无人机通信原理教学实验系统是无人机实训室的核心教学平台，专注于揭示无人机天地通信的底层原理。系统集成图传、数传、遥控等真实通信链路，学生可通过频谱仪直观观测2.4GHz、5.8GHz、915MHz等频段的信号特征，进行信道测量、干扰分析、天线对比等实验。它彻底改变了“只飞不通”的传统教学模式，将教学深度从飞行操作延伸至通信数据链层面，旨在培养学生对无线通信系统的深刻理解、测量分析及故障排查能力，为未来从事无人机通信设计、调试与优化工作奠定坚实基础。

室内教学拆装调无人机实训平台HT380是一款专为教学而生的无人机实训平台，外观设计精美，机身采用高强度碳纤维和航空铝材质，配以M3内六角碳钢螺丝，牢固可靠，不易损坏，寿命长，可用于反复拆装，能够清晰展示无人机各零部件外观，使学生了解无人机基本构造与原理。配套多自由度桌面调试系统，无人机可通过快拆接口连接到调试器，配套专业遥控器，学生可在室内桌面上进行飞行调试，调参，避免炸机。

提供完备的使用说明书、拆装调试手册、全系列视频教程等学习资料，不仅可进行无人机相关教学以及零部件调试、故障检测维修、地面站调试与设置等学习，还可以用于学科竞赛、二次开发和改装。

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。

本系统采用一体化集成设计，集精密双轴万向架、高速无刷驱动、高精度IMU传感与专业分析软件于一体，通过直观的运动演示与精确的数据测量，生动呈现角动量守恒、定轴性、进动与章动等核心物理规律。学生可亲手操作并观察高速旋转转子在惯性空间中的指向稳定性，定量研究外力矩与进动角速度的关系，并通过上位机软件实时获取三维姿态、角速度等多维度数据，进行可视化分析与处理。系统安全可靠，操作直观，不仅能够加深学生对抽象理论的理解，更可培养其科学探究与工程实践能力，是理论与实验相结合的理想教学平台。

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；

激光雷达版搭载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。激光定位基于LiDAR激光传感器获得的点云数据，并且融和惯性导航模块的6轴数据，实现的LIO算法。视觉定位是通过基于双目视觉传感器的双目图像，融和惯性导航模块数据，实现的VIO算法。可以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。避障功能是基于定位结果，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，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OWL mini3L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。

猫头鹰3，实战派，全能旗舰，助力科研成果转化落地，与OWL mini 3相比，OWL 3 体型更大，负载更强，能够搭载更多设备，更适用于多场景。

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。

在视觉版的基础上，RTK版本搭载VisBot 3代视觉模块，双轴增稳云台以及RTK模块，适用于GPS环境下基于视觉/RTK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。

提供厘米级绝对精度，实时性与稳定性强，算力需求低，适合高处飞行。

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 500mm、宽 380mm、高 740mm，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。

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。