上一讲里我们介绍了如何通过 MAVROS 以及 OFFBOARD 模式在 Gazebo 模拟器中控制无人机飞行。本讲中，我们会讲解如何通过上一课中用到的 API 以及本课提供的建模网站(完全免费) 来实现这一任务。

实现这一任务包括一下5个步骤：

1. 启动 Gazebo 模拟器；

2. 起飞无人机并开始录制一个 rosbag;

3. 控制无人机围绕建筑物绕圆周飞行一圈；

4. 停止 rosbag 录制并使用提供的脚本提取图片；

5. 使用提供的网站构建模型（构建模型所需环境配置过于复杂，之后的教程会详细讲解）。

前两步比较直接也很简单，对于第三步和第四步，我们会提供一个 python 脚本来辅助你来完成，但是实现并不是最好的。对于第五步，我们会在最后一部分讲解如何使用提供的网站来实现模型构建。

如果你想控制实机飞行并且构造一个实际环境的 3D 模型:

1. 使用遥控器控制无人机起飞 或者通过提供的 Python API 控制无人机起飞（因安全问题，暂时不推荐）;

2. 开始录制 Rosbag;

3. 控制无人机围绕建筑物飞行;

4. 将无人机降落然后处理 Rosbag;

5. 将图片上传到提供的网站上建模。

接下来我们将从头开始讲解在 Gazebo 模拟器中构建模型，最终得到的结果如下图所示。

更新环境

开始前，记得更新 GAAS:

# 改变路径到 GAAS 所在路径，使用 git pull 更新 GAAS
cd (GAAS_PATH)
git pull origin master

接下来，将 Gazebo 仿真用到的文件拷贝到 PX4 文件所在目录中:

cp -r (GAAS_PATH)/simulator/launch/* ~/catkin_ws/src/Firmware/launch/
cp -r (GAAS_PATH)/simulator/models/* ~/catkin_ws/src/Firmware/Tools/sitl_gazebo/models/
cp -r (GAAS_PATH)/simulator/worlds/* ~/catkin_ws/src/Firmware/Tools/sitl_gazebo/worlds/
cp -r (GAAS_PATH)/simulator/posix-config/* ~/catkin_ws/src/Firmware/posix-configs/SITL/init/ekf2/

完成后，你可以继续到下一步.

启动仿真

如果你一步一步的做完了第一讲并且更新了本地环境，你可以直接执行下列命令来启动 Gazebo 仿真环境:

roslaunch px4 sfm.launch

上述命令会一同启动 MAVROS 以及 Gazebo 仿真，启动后，你会发现你的无人机以及一栋房子出现在模拟器环境中，这栋房子将会是你建模的目标。

​

​

在你进行下一步之前，记得通过如下命令检查 MAVROS 的连接情况:

# 确保 "connected" 为 "True"
rostopic echo /mavros/state

当你启动仿真后，IMU，气压计，摄像头图像信息以及 GPS 等传感器信息会通过 MAVROS 发布出来; 你可以通过如下命令来查看可用的 ROS 主题:

rostopic list

通过 MAVROS 发布出来的主题包括:

/gi/simulation/left/image_raw
/gi/simulation/right/image_raw
/mavros/imu/diff_pressure
/mavros/imu/mag
...

而我们用来构建 3D 模型的主题只是左(或者右)摄像头信息:

/gi/simulation/left/image_raw

你可以通过 Rviz 来查看发布出来的摄像头图片:

rviz

在 Terminal 中输入 rviz 后你可以看到一个如下的窗口:

在窗口左下角，选择 “Add”->“by topic”->”/gi/simulation/left/image_raw“， 之后你可以看到当前的左目摄像头信息。我们接下来会在 Gazebo 环境中构建前方建筑物的 3D 模型。

录制一个 Rosbag

若要生成一个 3D 模型，我们需要围绕建筑物或者环境的一组图片，而这些图片需要是从建筑物不同角度拍摄的连续图片（连续图片间需要有关于建筑物的共视区) 。Rosbag 类似于一个盒子，可以将ROS/MAVROS 发布出来的消息保存在内, 所以 Rosbag 非常适合保存摄像机发布出来的图像信息。

因为我们将使用左目摄像头，我们只需要订阅并存储左目摄像头的信息:

rosbag record /gi/simulation/left/image_raw -O sfm.bag

接下来，起飞无人机:

python  (GAAS_PATH)/demo/tutorial_2/2_Struction_from_Motion/px4_mavros_run.py

无人机会起飞到 3 米高左右。接下来我们可以控制无人机围绕建筑物飞行，同时我们需要注意在控制无人机飞行的过程中，我们需要保持无人机的头部，也就是摄像头正前指向建筑物, 为此我们提供了一个脚本控制无人机围绕圆形飞行:

python (GAAS_PATH)/demo/tutorial_2/fly_circle.py

无人机将会围绕建筑物飞行一圈，最终它将会降落在起飞点的地面上。

在录制 bag 过程中，若要构建一个比较好的模型，我们需要时刻注意一下几点:

1. 围绕建筑物拍摄的连续图片需要有一定视野上的重叠;

2. 避免幅度较大的 Yaw 运动;

3. 尽量将建筑物的表面都拍摄下来。

无人机降落后，停止 Rosbag 的录制，你会得到一个名为 “sfm.bag” 的 Rosbag， 接下来，我们将把 Rosbag 处理成一系列图片。

处理 Rosbag

为了构建 3D 模型，我们需要将 rosbag 中的图片信息提取出来，你可以使用 tutorial_2 提供的 python 脚本来实现这个功能。

python bag2image.py --bag (PATH-TO-YOUR-BAG) --output_path (IMAGE-OUTPUT-FOLDER) --image_topic /gi/simulation/left/image_raw

完成上一步后，你会将所有的图片从 rosbag 提取出来并且存储到本地文件夹内。

构造模型

3D 建模的环境配置比较复杂，为此我们提供了一个网站来帮助建模。通过网站即可构建模型，你所需要做的只是将图片上传到如下网站：

aviation.giai.tech

点击 “构建自己的模型” 后，点击 “Add FIles” 选择物体的图片（不支持批量上传），之后点击提交。

下图是真实世界的一个使用案例，通过 76 张图片构建出来的的3D模型。

将图片上传到网站后，因为计算能力限制，您需要等待一段时候后建模才可以完成。建模完成后，你会收到一封邮件，根据邮件提示即可得到模型。

​