实验室或功能区 - 项目管理系统

实训室以真实项目为牵引，将抽象的嵌入式系统、导航算法、能源管理理论转化为可操作的实践场景，显著提升学生的工程思维、动手能力和创新解决复杂问题的能力，为无人机研发、运维、应用等领域输送“懂原理、会操作、能创新”的复合型人才。

该无人机系统原理与实训室以“理论实践融合、技术分层递进”为核心，依托嵌入式及无人机案例实验箱、单板计算机、传感器模块套件等设备，构建了从基础到综合的实践体系。学生可通过单板计算机学习嵌入式编程与硬件控制，结合传感器模块套件掌握环境数据采集与信号处理技术；利用无人机GNSS INS惯性组合导航开发模块，可模拟真实场景下的定位、导航与姿态解算，理解多源融合定位原理。

通过嵌入式及无人机案例实验箱，可实现嵌入式系统课程、嵌入式传感器、自动控制、无人机飞控开发等方向的实验教学。

通过训练，使学生能够熟练掌握无人机的起飞、降落、悬停、飞行、遥控操作等基本技能，确保在实际应用中能够灵活应对各种飞行任务。

针对无人机可能遇到的失控、遇到障碍物、通信中断等紧急情况，进行专门的应急处理训练，提高学生在紧急情况下的应变能力和快速响应能力。

强调安全意识和安全操作规程的重要性，确保学生在操作过程中严格遵守安全规定，保障自身和设备的安全。

构建农田三维数字模型，模拟地形、作物分布及动态环境，还原真实作业场景。

模拟多种机型飞行控制、能耗及喷洒过程，优化飞行参数和药液喷洒效果。

自动生成高效作业路径（如Z字形），规避障碍物，平衡效率与喷洒均匀性，降低重喷/漏喷风险。

通过嵌入式及无人机案例实验箱，可实现嵌入式系统课程、嵌入式传感器、自动控制、无人机飞控开发等方向的实验教学。

无人机等任何智能设备都离不开传感器技术，学生需要了解各类传感器的工作原理和特征并结合理论知识完成传感器系统软硬件开发，并将相关传感器与无人机结合以实现更多功能，能够培养学生的综合开发能力。

惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，可用于无卫星定位时的持续导航定位。学生可以通过学习相关技术原理，并开发符合实际需求的软硬件系统并与无人机进行结合，培养学生的软硬件开发能力。

系统涵盖城市场景、工厂场景、山林场景，每个场景设置多个不同位置起火点，真实还原复杂灾害环境。如城市高楼火灾、工厂车间爆炸起火、山林火灾等，帮助救援人员熟悉不同场景的救援难点与策略。

提供灭火弹、干粉、水枪等多种灭火负载，与不同场景和机型自由搭配。例如在山林场景中，垂起固定翼无人机搭载灭火弹，可快速覆盖大面积火源；城市狭窄区域，多旋翼无人机搭配水枪，实现精准灭火，满足多样化救援需求。

借助小地图导航引导无人机抵达救援点，实时呈现火势蔓延情况与灭火进度。在起火点上方，用户可手动触发负载灭火，灭火弹击中着火点减弱火势，干粉和水枪需持续喷洒，增强救援操作的真实感与互动性。

救援过程中可灵活调整灭火负载参数，如调节灭火弹发射压力控制发射速度，调整干粉、水枪喷射压力改变喷洒距离，让用户根据实际火势灵活优化救援方案，提升应变能力。

支持多旋翼、直升机、垂起固定翼等机型操作训练，各机型具备不同性能特点。多旋翼灵活机动，适合低空精细作业；直升机载重量大；垂起固定翼兼顾长航时与垂直起降优势，使救援人员熟练掌握不同机型在应急救援中的应用技巧。

无人机等任何智能设备都离不开传感器技术，学生需要了解各类传感器的工作原理和特征并结合理论知识完成传感器系统软硬件开发，并将相关传感器与无人机结合以实现更多功能，能够培养学生的综合开发能力。

惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，可用于无卫星定位时的持续导航定位。学生可以通过学习相关技术原理，并开发符合实际需求的软硬件系统并与无人机进行结合，培养学生的软硬件开发能力。

