【Ubuntu 18.04 LTS】AirSim 仿真基础配置（v1.3.1+UE 4.24）

对于Linux系统，目前AirSim官方测试过的系统版本为Ubuntu 18.04LTS，推荐使用该版本。

1.虚幻引擎4安装

1.1 在虚幻引擎4官方网站，注册并登录Epic Games账户

网址：https://www.unrealengine.com/

1.2 账号关联

  在个人设置中，关联自己的GitHub帐号，之后GitHub中的Epic Games会团队会邀请加入到开发团队中，之后即可查看或者下载Unreal Engine

网址：https://github.com/EpicGames/UnrealEngine

1.3.安装（AirSim官方当前官方支持的虚幻引擎版本为4.24，其他版本并不建议，可能会出现不兼容的情况）

git clone -b 4.24 https://github.com/EpicGames/UnrealEngine.git
cd UnrealEngine
./Setup.sh
./GenerateProjectFiles.sh
make

2.AirSim安装

git clone https://github.com/Microsoft/AirSim.git
cd AirSim
./setup.sh
./build.sh

  在执行./setup.sh时，会下载car_assets.zip，这可能会花费很长时间，如果仅进行无人机仿真的话，可以使用下面的命令来代替：

./setup.sh --no-full-poly-car

3.虚幻引擎仿真环境的准备

AirSim已经准备了一个称之为Blocks的简单仿真环境，当然，这并不一定满足您的需求，您还可以自行购买或者创建自己的仿真环境，不过值得一提的是，如果要购买仿真场景的话，只能在Windows的虚幻商城中下载，之后可以迁移到Ubuntu中。

如果您需要自行创建或者配置自己的仿真场景，可以参考：
https://qiuming.blog.csdn.net/article/details/104327689

下面我们对使用内置的Blocks场景进行简单的介绍：

3.1 内置的Blocks场景位于…/AirSim/Unreal/Environments/Blocks路径下，双击Blocks.uproject即打开虚幻引擎场景。

3.2 对其做以简单的设置，点击Play右侧的向下的小三角，而后点击Advanced Settings，搜索CPU，取消后台运行时使用较少CPU的勾选，如下图所示。

3.3 点击Play，即可看到一架无人机出现在场景中，并且已经解锁，下面使用代码进行测试

3.4 打开终端，更改路径到Python控制程序（AirSim内置，根据自己防止的AirSim进行适当修改）处：

cd ~/AirSim/PythonClient/multirotor/
python hello_drone.py 

此时可能出错：

No module named msgpackrpc

执行下面的命令安装缺少的包：

pip install msgpack-rpc-python

而后，重新执行python hello_drone.py，即可看到终端输出

fire@fire-P7xxTM1:~/AirSim/PythonClient/multirotor$ python hello_drone.py 
Connected!
Client Ver:1 (Min Req: 1), Server Ver:1 (Min Req: 1)
state:  {   u'collision':  {   u'has_collided': False,
    u'impact_point':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'normal':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'object_id': -1,
    u'object_name': u'',
    u'penetration_depth': 0.0,
    u'position':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'time_stamp': 0},
    u'gps_location':  {   u'altitude': 123.34492492675781,
    u'latitude': 47.64197914136834,
    u'longitude': -122.14017833284416},
    u'kinematics_estimated':  {   u'angular_acceleration':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'angular_velocity':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'linear_acceleration':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'linear_velocity':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'orientation':  {   u'w_val': 1.0,
    u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'position':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.6750681400299072}},
    u'landed_state': 0,
    u'rc_data':  {   u'is_initialized': False,
    u'is_valid': False,
    u'left_z': 0.0,
    u'pitch': 0.0,
    u'right_z': 0.0,
    u'roll': 0.0,
    u'switches': 0,
    u'throttle': 0.0,
    u'timestamp': 0,
    u'vendor_id': u'',
    u'yaw': 0.0},
    u'timestamp': 1591066842833506816}
imu_data:  {   u'angular_velocity':  {   u'x_val': -0.001506683649495244,
    u'y_val': 0.0007826467626728117,
    u'z_val': -0.0007805040804669261},
    u'linear_acceleration':  {   u'x_val': 0.04153737053275108,
    u'y_val': -0.050786156207323074,
    u'z_val': -9.817627906799316},
    u'orientation':  {   u'w_val': 1.0,
    u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0},
    u'time_stamp': 1591066842836506880}
barometer_data:  {   u'altitude': 123.32682800292969,
    u'pressure': 99851.5859375,
    u'qnh': 1013.25,
    u'time_stamp': 1591066842824506624}
magnetometer_data:  {   u'magnetic_field_body':  {   u'x_val': 0.24743011593818665,
    u'y_val': 0.03551159054040909,
    u'z_val': 0.36682388186454773},
    u'magnetic_field_covariance': [   ],
    u'time_stamp': 1591066842824506624}
gps_data:  {   u'gnss':  {   u'eph': 0.3000044822692871,
    u'epv': 0.40000447630882263,
    u'fix_type': 3,
    u'geo_point':  {   u'altitude': 123.34492492675781,
    u'latitude': 47.64197914136834,
    u'longitude': -122.14017833284416},
    u'time_utc': 1591066842608502,
    u'velocity':  {   u'x_val': 0.0,
    u'y_val': 0.0,
    u'z_val': 0.0}},
    u'is_valid': True,
    u'time_stamp': 1591066842608502016}
Press any key to takeoff

我们即可根据终端信息提示，进行操作，下面是一张飞行截图

hello_drone.py的代码如下：

# ready to run example: PythonClient/multirotor/hello_drone.py
import airsim
# connect to the AirSim simulator
client = airsim.MultirotorClient()
client.confirmConnection()
client.enableApiControl(True)
client.armDisarm(True)
# Async methods returns Future. Call join() to wait for task to complete.
client.takeoffAsync().join()
client.moveToPositionAsync(-10, 10, -10, 5).join()
# take images
responses = client.simGetImages([
    airsim.ImageRequest("0", airsim.ImageType.DepthVis),
    airsim.ImageRequest("1", airsim.ImageType.DepthPlanner, True)])
print('Retrieved images: %d', len(responses))
# do something with the images
for response in responses:
    if response.pixels_as_float:
        print("Type %d, size %d" % (response.image_type, len(response.image_data_float)))
        airsim.write_pfm(os.path.normpath('/temp/py1.pfm'), airsim.getPfmArray(response))
    else:
        print("Type %d, size %d" % (response.image_type, len(response.image_data_uint8)))
        airsim.write_file(os.path.normpath('/temp/py1.png'), response.image_data_uint8)

参考文献：

1.Build AirSim on Linux