实验室或功能区
无人机外场飞行实操实训建设 - 方案文档
无人机外场飞行实操实训建设
这是一个专为无人机飞行训练与测试设计的开阔场地,是保障无人机操控课程及无人机应用技术课程训练顺利开展的必备条件,也可作为无人驾驶航空器驾驶证培训训练区。该飞行区位于校园内安全隔离的区域,确保飞行活动不会干扰到正常的教学和生活秩序,同时提供了足够的空间供无人机进行起降、悬停、航线飞行等各种飞行动作的练习。
主要功能
无人机外场飞行实操实训场地是按照考试标准设置的开阔平坦空间,既满足飞行安全与考试训练要求,又能供学员开展无人机起飞、降落、悬停、八字飞行等基础操作训练,助力其顺利通过无人机驾驶员执照考试;同时,这里也可进行信号丢失处置、低电量返航等复杂环境下的应急处理训练。
嵌入式系统与自动控制开发
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。
无人机算法仿真
在计算机上模拟无人机在实际场景中的行为和传感器反应,提供机上各种传感器(如深度相机)数据,包括位置坐标、点云、深度图等,可在计算机中模拟无人机与人工智能算法,避免因程序设计不当造成无人机损坏或造成人员受伤。
了解和掌握蜂群协同定位和协同控制
支持多无人机之间的协同定位,使蜂群在飞行过程中能够准确知晓彼此位置,为蜂群的协同飞行、编队等功能提供基础。可实现无人机之间的机间两两通信,任意一架无人机均可获取其他无人机的信息以及控制其他无人机飞行,从而实现蜂群的协同飞行、编队变换等复杂功能,以完成各种任务。
主要实验装备
小型八旋翼无人机电子执照考训平台
HT1000X8是一款面向教学的无人机飞行平台,是三类CAAC民航执照考证专用无人机,满足AOPA和CAAC培训与考试的相关需求,适合高校及职业院校开展实验实训,尤其是“1+X”无人机驾驶职业技能培训使用。支持多种挂载设备,满足行业应用和二次开发。

嵌入式及无人机案例实验箱
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。
四类中型六旋翼无人机考训平台
HT1600是一款面向培训与考试的六旋翼无人机电子执照考训平台,轴距1650 mm,最大起飞重量40.5 kg,是四类CAAC民航执照考证专用无人机,满足无人机培训与考试的相关需求,可用于相关培训,非常适合各种行业用户以及各类高校、职业院校培训考试使用,该机型还支持二次开发,可用于行业应用实训。
无人机算法模拟仿真器
无人机作为空中机器人,在各行各业发挥了重要的作用,无人机的AI赋能和蜂群协同是近年来的研究热点。
高校实验室与科研领域是无人机控制算法与AI赋能的主要研究阵地。面对未来AI时代,控制算法与AI赋能的教学和研发方式被重新定义,行业亟需一种更快速、高效的无人机控制算法研发模式。
无人机模拟仿真器VISIM可帮助教学及科研工作者在第一时间对算法进行实践验证,提高教学和科研效率,模拟验证后再用真机测试,减少风险和炸机发生概率。
基于PX4_SITL和Gazebo的环境,提供位置、速度、加速度等控制方式,用户可以验证自己的飞控算法和外围控制算法。
自主飞行和路径规划方面,模拟器适配了Ego-Planner开源算法和一些基本的路径生成算法,方便用户实现轨迹生成算法及轨迹控制验证;

提供Ego-Planner-Swarm开源蜂群算法,用户也可在模拟器中开发/验证自己的集群/蜂群算法;
VSIM模拟仿真器也提供AI目标识别、跟踪算法和框架,方便用户实现无人机对目标的追踪等实验;

AI视觉无人机开发平台
OWL Mini 3无人机体积小,重量轻,更加适合算法验证。
AI视觉无人机蜂群开发平台
蜂群控制系统主要模块包括飞控模块,定位模块,避障模块,captain,双目驱动,云台驱动,这些模块对内对外统一使用ROS1接口。其中,飞控模块运行基于PX4开源固件自主修改版本,其主要接口和框架兼容PX4规范。自主研发的双目驱动模块, 提供硬件时钟同步的双目数据及生成的深度图。无人机定位系统包括基于视觉的VIO,IMU等传感器数据融合,融合工作由飞控模块完成,定位模块在机载电脑上实现的视觉VIO。避障模块在避障功能打开的环境下,提供到单一或者连续目标点避障路径。为适应不同飞行任务需求,控制机载电脑上各个算法模块,Captain提供了一个统一控制点和任务管理器,方便实现不同的飞行任务。ROS1接口的云台驱动模块,提供云台姿态数据,提供云台控制接口,提供视频图像用于第三方软件实施跟踪。
蜂群软件架构包括单机系统和算法软件,多机协同软件,多机通讯机制。在多机协同环境,还需要协调多机轨迹、位置、同步完成多机目标飞行。适配了Ego-Planner-Swarm开源软件,作为多机协同下的避障导航软件。它结合了多机的位置,和各自目标下的轨迹,整体规划出防碰撞轨迹。再结合控制软件就可以同步控制集群进行目标飞行。在分布式多机协同系统中,需要互通网络环境和多机通讯机制。目前引用的Ego-Planner-Swarm软件是基于ROS系统的多机通讯机制,是Master/Slave架构的消息通讯机制。Visbot视觉模块提供了Wifi接口,可接入大功率Wi-Fi基站,优势是可以较长距离通讯;也可以配置成自组网模式, 省去Wi-Fi基站,可以满足小范围的机群需求。
AI视觉无人机开发平台
猫头鹰3,实战派。全能旗舰,助力科研成果转化落地,与猫头鹰Mini 3相比,猫头鹰 3体型更大,负载更强,能够搭载更多设备,适用于更多场景。

