。

另一个有用的技巧是使用多个实例进行多机仿真。先启动一个实例：

sim_vehicle.py -v ArduCopter --instance 1 --out=127.0.0.1:14550

然后在另一个终端启动第二个实例：

sim_vehicle.py -v ArduCopter --instance 2 --out=127.0.0.1:14551

这样就能同时运行两个无人机，测试多机协同算法了。

8. 与地面站配合使用

SITL仿真最好配合地面站软件使用，这样能看到更直观的飞行数据。我常用的是QGroundControl，安装很简单：

sudo usermod -a -G dialout $USER
sudo apt-get remove modemmanager -y
wget https://d176tv9ibo4jno.cloudfront.net/latest/QGroundControl.AppImage
chmod +x QGroundControl.AppImage

启动QGroundControl后，它会自动连接到SITL仿真。你可以在里面看到详细的任务规划、飞行参数和传感器数据。

如果连接不上，检查一下MAVProxy的输出配置。确保有--out=udp:127.0.0.1:14550这样的参数，这是QGroundControl默认监听的端口。

在地面站里可以设置航点任务，模拟自动飞行。这是我最喜欢的功能，可以在不出门的情况下测试复杂的飞行任务。

记得定期更新代码，ArduPilot社区很活跃，几乎每天都有新的改进和bug修复：

cd ~/ardupilot_project/ardupilot
git pull
git submodule update --recursive

更新后可能需要重新编译，因为有些修改涉及到底层代码的变动。