模拟真实电力设施（输电线路、杆塔等）的三维环境，结合地形提供贴近实际的训练场景。

支持多类型无人机的飞行模拟，练习起降、避障、沿线路巡检等高难度操作，培养精准操控能力。

通过训练，使学生能够熟练掌握无人机的起飞、降落、悬停、飞行、遥控操作等基本技能，确保在实际应用中能够灵活应对各种飞行任务。

针对无人机可能遇到的失控、遇到障碍物、通信中断等紧急情况，进行专门的应急处理训练，提高学生在紧急情况下的应变能力和快速响应能力。

强调安全意识和安全操作规程的重要性，确保学生在操作过程中严格遵守安全规定，保障自身和设备的安全。

专注于无人机在农业植保中的应用，包括植保无人机的选型、农药喷洒技术、作业规划与实施等。学生将学习如何高效、安全地进行农业植保作业，提高农作物产量和质量。

系统支持四旋翼、直升机、垂起固定翼三类机型的拆装与调试操作。不同机型结构与原理存在差异，四旋翼结构简单、易于入门；直升机机械结构复杂，满足多样化学习需求。

可对各机型进行虚拟拆解，将无人机细化为机架、电机、电调、飞控、传感器等零部件。每个零件均配备详细说明，包括名称、功能、在无人机运行中的作用等，帮助用户深入理解无人机硬件组成。

用户通过拖动零件按步骤完成无人机组装，系统依据标准组装流程实时评分。组装错误时，系统精准提示错误原因，如零件安装位置不当、线路连接错误等，引导用户掌握正确组装方法，培养严谨的操作习惯。

借助实时曲线直观展示飞机横滚、升降、油门、方向四个维度的响应情况，用户可独立调整每个轴的 P（比例）/I（积分）/D（微分）参数。通过参数调整，改变飞机操作灵敏度与稳定性，实现个性化调试，掌握 PID 参数对飞行性能的影响机制。

提供八个方位的风力模拟选项，模拟真实环境中风对无人机飞行的干扰。用户在不同风力条件下验证 PID 调试效果，观察无人机姿态变化，进一步优化调试方案，提升在复杂环境下的调试能力。

嵌入式及无人机案例实验箱不仅可以满足传统的嵌入式及STM32相关课程的教学实验需求，还为课程设计提供了丰富的无人机飞控工程案例化实验。

该实验箱由四大部分组成，分别为STM32嵌入式实验板卡、平面对轴平衡调试平台、遥控控制器及配件、四轴飞行器。

通过嵌入式及无人机案例实验箱，可实现嵌入式系统课程、嵌入式传感器、自动控制、无人机飞控开发等方向的实验教学。嵌入式实验板卡的处理器采用STM32F407，可以实现丰富的嵌入式硬件外设实验，还可与平面对轴平衡调试平台配合完成对轴控制实验，实现无人机的飞控开发入门学习。

无人机执照考证仿真系统通过在计算机上安装模拟软件并搭配专用遥控器，能够高度还原真实场景下的无人机操作。该系统突破了真实飞行在时空、成本与安全方面的限制，为无人机操作学习、技能提升与技术验证提供了一套高效、安全的实践解决方案。

无人机农业植保仿真系统通过模拟真实农业植保场景和无人机作业过程，实现对植保无人机作业效果的预测、参数优化和风险预判。该系统结合农业植保专业知识、无人机动力学模型、环境建模算法及大数据分析，为用户提供低成本、高效率的虚拟测试与训练环境。

OWL Mini 3无人机体积小，重量轻，更加适合算法验证。

嵌入式及无人机案例实验箱不仅可以满足传统的嵌入式及STM32相关课程的教学实验需求，还为课程设计提供了丰富的无人机飞控工程案例化实验。

该实验箱由四大部分组成，分别为STM32嵌入式实验板卡、平面对轴平衡调试平台、遥控控制器及配件、四轴飞行器。

通过嵌入式及无人机案例实验箱，可实现嵌入式系统课程、嵌入式传感器、自动控制、无人机飞控开发等方向的实验教学。嵌入式实验板卡的处理器采用STM32F407，可以实现丰富的嵌入式硬件外设实验，还可与平面对轴平衡调试平台配合完成对轴控制实验，实现无人机的飞控开发入门学习。

