1. 为什么选择Docker+ROS Noetic来跑XTDrone？

如果你和我一样，是个喜欢折腾无人机仿真的开发者，肯定对XTDrone不陌生。它是一个基于PX4和ROS的无人机仿真平台，功能强大，社区也活跃。但官方文档和大多数教程，都默认你在Ubuntu 18.04上使用ROS Melodic。这就有个问题：现在新买的电脑，或者想用更新的系统特性，装的往往是Ubuntu 20.04或22.04，对应的ROS版本是Noetic。直接在Noetic上装XTDrone，就像让新零件去适配老机器，各种依赖冲突、编译错误能让你怀疑人生。

我当初就踩了这个坑，折腾了好几天，环境都没配利索。后来一想，为什么不把问题隔离起来呢？于是想到了Docker。用Docker容器来封装一个纯净的ROS Noetic环境，就像给XTDrone准备了一个专属的、与世隔绝的“小房间”。在这个房间里，所有依赖都是为它量身定制的，不会和宿主机上其他软件打架。而且，Docker镜像可以随时打包、分发、回滚，今天配好了环境，明天换台电脑，一条命令就能恢复，再也不用重复“配环境-报错-重装系统”的噩梦循环了。

所以，这篇指南的核心思路就是：在Docker容器里，搭建一个ROS Noetic环境，然后在这个“干净”的环境里，搞定XTDrone的所有依赖和编译。 这样，你既能用上更新的ROS Noetic，又能完美运行XTDrone。实测下来，这套方案非常稳定，我已经用它跑通了多个仿真场景。下面，我就把每一步的操作细节、可能遇到的坑以及我的解决办法，毫无保留地分享给你。

2. 准备工作：宿主机环境与Docker基础配置

在开始构建我们的“仿真小房间”之前，得先确保“地基”是稳固的。这里的地基就是你的宿主机（也就是你真正的电脑系统）和Docker本身。

首先，宿主机系统。我强烈推荐使用Ubuntu 20.04或22.04 LTS版本，它们对Docker和NVIDIA显卡驱动的支持最好。如果你是Windows或macOS用户，虽然也能通过Docker Desktop运行，但在图形显示（GUI）和GPU直通上会遇到更多麻烦，这篇指南主要针对Linux环境。确保你的系统已经更新到最新：sudo apt update && sudo apt upgrade -y。

其次，安装Docker。如果你的系统还没有Docker，可以去官网按照指南安装。安装完成后，一个非常重要的步骤是将你的用户加入docker用户组，这样以后运行Docker命令就不需要每次都加sudo了，会方便很多。命令是：sudo usermod -aG docker $USER。执行后，你需要完全退出当前终端会话并重新登录，这个改动才会生效。你可以运行 docker ps 测试一下，如果不报权限错误，就说明成功了。

第三，NVIDIA Docker支持。因为XTDrone的Gazebo仿真需要3D图形渲染，用上GPU能大幅提升流畅度。所以我们需要安装NVIDIA Container Toolkit。先确保宿主机已经安装了合适的NVIDIA驱动（可以通过 nvidia-smi 命令检查）。然后，添加NVIDIA的仓库并安装工具包：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt update && sudo apt install -y nvidia-container-toolkit
sudo systemctl restart docker

安装完成后，可以用 docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi 来测试。如果能看到和宿主机一样的GPU信息输出，恭喜你，Docker已经能调用你的显卡了。

最后，解决图形显示问题。Docker容器默认是看不到宿主机的图形界面的，但Gazebo和Rviz都需要GUI。这里我们用 -v /tmp/.X11-unix:/tmp/.X11-unix 和 -e DISPLAY 这两个参数把宿主机的显示服务“共享”给容器。为了安全起见，在宿主机上先运行 xhost +local: （注意，这会在当前会话降低X服务器的访问控制，仅用于开发环境）。这样，准备工作就完成了。

3. 拉取与启动ROS Noetic基础镜像

地基打好，我们就可以开始盖房子了。第一步是获取一个已经装好ROS Noetic的“毛坯房”——也就是Docker镜像。从头构建一个ROS镜像很耗时，好在社区里有现成的优秀镜像。我试过好几个，最后发现fishros2/ros:noetic-desktop-full这个镜像非常靠谱，它基于Ubuntu 20.04，预装了完整的ROS Noetic桌面版、Gazebo11以及很多常用工具，省去了我们大量基础安装的时间。

我们用下面这条命令来拉取并启动容器。这条命令看起来有点长，但每个参数都有用，我拆开给你解释：

sudo docker run -dit \
  --gpus all \
  --name=ros-noetic-xtdrone \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=$DISPLAY \
  -e NVIDIA_DRIVER_CAPABILITIES=all \
  -e NVIDIA_VISIBLE_DEVICES=all \
  -v /dev/dri:/dev/dri \
  --device=/dev/dri/renderD128 \
  -v /home/$USER/xtdrone_ws:/root/xtdrone_ws \
  -w /root \
  fishros2/ros:noetic-desktop-full \
  /bin/bash