猫头鹰OWL3无人机是一个安全、可靠、前沿、综合的无人机学习、实验平台,满足多样化的科研需求。集成 iTof、双目视觉、下摄激光、双轴增稳云台和超高清摄像头等多种传感器,能够有效感知规避 5 mm 直径的障碍物,猫头鹰3还是面向科研与产业应用的开源无人机平台,全面支持二次开发,用户可增加其他负载和传感器,用于 GNSS 拒止境下基于视觉的无人机飞行、定位、导航、避障、识别、跟踪等算法学习、实验、开发、验证,以及室内无人机组网编队的开发、实验。云台摄像支持机载高清高画质编码录制,同步支持低延迟视频图像传输功能,能清晰捕捉目标画面并实时传输给地面控制端或其他相关设备。


AI视觉无人机开发平台(激光雷达版)
猫头鹰3,实战派。全能旗舰,助力科研成果转化落地,与猫头鹰Mini 3相比,猫头鹰 3体型更大,负载更强,能够搭载更多设备,适用于更多场景。


OWL 3L搭载VisBot 3代视觉模块,双轴增稳云台以及4线LiDAR激光雷达,适用于无GPS环境下基于视觉/LiDAR的无人机定位/导航/避障算法的验证与开发,以及室内无人机组网编队的研究。
激光雷达定位基于LiDAR激光传感器获得的点云数据,融合惯性导航模块的6轴数据,实现LIO算法。
视觉定位基于双目视觉传感器捕获的双目图像,融合惯性导航模块数据,实现VIO算法。
可基于动作捕捉系统定位,支持VRPN协议实时获得定位信息,提供真实飞行数据。
支持基于LiDAR点云/iTof深度图/双目产生深度图,实时生成地图和路径规划的避障算法。