无人机通常采用多种传感器，通过数据融合技术将来自不同传感器的数据整合成更准确的信息。传感器之间的协同工作可以实现无人机的高度自主飞行和复杂任务执行。无人机传感器技术开发实训平台提供多种传感器模块，主要包括惯性导航传感器模块、红外传感器、温湿度传感器、火焰传感器等。传感器模块套件配合单板计算机，实现各种传感器原理、应用、上位机软件编写等实验。

无人机GNSS INS惯性组合导航开发模块可用于学习无人机惯性导航。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。

通过高精度场景建模、动态交互设计和多参数可调机制，复现真实应急救援任务中无人机的灭火与救援流程。

多旋翼航拍教学无人机机身可折叠，具有全向避障功能，配备8个广角视觉传感器，能够在复杂环境中自动避障，减少碰撞风险。机身前方、后方、下方均具备视觉感知系统和红外感知系统，能够支持室内外稳定悬停、飞行，具备自动返航及三向环境感知功能。其抗风能力达到12m/s，适合在多种环境下稳定飞行。续航时间为43分钟，足够完成大部分拍摄任务‌。

支持多种智能拍摄模式，如焦点跟随、大师镜头、一键短片等，操作简单，适合不同水平的用户。通过红外传感系统及补光灯辅助可实现定位功能，满足无人机航拍技术教学及实训课程。

无人机通常采用多种传感器，通过数据融合技术将来自不同传感器的数据整合成更准确的信息。传感器之间的协同工作可以实现无人机的高度自主飞行和复杂任务执行。无人机传感器技术开发实训平台提供多种传感器模块，主要包括惯性导航传感器模块、红外传感器、温湿度传感器、火焰传感器等。传感器模块套件配合单板计算机，实现各种传感器原理、应用、上位机软件编写等实验。

无人机GNSS INS惯性组合导航开发模块可用于学习无人机惯性导航。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。

OWL Mini 3无人机体积小，重量轻，更加适合算法验证。

无人机电力巡检仿真系统通过模拟电力设施的物理环境、无人机动态飞行行为以及巡检任务流程，实现对无人机电力巡检作业的预演、策略优化与风险评估。系统融合电力设备特性、无人机动力学模型及环境干扰因素，为用户提供低成本、高精度的虚拟测试与训练环境。

多旋翼航测教学无人机可以让学生了解无人机的飞行原理、操作技巧以及航测的相关知识，提高学生的实践能力和专业素养。在农业、林业、电力、交通等行业，可用于巡检、监测等工作，提高工作效率和质量，降低人力成本。凭借其高精度的悬停和定位能力以及高像素的拍摄功能，可执行各种航测任务，如地形测绘、土地调查、资源监测等，为相关领域提供准确的数据支持。

OWL Mini 3无人机体积小，重量轻，更加适合算法验证。

10 kg级农用植保教学无人机飞行平台HT-Z10的对角轴距 1300 mm，最大起飞重量 26.1 kg，药箱容积 10 L，是一款高效的植保无人机，精准喷洒助理农业生产，同时适配教学场景，可以满足学生对农业植保无人机构造与原理的学习，掌握大型无人机的操作与维护保养。

无人机执照考证仿真系统通过在计算机上安装模拟软件并搭配专用遥控器，能够高度还原真实场景下的无人机操作。该系统突破了真实飞行在时空、成本与安全方面的限制，为无人机操作学习、技能提升与技术验证提供了一套高效、安全的实践解决方案。

HT-Z2是一款专为教学而生的小型农业植保无人机竞赛实训平台，配备微型配套水箱、两个雾化喷头，与大型植保无人机功能和原理均相同，可满足植保教学、新手培训以原理展示和学习等用途，支持二次开发与改装，适用于各类学科竞赛和课程设计等需求，还可用于蔬菜大棚等小范围农业生产场景以及小面积场地消毒等用途。

无人机组装调试仿真系统围绕四旋翼，构建高度拟真的虚拟操作环境，涵盖零件认知、组装实践、PID 调试及风力模拟等功能模块，为用户提供从基础认知到高阶调试的全流程学习体验，旨在帮助学生、技术人员快速掌握无人机结构原理与调试技能，提升实践操作与问题解决能力。