• -dit：d让容器在后台运行，i保持标准输入打开，t分配一个伪终端。这样容器就像个后台服务，我们又能随时进去操作。
• --gpus all：把宿主机的所有GPU都透传给容器，这是之前安装NVIDIA Container Toolkit后的成果。
• --name：给容器起个名字，方便后续管理，比如ros-noetic-xtdrone。
• -v /tmp/.X11-unix:/tmp/.X11-unix 和 -e DISPLAY=$DISPLAY：这对组合拳把宿主机的图形界面共享给容器。
• -e NVIDIA_DRIVER_CAPABILITIES=all 和 -e NVIDIA_VISIBLE_DEVICES=all：设置NVIDIA环境变量，确保容器内能完整使用GPU的计算和图形能力。
• -v /dev/dri:/dev/dri 和 --device=/dev/dri/renderD128：这两行是为了更好的硬件加速渲染，特别是针对Intel集成显卡，能提升Gazebo的启动速度和运行性能。
• -v /home/$USER/xtdrone_ws:/root/xtdrone_ws：这是一个非常关键的映射。我们把宿主机的一个目录（比如/home/你的用户名/xtdrone_ws）挂载到容器内的/root/xtdrone_ws。这样，所有在容器里这个目录下的代码和编译产物，都会实际保存在宿主机上。即使容器被删除，你的工作成果也不会丢失。强烈建议你使用这个映射。
• -w /root：设置容器启动后的初始工作目录。
• 最后是指定镜像和启动命令。

命令运行后，容器就在后台启动了。我们可以用 docker exec -it ros-noetic-xtdrone /bin/bash 进入容器。进去后，先来个经典测试：运行 roscore。如果看到ROS master启动的日志，没有报错，就说明ROS Noetic环境基本正常。你也可以运行 rosversion -d 确认一下版本是noetic。

4. 容器内环境深度配置：从Anaconda到Catkin工作空间

进入容器，我们相当于来到了一个全新的Ubuntu系统。虽然ROS基础环境有了，但要跑XTDrone，还需要安装不少“家具”和“电器”。

首先安装Anaconda。XTDrone的一些Python脚本对库版本有要求，用Anaconda管理Python环境会更干净。我们下载一个比较稳定的版本（比如2022.05）来安装：

cd /root
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
bash Anaconda3-2022.05-Linux-x86_64.sh

安装过程中，会问你把Anaconda安装到哪里，直接回车用默认的/root/anaconda3就行。还会问你是否初始化conda，选择yes。安装完成后，退出当前终端并重新进入容器，或者执行 source /root/.bashrc，这样conda命令才能生效。你可以用 conda --version 验证一下。

接下来，创建并配置Catkin工作空间。Catkin是ROS的构建系统，我们的XTDrone代码最终要在这里编译。

mkdir -p /root/catkin_ws/src
cd /root/catkin_ws
catkin init
catkin build

在编译之前，我们需要安装一堆系统依赖和Python包。这里我整理了一个比较全的列表，可以一次性安装，避免后续编译时缺这少那：

apt update && apt install -y \
    aptitude ninja-build exiftool protobuf-compiler \
    libeigen3-dev genromfs xmlstarlet \
    libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev \
    python3-pip gawk python3-catkin-tools vim git wget

Python包的管理是个容易出问题的地方。为了加速下载，我们先换一下pip源（用国内镜像）：

mkdir -p ~/.pip
echo -e "[global]\nindex-url = https://pypi.tuna.tsinghua.edu.cn/simple" > ~/.pip/pip.conf

然后安装XTDrone和PX4编译所需的Python包。注意，有些包需要指定版本，比如pyulog：

pip3 install --upgrade setuptools pip
pip3 install numpy pandas jinja2 pysserial cerberus pyulog==0.7.0 toml pyquaternion empy pyyaml
pip3 install packaging pyargparse kconfiglib jsonschema future catkin_pkg rospkg

这里有个小技巧：如果某个包安装特别慢或者失败，可以临时换源试试，比如 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。完成这些后，再回到/root/catkin_ws目录下执行一次catkin build，应该能顺利通过。这步成功，说明我们的Catkin工作空间和基础Python环境已经就绪了。

