修改设备 - 项目管理系统

通知1：禁止将客户和外部人员的包括U盘、移动硬盘在内的存储设备插入公司电脑。通知2：外部人员连接WiFi请使用“ZHHT-Guest”，不可使用ZHHT。通知3：百度网盘、向日葵等软件不使用时请关闭，以节约网络资源。

实验室或功能区设备列表修改设备

中航恒拓 OWL Mini 3

类型*

最佳适用场景*

名称*

品牌*

型号*

介绍(可插图)*

字数: ；选中字数: ；

AI物流无人机蜂群开发平台3，这个无人机在没有GPS的情况下，可以自主避障5mm级的障碍物。国产化程度高，它拥有公司自研的双目视觉系统和增稳云台，芯片用的是国产瑞芯微RK3588S，算力是8核CPU+6TOPS NPU。给客户留有的开源算力冗余度还有大概50%。无人机的集成度比较高，轴距是200mm， 整备质量675g，续航时间26分钟，负载能力200g，这个无人机在没有GPS，纯视觉定位的情况下，飞行速度可以达到20m/s。另外它的开源，开放程度比较好，飞控是基于PX4开源；视觉定位适配的是VINS_Fusion开源；路径规划适配的是Ego_Planner开源；激光雷达适配的是FAST_LIO2开源；自主识别适配的是Yolo V8；因为适配的是Yolo V8，所以它的人脸识别，数字识别，二维码识别均开源；分布式半去中心化的群适配的是Swarm开源。AI物流无人机蜂群开发平台3在物流路线规划方面介绍：<ul><li>路径规划原则</li></ul>安全性优先：物流无人机飞行路径必须避开禁飞区域、人口密集区、军事管制区、机场净空保护区等。同时，要与高大建筑物、通信基站、高压线等保持安全距离，以避免碰撞事故。例如，在城市中，要远离高层写字楼群、大型商场等人员聚集且建筑高大的区域；在野外，要避开高压线塔、信号发射塔等设施。高效性保障：综合考虑无人机的续航能力、飞行速度以及货物送达时间要求，规划最短或近似最短路径，减少飞行时间和能耗。比如，当有多个配送任务时，合理安排先后顺序，使无人机在完成所有任务的过程中总飞行距离最短。成本最优化：考虑无人机的购置成本、维护成本、能耗成本以及潜在的风险成本等。选择合适的飞行高度、速度，减少不必要的飞行操作，以降低整体运营成本。例如，根据不同载重调整飞行高度，在满足安全的前提下，选择能耗最低的高度层飞行。<ul><li>具体操作示例</li></ul>起点与终点确定：假设起点 A 为物流配送中心，位于城市郊区，拥有完善的无人机起降设施和货物装载设备。目的地 C 为位于城市新区的一个居民小区配送点。途径中点设置：在起点 A 和目的地 C 之间，根据地理环境、交通状况以及无人机续航等因素，设置途径中点 B。例如，如果起点 A 和目的地 C 之间距离较远，且中间有一个合适的空旷场地（如公园的大片草坪，在获得相关许可的情况下）可作为中点 B，用于无人机中途休整、补充能源（若具备简易充电或换电设施）或者进行货物的二次分拣（如果有多个目的地的货物需要在中途重新组合）。路径规划过程：利用地理信息系统（GIS）和视觉定位技术或全球定位系统（GPS）技术，结合预先设定的安全规则和优化目标，为无人机规划从起点 A 经中点 B 到目的地 C 的路径。首先，在 GIS 地图上标记出禁飞区域、障碍物位置等信息。然后，运用路径规划算法，以起点 A 为起始点，在满足安全约束的前提下，搜索到中点 B 的最优路径。接着，从中点 B 继续搜索到目的地 C 的最优路径，从而形成完整的 A - B - C 路径。在飞行过程中，无人机通过 GPS 实时定位，按照规划路径飞行，并通过机载传感器实时监测周围环境，如有突发障碍物（如临时放飞的风筝、突然升空的气球等），则启动避障程序，对路径进行局部调整，确保安全抵达目的地。

图片

参数（表格中显示）

一、人工智能双目物流无人机蜂群开发平台必须满足以下功能要求：

★1、AI双目视觉物流无人机蜂群科研平台是为科研工作者与航天器开发者打造的微型化无人机开发平台，搭载视觉模块，适用于无GPS环境下基于视觉的无人机定位/导航/避障算法的验证与开发，以及无人机蜂群组网编队的研究。（投标人须在现场提供≥8机无GPS环境下蜂群分布式组网避障飞行视频演示，演示机型要与投标机型一致，不提供不得分）