基于ARM Cortex嵌入式系统，开发多旋翼无人机飞控系统。综合应用控制和传感器相关知识，在课程组提供的嵌入式系统开发板上，开发传感器采集模块、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，并将诸模块进行整合，形成一套完整的多旋翼无人机飞行控制系统。能够满足从单片机入门至传感器数据采集再到PID等全套实验需求。

STM32相关基础实验

■ 实验1：GPIO实验，点亮流水灯

■ 实验2：按键操作实验

■ 实验3：定时器与外部中断实验，实现LED定时闪烁与呼吸灯

■ 实验4：串口收发实验

■ 实验5：呼吸灯实验

■ 实验6：蜂呜实验

■ 实验7：电机驱动及空心杯电机实验

■ 实验8：TFT LCD实验

■ 实验9：ADC采样实验，并获取电池电压

■ 实验10：DAC输出正弦波实验

■ 实验11：WIFI实验

■ 实验12：MS5611实验

■ 实验13：SD卡实验，将SD卡中图片显示在TFT LCD

■ 实验14：SPI读取IMU数据实验

■ 实验15：IIC读取气压计 MS5611 数据

■ 实验16：PPM实验，遥控器定时器输入捕获

■ 实验17：PWM实验，通过外设输出PWM波控制蜂鸣器的音调

■ 实验18：磁力计数据获取实验

■ 实验19：陀螺仪积分获取角度

■ 实验20：传感器低通滤波实验

■ 实验21：加速度计3轴分解实验

■ 实验22：音频输出播放实验

■ 实验23：麦克风音频输入及信号处理输出实验

■ 实验24：ucos Mahony滤波实验

■ 实验25：ucos led实验

飞行控制系统相关实验

■ 实验1：陀螺仪实验，掌握陀螺仪数据及原理，获取角速度数据并计算角度。

■ 实验2：加速度实验，掌握加速度计原理，获取加速度数据并计算角度。

■ 实验3：磁力计实验，掌握磁力计原理，获取磁力计数据并计算角度。

■ 实验4：传感器校准实验，了解传感器误差来源，掌握传感器校准方法和软件实现。

■ 实验5：传感器低通滤波实验，掌握巴特沃斯低通滤波器设计，实现滤波器调参。

■ 实验6：姿态解析实验，了解无人机姿态表示方法，掌握 Mahony 滤波算法。

■ 实验7 DCM 方向余弦矩阵实验，了解方向预选矩阵，对 DCM 进行应用，获取运动加速度数据。

■ 实验8：无人机控制系统建模及实现。

■ 实验9：无人机对轴平衡调试试验。

■ 实验10：无人机定高飞行实验。

■ 实验11：无人机遥控飞行实验。

通过在计算机上模拟无人机飞行，能够降低实际飞行中的风险，提升训练速度和效率。训练内容主要包括：

■ 实验1：多旋翼起飞与降落训练；

■ 实验2：多旋翼对尾悬停训练；

■ 实验3：多旋翼对头悬停训练；

■ 实验4：多旋翼右侧悬停飞行训练；

■ 实验5：多旋翼左侧悬停飞行训练；

■ 实验6：多旋翼航线动作训练；

通过在计算机上仿真模拟无人机农业植保情况，实现精准植保、降低作业成本、提升安全性，推动农业智能化升级。训练内容主要包括：

■ 实验1：手动作业训练；

■ 实验2：AB点作业训练；

■ 实验3：航线规划训练；

■ 实验4：断点续喷训练；

■ 实验5：换药换电训练等。

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”

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

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

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

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

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

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

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

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。

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。

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。

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。

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。

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。

基于ARM Cortex嵌入式系统，开发多旋翼无人机飞控系统。综合应用控制和传感器相关知识，在课程组提供的嵌入式系统开发板上，开发传感器采集模块、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，并将诸模块进行整合，形成一套完整的多旋翼无人机飞行控制系统。能够满足从单片机入门至传感器数据采集再到PID等全套实验需求。