5. 安装与适配Gazebo和MAVROS

XTDrone的仿真视觉靠Gazebo，与飞控的通信靠MAVROS，这两者是仿真平台的核心桥梁。

关于Gazebo。我们使用的fishros2/ros:noetic-desktop-full镜像已经自带了Gazebo 11。官方XTDrone教程可能基于更老的Gazebo 9，但经过我的测试，Gazebo 11完全兼容，而且性能更好，所以我们不需要降级。不过，我们需要安装一些ROS和Gazebo交互的插件包：

apt install -y \
    ros-noetic-gazebo-ros-pkgs \
    ros-noetic-gazebo-ros-control \
    ros-noetic-moveit-msgs \
    ros-noetic-object-recognition-msgs \
    ros-noetic-octomap-msgs \
    ros-noetic-camera-info-manager \
    ros-noetic-control-toolbox \
    ros-noetic-polled-camera \
    ros-noetic-controller-manager \
    ros-noetic-transmission-interface \
    ros-noetic-joint-limits-interface

安装完成后，可以简单测试一下：新开一个终端，在宿主机运行 xhost + （确保容器有显示权限），然后在容器内运行 gazebo --verbose。如果能看到Gazebo的空场景窗口弹出来，并且没有报错，说明Gazebo和图形显示都配置成功了。

接下来是MAVROS。它是ROS节点和PX4飞控（或SITL仿真器）之间的通信枢纽。安装很简单：

apt install -y ros-noetic-mavros ros-noetic-mavros-extras

光安装软件包还不够，MAVROS需要地理信息数据库才能进行精确的地理位置计算。官方提供了一个脚本自动下载：

wget https://gitee.com/robin_shaun/XTDrone/raw/master/sitl_config/mavros/install_geographiclib_datasets.sh
chmod +x install_geographiclib_datasets.sh
sudo ./install_geographiclib_datasets.sh

注意这个脚本需要sudo权限，因为它会把数据安装到系统目录。运行时间可能稍长，因为它要下载大约几百MB的数据，请耐心等待完成。完成后，MAVROS的准备工作就做好了。

6. 核心步骤：PX4 Firmware与XTDrone源码的编译与整合

这是整个配置过程中最核心、也最容易出错的一步。我们需要两套代码：PX4官方固件（Firmware）和XTDrone团队提供的适配代码与模型。

第一步，获取并配置PX4 Firmware。 我们使用PX4 v1.13.2这个与XTDrone兼容的版本。

cd /root
git clone https://github.com/PX4/PX4-Autopilot.git
mv PX4-Autopilot PX4_Firmware
cd PX4_Firmware
git checkout v1.13.2
git submodule update --init --recursive

切换分支和更新子模块会下载大量代码，请保持网络通畅。完成后，运行PX4提供的环境设置脚本（跳过仿真工具安装，因为我们在容器里用ROS的Gazebo）：

bash ./Tools/setup/ubuntu.sh --no-sim-tools

然后尝试编译PX4的SITL（软件在环）目标：

make px4_sitl_default gazebo

如果编译成功，你会看到终端开始输出PX4的启动日志，并尝试启动Gazebo。先按Ctrl+C终止它。这步编译是为了验证PX4源码本身在容器环境里是否能正常构建。

第二步，获取XTDrone源码并整合。 XTDrone的代码提供了针对PX4的启动文件、世界文件、Gazebo插件和模型，这是让PX4 SITL和ROS、Gazebo联动起来的关键。

cd /root
git clone https://gitee.com/robin_shaun/XTDrone.git
cd XTDrone
git checkout 1_13_2
git submodule update --init --recursive

现在，开始关键的整合操作。我们需要把XTDrone里的配置文件，复制到PX4 Firmware的对应目录下覆盖或补充：

# 复制启动脚本
cp -r /root/XTDrone/sitl_config/init.d-posix/* /root/PX4_Firmware/ROMFS/px4fmu_common/init.d-posix/
# 复制ROS启动文件
cp -r /root/XTDrone/sitl_config/launch/* /root/PX4_Firmware/launch/
# 复制Gazebo世界文件
cp /root/XTDrone/sitl_config/worlds/* /root/PX4_Firmware/Tools/sitl_gazebo/worlds/
# 复制自定义的Gazebo插件（如云台、风场插件）
cp /root/XTDrone/sitl_config/gazebo_plugin/gimbal_controller/gazebo_gimbal_controller_plugin.cpp /root/PX4_Firmware/Tools/sitl_gazebo/src/
cp /root/XTDrone/sitl_config/gazebo_plugin/gimbal_controller/gazebo_gimbal_controller_plugin.hh /root/PX4_Firmware/Tools/sitl_gazebo/include/
cp /root/XTDrone/sitl_config/gazebo_plugin/wind_plugin/gazebo_ros_wind_plugin_xtdrone.cpp /root/PX4_Firmware/Tools/sitl_gazebo/src/
cp /root/XTDrone/sitl_config/gazebo_plugin/wind_plugin/gazebo_ros_wind_plugin_xtdrone.h /root/PX4_Firmware/Tools/sitl_gazebo/include/
# 复制关键的CMakeLists.txt，确保插件被编译
cp /root/XTDrone/sitl_config/CMakeLists.txt /root/PX4_Firmware/Tools/sitl_gazebo/
# 复制仿真模型（无人机、传感器等）
cp -r /root/XTDrone/sitl_config/models/* /root/PX4_Firmware/Tools/sitl_gazebo/models/