★2、搭载国产化自主的双目视觉传感器，和国产化机载处理器开发平台，平台支持ROS接口，提供了8核CPU和6Tops TPU计算资源。

3、预装了融合了VINS_Fusion VIO算法的自定位系统，可以满足室内无人机定位需求。提供了视觉避障算法，可以提供视觉避障功能。

4、视觉模块为无人机提供了视觉定位和避障功能。包括双目视觉(stereo camera)传感器，惯性导航模块(IMU)，视觉算法计算模块(CVM)三个部分。为无人机的室内定位和避障提供了计算平台和用例。所使用的视觉算法（VIO，SLAM，planner等），提供相对应的开源参考和所作的修改。平台既可以作为无人机视觉定位模块直接使用，也可以作为相关算法开发平台使用；

★5、集成微型双轴4K增稳云台，适配YOLO V8目标检测算法，可实现定点跟踪功能。（投标人须在投标文件中附上微型双轴云台实物截图证明，厂家盖章，不提供不得分）

二、人工智能双目物流无人机蜂群开发平台飞行参数要求：

1、支持飞行模式：自稳（姿态）、定高、室内导航、自主避障、室内悬停、组网编队飞行模式；

★2、无载荷开启机载计算机自主悬停飞行时间：≥25 min；（投标人须在投标文件中附上续航时间测试视频截图证明，厂家盖章，不提供不得分）

3、最大飞行速度：≥15 m/s；

4、最远遥控距离：≤1000 m；

5、最大巡航速度：≥15 m/s；

6、最大上升速度：≥5 m/s；

7、最大下降速度：≥4 m/s；

8、俯仰轴旋转角速度：≥20°/s；

9、航向轴旋转角速度：≥60°/s；

10、飞行时最大风速：≥8 m/s；

11、气压计定高精度：±0.5m；

12、工作温度：-10 ℃~45℃。

三、人工智能双目物流无人机蜂群开发平台规格参数要求：

★1、机架：机身采用四旋翼X型结构，对角轴距≤200mm，机身材质为碳纤维，中心板集成分电板和电池供电功能；

2、飞控：STM32主控芯片，三轴加速度计/陀螺仪；铜板硅胶球减震设计；支持S.BUS单总线接收模式；尼龙外壳；飞控留有全色LED指示灯；支持地面站USB升级固件；SWD下载接口≥1个；IIC接口≥2个；UART串口接口≥2个；PMU电源接口≥1个；GPS接口≥1个，SD卡接口≥1个，飞控内部集成微型蜂鸣器（非外置），飞控底部带FPC排座接口，可通过FPC排线连接到无人机下板，直接输出电调PWM信号；

3、机载处理器：双内核，配套尼龙外壳；

★4、板载一键开关机功能，长按开机、长按关机，可免于插拔电池开关机；

5、电调：多旋翼专用四合一高速电调；

6、电机：三相交流无刷电机；

7、桨叶：高效耐摔尼龙螺旋桨；

8、遥控器：≥8通道，高分辨率显示屏，内置电池；

9、接收机：支持S.BUS、PPM、PWM模式；

10、电池：≥3850mAh/4S/35C动力锂电池，XT接头；

11、电池仓：采用尼龙材料一体化设计；

12、充电器：支持2-4S平衡充,带数码管电压实时显示功能；

13、电压检测模块：支持1-6S电压检测，可设置报警电压；

14、配套工具包：2mm六角扳手*1、2.5mm六角扳手*1、3M胶*2；

15、每架无人机采用独立手提航空铝包装箱，高密度海绵内衬。

四、人工智能双目物流无人机蜂群开发平台配套教学资料要求：

1、可提供纸质版使用说明书、实验指导书；

2、可提供配套PC地面站软件、飞控编程开发环境、飞控下载驱动。

★3、相关实验案例与教程：（投标人须在投标文件中附上以下制造商纸质版实验课程扫描件，厂家盖章，不提供不得分）

ROS及视觉定位实验：

远程连接无人机

远程文件传输

远程ROS调试

机载电脑自启动设置

ROS系统安装

STEREO_CAM模块配置

MAVROS模块配置

IMU模块配置

飞控系统配置

VIO模块配置

PLANNER模块配置

IMU校准

双目摄像头标定

机载平台镜像恢复

主要功能概述

配套课程及实验

@@ROS及相关技术

##ROS系统而是一个运行在Linux等操作系统之上的次级操作系统。它通过提供硬件抽象、底层设备控制、进程间消息传递等功能，帮助开发者高效地创建和管理机器人应用软件，将机器人的软件功能模块化，形成一个个节点，这些节点可以通过发送消息进行通信，从而实现复杂的机器人行为。