STM32相关基础实验

■ 实验1：GPIO实验，点亮流水灯

■ 实验2：按键操作实验

■ 实验3：定时器与外部中断实验，实现LED定时闪烁与呼吸灯

■ 实验4：串口收发实验

■ 实验5：呼吸灯实验

■ 实验6：蜂呜实验

■ 实验7：电机驱动及空心杯电机实验

■ 实验8：TFT LCD实验

■ 实验9：ADC采样实验，并获取电池电压

■ 实验10：DAC输出正弦波实验

■ 实验11：WIFI实验

■ 实验12：MS5611实验

■ 实验13：SD卡实验，将SD卡中图片显示在TFT LCD

■ 实验14：SPI读取IMU数据实验

■ 实验15：IIC读取气压计 MS5611 数据

■ 实验16：PPM实验，遥控器定时器输入捕获

■ 实验17：PWM实验，通过外设输出PWM波控制蜂鸣器的音调

■ 实验18：磁力计数据获取实验

■ 实验19：陀螺仪积分获取角度

■ 实验20：传感器低通滤波实验

■ 实验21：加速度计3轴分解实验

■ 实验22：音频输出播放实验

■ 实验23：麦克风音频输入及信号处理输出实验

■ 实验24：ucos Mahony滤波实验

■ 实验25：ucos led实验

飞行控制系统相关实验

■ 实验1：陀螺仪实验，掌握陀螺仪数据及原理，获取角速度数据并计算角度。

■ 实验2：加速度实验，掌握加速度计原理，获取加速度数据并计算角度。

■ 实验3：磁力计实验，掌握磁力计原理，获取磁力计数据并计算角度。

■ 实验4：传感器校准实验，了解传感器误差来源，掌握传感器校准方法和软件实现。

■ 实验5：传感器低通滤波实验，掌握巴特沃斯低通滤波器设计，实现滤波器调参。

■ 实验6：姿态解析实验，了解无人机姿态表示方法，掌握 Mahony 滤波算法。

■ 实验7 DCM 方向余弦矩阵实验，了解方向预选矩阵，对 DCM 进行应用，获取运动加速度数据。

■ 实验8：无人机控制系统建模及实现。

■ 实验9：无人机对轴平衡调试试验。

■ 实验10：无人机定高飞行实验。

■ 实验11：无人机遥控飞行实验。

常用传感器数据读取和应用。

■ 实验1：红外避障碍传感器数据采集与展示

■ 实验2：霍尔传感器数据采集与展示

■ 实验3：温度湿度传感器数据采集与展示

■ 实验4：火焰传感器数据采集与展示

■ 实验5：上位机软件开发

了解惯性导航相关原理并开发上位机软件。

■ 实验1：获取IMU数据

■ 实验2：获取卫星定位数据

■ 实验3：IMU与卫星定位数据融合

■ 实验4：在地图中记录轨迹

■ 实验5：GPS与Move_Base导航

■ 实验6：上位机软件开发

通过在计算机上高度仿真的灭火任务模拟，可提升操作人员对无人机应急救援任务的适应能力，验证不同机型与负载组合的实战效能，并为应急预案的制定提供数据支持。训练内容主要包括：

■ 实验1：无人机飞行控制与场景适应训练；

■ 实验2：灭火负载基础操作训练；

■ 实验3：多场景灭火策略优化训练；

■ 实验4：紧急火情升级应对训练；

■ 实验5：负载参数极限测试训练等。

常用传感器数据读取和应用。

■ 实验1：红外避障碍传感器数据采集与展示

■ 实验2：霍尔传感器数据采集与展示

■ 实验3：温度湿度传感器数据采集与展示

■ 实验4：火焰传感器数据采集与展示

■ 实验5：上位机软件开发

了解惯性导航相关原理并开发上位机软件。

■ 实验1：获取IMU数据

■ 实验2：获取卫星定位数据

■ 实验3：IMU与卫星定位数据融合

■ 实验4：在地图中记录轨迹

■ 实验5：GPS与Move_Base导航

■ 实验6：上位机软件开发

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”

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

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

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

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

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

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

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

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。

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。

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。

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。

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。

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。

通过仿真深化电力知识、无人机技术等综合应用能力。培养符合电力巡检智能化、标准化要求的专业人才。训练内容主要包括：

■ 实验1：支持触发降落训练；

■ 实验2：巡检拍照训练；

■ 实验3：返航训练；

■ 实验4：态势感知训练等。

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”