激光雷达通过发射激光束并接收反射光来测量距离,能够提供高精度的距离数据,可精确探测到障碍物的位置、形状和大小等信息,相比单纯的视觉传感器,激光雷达传感器受光照条件、物体表面纹理等因素的影响更小。可以在诸如电磁干扰、强光干扰等复杂的环境中稳定工作,减少因外部干扰而导致的误差,保证无人机对周围环境的准确感知。结合激光雷达获取的大量精确距离数据和OWL3L自身的计算能力,能够快速构建出周围环境的三维模型,为无人机的自主导航、路径规划以及避障提供更全面、准确的信息基础,使其能更好地适应复杂多变的环境。
无人机电池安全防爆柜
这款无人机电池安全防爆柜采用全钢四层结构,内部尺寸为长 510mm、宽 380mm、高 1500mm,可分层存放无人机电池。其核心功能是通过坚固的全钢材质和多层设计,为电池提供安全储存空间,有效隔离和防范电池可能发生的爆炸、起火等风险,保障电池存放过程中的安全性。
无人机安全飞行防护场地
无人机飞行安全防护场地全方位守护无人机飞行训练和科学研究,为无人机实训实验筑起安全屏障,可避免因操作失误导致的人员受伤。
场地标准尺寸为5.0 m × 5.0 m × 2.5 m,采用桁架骨架结构、5英寸尼龙防护网,配套海绵地垫,不仅可用于无人机日常和赛前训练,也可搭建任务场地用于课题研究实验和各类创新实践。
六旋翼无人机飞行开发平台
HT600是一款专为教学而生的无人机开发实训平台,适用于作为室外实操教学六旋翼无人机飞行平台使用。
采用碳纤维可折叠机身,既可用于教学开发,也可以用于室外飞行训练、调试,通过配套地面站软件可进行PID参数调节、传感器校准、参数设置、航线规划等实训环节,开源飞控,可二次开发,还可以实现自主飞行。整机结构牢固,承载能力强,可挂载寻迹、小球投放、钩瓶、激光打靶、航拍、机械臂、机械爪等各类设备,符合国际机器人挑战赛无人机自主飞行赛项、中国工程机器人大赛无人机赛项等竞赛的要求。
实验室设备清单
| 序号 |
设备名称 |
单位 |
数量 |
设备品牌 |
设备型号 |
| 1 |
小型八旋翼无人机电子执照考训平台 |
架 |
5 |
中航恒拓 |
HT1000X8 |
| 2 |
嵌入式及无人机案例实验箱 |
套 |
16 |
中航恒拓 |
STM32 Drone ARM |
| 3 |
四类中型六旋翼无人机考训平台 |
架 |
5 |
中航恒拓 |
HT1600 |
| 4 |
无人机算法模拟仿真器 |
台 |
1 |
中航恒拓 |
VISIM |
| 5 |
AI视觉无人机开发平台 |
架 |
10 |
中航恒拓 |
OWL Mini 3 |
| 6 |
考训平台备用电池 |
块 |
10 |
中航恒拓 |
22000MAH |
| 7 |
AI视觉无人机蜂群开发平台 |
架 |
6 |
中航恒拓 |
OWL mini 3S |
| 8 |
电子执照无人机考试监测系统 |
套 |
2 |
中航恒拓 |
U-RTK |
| 9 |
AI视觉无人机开发平台 |
架 |
3 |
中航恒拓 |
OWL 3 |
| 10 |
AI视觉无人机开发平台(激光雷达版) |
架 |
3 |
中航恒拓 |
OWL 3L |
| 11 |
RTK考试训练基站 |
套 |
2 |
中航恒拓 |
---- |
| 12 |
无人机云端接入设备 |
个 |
5 |
中航恒拓 |
---- |
| 13 |
无人机蜂群控制平台 |
套 |
1 |
中航恒拓 |
V-PC |
| 14 |
飞行训练专用教练控 |
个 |
2 |
中航恒拓 |
ET16S |
| 15 |
无人机耗材包 |
套 |
5 |
中航恒拓 |
中航恒拓/V-HT-Lib |
| 16 |
考训平台维修备件库 |
套 |
2 |
中航恒拓 |
---- |
| 17 |
无人机电池安全防爆柜 |
台 |
1 |
中航恒拓 |
FB150 |
| 18 |
无人机外场训练场地道具 |
套 |
1 |
中航恒拓 |
---- |
| 19 |
无人机安全飞行防护场地 |
套 |
1 |
中航恒拓 |
HT-Flight Zone |
| 20 |
六旋翼无人机飞行开发平台 |
架 |
5 |
中航恒拓 |
HT600 |
| 21 |
计算机 |
台 |
10 |
主流品牌 |
主流型号 |
| 22 |
桌椅 |
套 |
5 |
中航恒拓 |
主流型号 |
主要课程与实验
嵌入式系统及飞行控制系统原理与开发
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。
基于VISIM的飞行模拟
基于模拟器实现相关验证与开发。
■ 实验1 单台OWL无人机模拟
■ 实验2 多台OWL无人机模拟
■ 实验3 QGC控制单台OWL
■ 实验4 从命令行向单台OWL发送takeoff, landing, start, 和stoptask指令
■ 实验5 用rviz显示单台OWL传感器发出的数据
■ 实验6 OWL定点追踪移动物体
■ 实验7 路径规划:OWL简单路径规划,通过rviz设置目标位置
■ 实验8 路径规划:OWL使用ego_planner规划飞行路线,命令行与rviz结合控制
■ 实验9 用QGC和命令行控制多台OWL
■ 实验10 用rviz显示多台OWL传感器发出的数据
■ 实验11 通过rostopic向单台/多台OWL发布数据和命令
■ 实验12 OWL蜂群避障
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。
无人机飞行实训
此课程是无人机应用技术专业的核心实践课程之一,学生将在无人机室外飞行区进行无人机的实际飞行操作训练。通过模拟真实飞行环境,学生将学习无人机的起飞、降落、悬停、航线飞行等基本飞行技能,并逐步提高飞行操控的准确性和稳定性。
无人机应用技能训练
在无人机室外飞行区,学生还将进行无人机应用技能的训练,如农业植保、电力巡检、航拍测绘等。通过实际操作无人机完成特定任务,学生将掌握无人机在不同领域中的应用技巧,并提升解决实际问题的能力。
无人机飞行性能测试
此课程旨在让学生了解和掌握无人机飞行性能的测试方法。在无人机室外飞行区,学生将对不同型号的无人机进行性能测试,包括飞行速度、飞行高度、续航能力、稳定性等方面的测试,并分析测试结果,为无人机的优化和改进提供数据支持。
无人机应急处理训练
无人机在飞行过程中可能会遇到各种突发情况,如信号丢失、电池耗尽、机械故障等。在无人机室外飞行区,学生将进行无人机应急处理的训练,学习如何在紧急情况下迅速做出反应,确保无人机和人员的安全。
无人机团队协作训练
无人机应用往往需要多人协作完成,如无人机编队飞行、无人机集群作业等。在无人机室外飞行区,学生将进行团队协作训练,学习如何与其他成员有效沟通、协调行动,共同完成无人机应用任务。
无人机操作与飞行技巧
此课程专注于无人机的基础操作技能和高级飞行技巧的培训。学生将学习无人机的起飞、降落、悬停、巡航等基本操作,以及复杂环境下的飞行技巧,如避障飞行、夜间飞行等。
配套课程资源
AOPA和CAAC考试相关资源。
嵌入式系统及无人机飞控开发
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。
无人机与深度学习
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。
人工智能基础
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。
机器视觉
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。
ROS和SLAM
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。