**实验1：Ubuntu操作系统安装

**实验2：Ubuntu操作系统安装应用程序

**实验3：Ubuntu操作系统命令行操作

**实验4：ROS的安装

**实验5：ROS的运行（海龟移动）

**实验6：安装Visual Studio Code编辑器

**实验7：配置ROS环境并实现“Hello World”

@@无人机视觉

##实验目的：了解和掌握无人机视觉跟踪技术的基本原理和实现方法

##实验内容：由于无人机能搭载的传感器和处理器性能有限，因此与常规数字图像处理方法相比，要求所应用的方法同时具备实时性和可靠性。本实验需要综合应用SIFT、SURF、YOLO等视觉跟踪方法，利用学生自己的计算机，实现视觉跟踪，并要求在实验中开始学习使用ROS(机器人操作系统)、OpenCV等工具。

**实验1：K-MEANS网络搭建

**实验2：GAN网络搭建

**实验3：CGAN网络搭建

**实验4：YOLO网络搭建（V1-V8）

**实验5：基于YOLO实现目标识别

@@无人机滤波和传感技术

##实验目的：了解和掌握无人机使用传感器和滤波器的基本原理

##实验内容：本实验主要针对无人机控制系统中所使用的传感器和滤波器基本原理，包括IMU(惯性传感器)、GPS(全球定位系统)或北斗定位系统、Kalman滤波器或互补滤波器，通过实验，使用实际无人机上采集的传感器数据来融合出可靠的位姿数据，巩固所学知识。

**实验1：多传感器数据融合

**实验2：前端光流

**实验3：高效的去畸变方式

**实验4：误差卡尔曼滤波

**实验5：连续时间预积分误差传递

**实验6：离散时间预积分误差传递

@@同步定位与建图

##实验目的：了解和掌握无人机同步定位建图基本原理和实现方法

##实验内容：本实验主要探索无人机在不依靠外部定位手段，如GPS、无线基站和动作捕捉系统等的情况下，仅依靠自身携带的传感器进行导航、定位和地图建立的SLAM(同步定位建图)方法，合作完成一种或几种典型的SLAM方法原理调研、实际运行测试、评价等。

**实验1：VINS-Mono代码编译运行

**实验2：预积分零偏建模方式

**实验3：VIO初始化

**实验4：VIO数据预处理

**实验5：旋转外参初始化

**实验6：ceres解析求导以及核函数

**实验7：预积分残差计算

**实验8：预积分雅可比计算

**实验9：视觉重投影

**实验10：视觉雅可比

**实验11：滑动窗口边缘化

**实验12：VINS_Fusion介绍及运行

**实验13：VINS_Fusion光流优化

**实验14：VINS_Fusion初始化

**实验15：VINS_Fusion后端优化

**实验16：鲁棒的外点剔除策略

**实验17：VINS_Fusion的GPS融合

@@无人机位姿控制

##实验目的：以多旋翼无人机为例，了解无人机位姿控制的基本原理和方法，并通过实验对无人机的闭环相应特性获得直观认识。

##实验内容：本实验将基于室内无人机飞行实验，学习和体验无人机姿态位置和姿态控制的控制器设计和调节方法，包括姿态环(内环)参数调节、位置环(外环)参数调节、扰动抑制、轨迹跟踪等环节。通过实验，同学可以更深入了解无人机控制器的构成和不同控制器参数对于飞行品质的影响。

**实验1：无人机的数学模型

**实验2：无人机动力模型

**实验3：无人机姿态模型

**实验4：无人机位置模型

**实验5：无人机模型线性优化

**实验6：基于欧拉角的控制器

**实验7：PID控制

**实验8：基于四元数的控制器

**实验9：基于旋转矩阵的控制器

@@无人机视觉控制

##实验目的：了解无人机视觉控制的基本原理，通过实验掌握无人机视觉的基本方法。

##实验内容：本实验将基于机载立体摄像头的口袋式室内无人机实验平台，学习无人机视觉跟踪的基本原理，包括图像跟踪、解耦控制、轨迹平滑等环节。

**实验1：回环检测数据流

**实验2：基于dbow的回环检测

**实验3：回环校验

**实验4：通过后端滑窗优化回环帧位姿

**实验5：四自由度位姿图优化

**实验6：视觉地图的保存和加载

@@基于PX4的开源飞控系统

##实验目的：基于PX4开源平台，研究并调试多旋翼无人机飞控系统。

##实验内容：综合应用控制和传感器相关知识，在课程组提供的PX4系统上，学习传感器采集模块、传感器数据融合和滤波模块、内环控制模块、外环控制模块、通信模块等的开发方法，并利用Mavros（MAVLink + ROS）开发相应的机载计算机程序，实现上位机对无人机的实时操控。