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

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

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

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

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

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

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

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。

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。

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。

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。

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。

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。

通过在计算机上模拟无人机飞行，能够降低实际飞行中的风险，提升训练速度和效率。训练内容主要包括：

■ 实验1：多旋翼起飞与降落训练；

■ 实验2：多旋翼对尾悬停训练；

■ 实验3：多旋翼对头悬停训练；

■ 实验4：多旋翼右侧悬停飞行训练；

■ 实验5：多旋翼左侧悬停飞行训练；

■ 实验6：多旋翼航线动作训练；

掌握植保无人机、农业检测无人机构造与原理，掌握无人机操作与维护保养。

■ 实验1：植保无人机的认知

■ 实验2：植保无人机起飞前检查

■ 实验3：植保无人机飞行操控

■ 实验4：植保无人机撒播技术

■ 实验5：植保无人机辅助设备操作

■ 实验6：紧急情况下植保无人机的操控

■ 实验7：植保无人机维护保养与储存

■ 实验8：农药使用安全常识及病毒害

■ 实验9：植保无人机喷洒效果检验及飞防作业的实施

■ 实验10：植保无人机的拆装

■ 实验11：植保无人机故障分析及检修

■ 实验12：植保无人机硬件程序刻录刷写及固件升级

■ 实验13：植保无人机售后服务

■ 实验14：植保无人机作业规划

通过“结构认知-组装实践-控制优化”全链路仿真，帮助用户掌握无人机核心技术与调试能力，大幅降低实物训练成本与风险。训练内容主要包括：

■ 实验1：四旋翼基础组装与通电测试训练；

■ 实验2：PID参数初体验训练；

■ 实验3：直升机传动系统组装与PID调优训练；

■ 实验4：故障模拟与快速修复训练；

■ 实验5：故障模拟与快速修复训练等。

视频教程，主要包括BirdFlight软件系统初始化详解、四旋翼全模型控制原理详解、无人机位置控制、无人机视觉识别与位置控制教学、飞控工程之系统初始化流程、空心杯无人机安装开箱视频、空心杯无人机调试。

配套共包括28个实验教学实验指导书。

提供关于升降舵悬停练习、副翼舵悬停练习、升降舵+副翼舵悬停练习、四位悬停练习、八位悬停练习、自悬360度练习、正八字练习、无人机起降练习等视频教程。

提供关于植保无人机手动作业、AB点作业、航线规划三种喷洒飞行模式的仿真模拟等视频教程。

主要包括无人机算法、无人机与深度学习视频教程，主要包括零基础入门四旋翼建模与控制等。

主要包括深度学习经典检测方法概述、K-MEANS、生成对抗网络、条件生成对抗网络等视频课程。

主要包括AlexNet网络思想与网络架构、YOLO-V1整体思想与网络架构、YOLO-V2改进细节详解、YOLO-V3核心网络模型、基于V3版本进行源码解读、YOLO V4和V5、迁移学习与Resnet网络等相关视频课程。

主要包括ROS基础、机器人环境感知、机器人SLAM与自主导航、多模态SLAM技术和算法框架、激光-惯性子系统（LIS）及代码精读、视觉-惯性子系统（VIS）及代码精读、激光-视觉-惯性数据融合与优化融合、ROS理论与实践Moveit、ROS机器人综合应用等相关PPT、教案和视频课程。

视频教程，主要包括BirdFlight软件系统初始化详解、四旋翼全模型控制原理详解、无人机位置控制、无人机视觉识别与位置控制教学、飞控工程之系统初始化流程、空心杯无人机安装开箱视频、空心杯无人机调试。

配套共包括28个实验教学实验指导书。

各类传感器技术资料、开发指导以及例程。

惯性导航系统开发手册、基本例程、相关资料文档、测试用上位机软件。

提供关于无人机飞行控制与场景适应、灭火负载基础操作练习、多场景灭火策略优化练习、紧急火情升级应对练习、负载参数极限测试等视频教程。

各类传感器技术资料、开发指导以及例程。

惯性导航系统开发手册、基本例程、相关资料文档、测试用上位机软件。

主要包括无人机算法、无人机与深度学习视频教程，主要包括零基础入门四旋翼建模与控制等。

主要包括深度学习经典检测方法概述、K-MEANS、生成对抗网络、条件生成对抗网络等视频课程。

主要包括AlexNet网络思想与网络架构、YOLO-V1整体思想与网络架构、YOLO-V2改进细节详解、YOLO-V3核心网络模型、基于V3版本进行源码解读、YOLO V4和V5、迁移学习与Resnet网络等相关视频课程。