第三步，处理模型冲突。 这里有个经典的坑。如果宿主机之前运行过Gazebo，可能在~/.gazebo/models/目录下缓存了一些模型。如果这些模型和XTDrone提供的模型重名，会导致Gazebo加载错模型而崩溃。保险起见，我们检查并删除可能冲突的：

cd ~/.gazebo/models/
rm -rf stereo_camera/ 3d_lidar/ 3d_gpu_lidar/ hokuyo_lidar/ 2>/dev/null || true

2>/dev/null || true的意思是，如果文件不存在，忽略错误继续执行。

第四步，重新编译并解决编译错误。 复制完所有文件后，必须重新编译PX4，因为CMakeLists.txt和源代码都改了。

cd /root/PX4_Firmware
rm -rf build/ # 清除旧的编译缓存
make px4_sitl_default gazebo

在编译过程中，你很可能会遇到一个关于typhoon_h480模型的错误，提示会覆盖一个.sdf文件。这是因为XTDrone的模型目录里既有模板文件.jinja，又有生成好的.sdf文件，而PX4的编译脚本希望只从.jinja生成。解决方法很简单，把现成的.sdf文件备份一下：

mv /root/PX4_Firmware/Tools/sitl_gazebo/models/typhoon_h480/typhoon_h480.sdf /root/PX4_Firmware/Tools/sitl_gazebo/models/typhoon_h480/typhoon_h480.sdf.bak

然后再次运行 make px4_sitl_default gazebo。这次编译应该能顺利完成了。当编译结束，Gazebo窗口弹出，里面有一个默认的无人机模型（通常是Iris），并且PX4的终端在不停地打印日志，那就意味着PX4 SITL与Gazebo的联动成功了！这是里程碑式的一步。

7. 编译XTDrone的ROS功能包与最终环境变量设置

PX4和Gazebo跑通了，现在要把ROS这边最后的拼图完成——编译XTDrone的ROS功能包。

首先，我们需要把XTDrone中提供的ROS包（主要是对gazebo_ros_pkgs的一些修改或扩展）复制到我们的Catkin工作空间：

cp -r /root/XTDrone/sitl_config/gazebo_ros_pkgs /root/catkin_ws/src/

然后，进入工作空间进行编译。由于我们之前已经安装好了所有依赖，这次编译应该比较顺利：

cd /root/catkin_ws
catkin build

编译过程会处理gazebo_ros_pkgs以及它依赖的所有ROS包。请耐心等待，直到看到[100%]的完成提示，并且没有红色错误信息。

最后，也是最关键的一步：设置环境变量。 我们需要让系统知道PX4 Firmware和ROS工作空间的位置。编辑容器内的/root/.bashrc文件，在末尾添加以下几行：

source /root/catkin_ws/devel/setup.bash
source /root/PX4_Firmware/Tools/setup_gazebo.bash /root/PX4_Firmware/ /root/PX4_Firmware/build/px4_sitl_default
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/root/PX4_Firmware
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/root/PX4_Firmware/Tools/sitl_gazebo
export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/root/PX4_Firmware/Tools/sitl_gazebo/models

• 第一行：激活我们刚刚编译的Catkin工作空间。
• 第二行：激活PX4提供的Gazebo环境设置脚本，它设置了Gazebo查找模型和插件的路径。
• 第三、四行：将PX4的固件目录和Gazebo插件目录加入到ROS的包搜索路径中，这样roslaunch命令才能找到PX4提供的启动文件。
• 第五行：确保Gazebo能找到PX4和XTDrone提供的所有仿真模型。

添加完成后，执行 source /root/.bashrc 让配置立即生效。现在，让我们进行终极测试：

在一个终端（Terminal 1）里，启动PX4 SITL与Gazebo：

cd /root/PX4_Firmware
roslaunch px4 mavros_posix_sitl.launch

你应该看到Gazebo启动，加载一个世界（可能是空的，也可能有地面），并且PX4开始初始化。在另一个终端（Terminal 2）里，进入容器，尝试运行一个XTDrone的示例脚本（假设你想运行一个多机仿真）：

cd /root/XTDrone
python3 multirotor_communication.py iris 0

如果一切顺利，你将在Gazebo中看到无人机，并且脚本能够通过MAVROS与仿真中的飞控通信。至此，整个XTDrone仿真平台在Docker下的ROS-Noetic环境就全部配置完成了。这个环境封装在容器里，独立且纯净。你可以随时用docker commit命令将这个配置好的容器保存为新的镜像，以后在任何支持Docker的机器上，瞬间就能复现这个完整的仿真开发环境。