**实验1：基于PX4的四旋翼建模与控制

**实验2：四旋翼模型与控制基础

**实验3：实际飞行测试

**实验4：日志分析

**实验5：传感器与遥控器校准原理

**实验6：PX4自定义任务并执行

**实验7：PX4自定义参数并使用QGC显示

**实验8：PX4自定义uORB消息并保存到日志

**实验9：PX4控制算法

**实验10：PX4中uORB概览

**实验11：PX4位置-姿态-角速度控制逻辑

**实验12：基于SO3的姿态控制

**实验13：TD微分跟踪器原理与仿真

**实验14：ADRC误差组合

**实验15：LESO原理与仿真

**实验16：LADRC角速度环Simulink仿真

**实验17：LADRC飞控C++代码编写

**实验18：LADRC仿真与实物测试分析

**实验19：非线性ADRC原理与仿真

**实验20：一键起飞

**实验21：自动降落

**实验22：速度平滑

@@单目视觉跟踪与识别系统

##实验目的：研究和探索无人机单目视觉追踪和识别的方法。

##实验内容：综合应用计算机视觉和深度学习等相关知识，学习和开发基于特征的无人机视觉识别与跟踪方法、基于深度学习的无人机视觉与跟踪方法，并在安装有Ubuntu和Ros的计算机上实现。

**实验1：单目视觉位姿估计

**实验2：基于ceres自动求导的单目视觉BA优化

**实验3：陀螺仪零偏初始化

**实验4：视觉惯性对齐求解

**实验5：基于已知重力的视觉惯性对齐调整

@@立体视觉导航与避障系统

##实验目的：研究和探索无人机立体视觉导航和避障方法。

##实验内容：应用深度相机、激光雷达等具备深度测量能力的传感器，学习和开发无人机立体视觉同步定位建图导航方法、基于特征或学习的避障方法，并在安装有Ubuntu和Ros的计算机上实现。

@@无人机虚实融合仿真系统

##实验目的：研究和探索无人机虚实融合仿真方法。

##实验内容：应用Ros提供的Gazebo等工具，通过无线或有线方式接入开源飞控Px4的数据，开发完整的无人机虚实融合仿真系统，在虚拟系统中为无人机安装单目摄像头、深度摄像头、激光雷达等视觉传感器，实现虚拟环境下的无人机自主任务规划与飞行测试。

@@无人机视觉导航与避障技术

##实验目的：研究和探索无人机视觉导航和避障方法。

##实验内容：基于搭载轻量化计算平台、双目摄像头和和PX4飞控系统的微型无人机，开发算力受限情况下的无人机自主双目点云生成算法、视觉导航算法和自主避障算法，在室内实现飞行验证。

@@无人机视觉编队与任务规划技术

##实验目的：研究和探索无人机视觉编队与任务规划方法。

##实验内容：基于搭载轻量化计算平台、双目摄像头和和PX4飞控系统的微型无人机，开发算力受限情况下的分布式无人机视觉编队方法、集中式/分布式/智能式任务规划方法，并在室内实现飞行验证。

@@无人机编队实验

##实验目的：认识在不同的无人机编队协议下，无人机编队的性能。

##实验内容：利用Matlab和QuarQ等工具进行编程，通过WiFi建立服务器和无人机集群之间的通信，实现无人机集群的集中式和分布式编队飞行，并通过航迹变换和施加外部干扰等，验证不同的编队协议的鲁棒性和快速性之间的差异。

@@无人机智能任务规划

##实验目的：通过实验综合掌握无人机全自主飞行及智能任务规划相关的方法。

##实验内容：在机载Ubuntu和Ros系统上进行编程，并通过Mavros等工具与机载PX4飞控系统通信，利用机载双目摄像头采集的视觉数据生成点云，实现无人机在无GPS等外部导航手段的引导下的自主定位、自主导航、避障、路径规划和目标匹配，最终完成在开阔实验室空间内的智能任务规划。

主要配套资源

市场价格*

优惠价格*

数量单位*

推荐使用人数*

添加日期*