实验室或功能区
无人机飞行控制系统开发实训室 - 方案文档
无人机飞行控制系统开发实训室
支持传感器、自动控制、嵌入式等实验;AI视觉无人机开发平台3以视觉定位、避障与目标检测为核心,适配无GPS场景;AI视觉无人机蜂群开发平台3S主打多机协同与异构智能体任务,提供开源算法与高扩展性;无人机算法模拟仿真器软件则通过虚拟环境模拟飞行动力学与复杂场景,实现任务训练、数据记录与AI评估,四者共同覆盖从基础教学到前沿研发的全流程需求。
主要功能
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。
训练无人机操作技能
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。
培养应急处理能力
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。
强化安全操作技能
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。
无人机传感器系统开发
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。
惯性导航系统开发
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。
主要实验装备
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。
无人机飞行模拟仿真系统
无人机模拟飞行仿真系统通过在计算机安装的模拟软件,配合配套的遥控器,可模拟真实场景下无人机操作。系统共有6个应用场景,包含CAAC考证培训模拟训练飞行、电力巡检、农业植保、应急救援、物流配送、组装调试6个子模块,每个场景都有配套视频教程,可以完成无人机模拟飞行操控技能训练、行业应用飞行操作训练、无人机组装调试训练、农业植保飞行训练、无人机飞行技术等课程初学训练,减少直接使用真机造成的风险,降低初学者心理负担,提高训练速度。
无人机传感器技术开发实训平台
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。
教学无人机物流运输平台
HT-X8是一款30 kg大载重运载无人机,支持货箱搭载与空吊双模式,适配教学场景模拟实训,亦可满足运输行业配送需求。采用共轴反桨设计,动力强劲,还可以进行二次开发和改装,搭载更多设备,用于更多用途。
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。
球形集群编队表演无人机
球形集群编队表演无人机基于UWB制式基站进行定位,无需GPS即可实现各种环境下精确室内外定位。
机身搭载可编程256色灯光系统,能够实现不同颜色效果。系统通过PC端地面站实现编程编队、实时控制功能,支持飞行动作与灯光同步编程及实时动态仿真,预览编程实际效果,最多可同时控制 10 架无人机在线同步飞行。
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。
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 |
嵌入式及无人机案例实验箱 |
套 |
11 |
中航恒拓 |
STM32 Drone ARM |
| 2 |
无人机飞行模拟仿真系统 |
套 |
2 |
中航恒拓 |
HT-SM Max |
| 3 |
无人机传感器技术开发实训平台 |
套 |
11 |
中航恒拓 |
HT-Sensors-EDU |
| 4 |
教学无人机物流运输平台 |
架 |
1 |
中航恒拓 |
HT-X8 |
| 5 |
AI视觉无人机开发平台 |
架 |
5 |
中航恒拓 |
OWL Mini 3 |
| 6 |
球形集群编队表演无人机 |
架 |
4 |
中航恒拓 |
HT-BY100 |
| 7 |
无人机安全飞行防护场地 |
套 |
2 |
中航恒拓 |
HT-Flight Zone |
| 8 |
无人机飞行道具 |
套 |
2 |
中航恒拓 |
---- |
| 9 |
固定翼无人机 |
架 |
2 |
定制 |
|
| 10 |
显示屏 |
台 |
1 |
定制 |
|
| 11 |
高性能计算机 |
台 |
2 |
主流品牌 |
主流型号 |
| 12 |
电视 |
台 |
2 |
主流品牌 |
|
| 13 |
实验室装修文化墙建设 |
套 |
1 |
定制 |
|
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。
无人机模拟飞行
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;
■ 实验7:操控固定翼飞机的基本方法;
■ 实验8:操纵固定翼飞机转弯的基本方法;
■ 实验9:固定翼着陆训练;
■ 实验10:固定翼正方形航线飞行训练;
■ 实验11:固定翼 8 字航线飞行训练等。
无人机传感器原理相关开发
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
惯性导航原理与相关开发
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。
配套课程资源
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。
无人机模拟飞行训练
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。
无人机传感器系统开发
各类传感器技术资料、开发指导以及例程。
无人机惯性导航开发
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。
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。