主要包括ROS基础、机器人环境感知、机器人SLAM与自主导航、多模态SLAM技术和算法框架、激光-惯性子系统（LIS）及代码精读、视觉-惯性子系统（VIS）及代码精读、激光-视觉-惯性数据融合与优化融合、ROS理论与实践Moveit、ROS机器人综合应用等相关PPT、教案和视频课程。

提供关于支持触发降落、巡检拍照、返航、态势感知等视频教程。

主要包括无人机算法、无人机与深度学习视频教程，主要包括零基础入门四旋翼建模与控制等。

主要包括深度学习经典检测方法概述、K-MEANS、生成对抗网络、条件生成对抗网络等视频课程。

主要包括AlexNet网络思想与网络架构、YOLO-V1整体思想与网络架构、YOLO-V2改进细节详解、YOLO-V3核心网络模型、基于V3版本进行源码解读、YOLO V4和V5、迁移学习与Resnet网络等相关视频课程。

主要包括ROS基础、机器人环境感知、机器人SLAM与自主导航、多模态SLAM技术和算法框架、激光-惯性子系统（LIS）及代码精读、视觉-惯性子系统（VIS）及代码精读、激光-视觉-惯性数据融合与优化融合、ROS理论与实践Moveit、ROS机器人综合应用等相关PPT、教案和视频课程。

提供关于升降舵悬停练习、副翼舵悬停练习、升降舵+副翼舵悬停练习、四位悬停练习、八位悬停练习、自悬360度练习、正八字练习、无人机起降练习等视频教程。

植保无人机、农业检测无人机构造与原理，无人机操作与维护保养等课程。

提供关于四旋翼基础组装与通电测试练习、PID参数初体验练习、直升机传动系统组装与PID调优练习、故障模拟与快速修复练习、故障模拟与快速修复练习等视频教程。

序号	设备名称	单位	数量	设备品牌	设备型号
1	嵌入式及无人机案例实验箱	套	26	中航恒拓	STM32 Drone ARM
2	无人机执照考证仿真系统	套	26	中航恒拓	SM-KZ
3	无人机农业植保仿真系统	套	30	中航恒拓	SM-ZB
4	AI视觉无人机开发平台	架	1	中航恒拓	OWL Mini 3
5	嵌入式及无人机案例实验箱	套	11	中航恒拓	STM32 Drone ARM
6	无人机传感器技术开发实训平台	套	26	中航恒拓	HT-Sensors-EDU
7	无人机消防救援仿真系统	套	30	中航恒拓	SM-XF
8	多旋翼航拍教学无人机	架	5	DJI	Mavic 3 Pro
9	无人机传感器技术开发实训平台	套	11	中航恒拓	HT-Sensors-EDU
10	AI视觉无人机开发平台	架	5	中航恒拓	OWL Mini 3
11	无人机电力巡检仿真系统	套	30	中航恒拓	SM-DL
12	多旋翼航测教学无人机	架	1	DJI	Mavic 3E
13	AI视觉无人机开发平台	架	5	中航恒拓	OWL Mini 3
14	桌椅	套	25	中航恒拓	主流型号
15	无人机穿越投掷仿真系统	套	30	中航恒拓	SM-CY
16	10kg级植保农用无人机飞行平台	架	5	中航恒拓	HT-Z10
17	无人机执照考证仿真系统	套	30	中航恒拓	SM-KZ
18	小型农业植保无人机竞赛实训平台	架	5	中航恒拓	HT-Z2
19	无人机组装调试仿真系统	套	30	中航恒拓	SM-ZT
20	计算机	台	5	主流品牌	主流型号
21	桌椅	套	30	中航恒拓	zy
22	桌椅	套	5	中航恒拓	主流型号
23	计算机	台	30	主流品牌	主流型号

无人机系统原理与实训课程