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。

面向高精度测绘、建筑巡检和精细化表面检测领域开发。该机型搭载广角、中长焦、长焦三镜头组合及激光测距模块，配备4/3英寸CMOS传感器和机械快门，支持0.5秒定时拍照。通过O4图传行业版技术实现25公里超远距离传输，在复杂环境下保持稳定作业能力。内置AI算力平台支持第三方目标检测模型，具备电子去雾、智能3D捕捉等特色功能，显著提升测绘效率和成像清晰度

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。

DJI Mavic 4 Pro作为大疆旗舰级无人机，在影像系统与飞行性能上实现双重突破。其搭载三摄哈苏模组，包含28mm一亿像素主摄（支持6K/60fps HDR）、70mm中长焦（4K/120fps）及168mm长焦镜头（5000万像素），覆盖全焦段创作需求，动态范围达16档，低光表现尤为出色。云台支持360°旋转与70°仰拍，突破传统三轴云台角度限制。飞行层面，90km/h极速、51分钟续航配合0.1 Lux全向避障系统，复杂环境下仍能安全作业。

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。

F165 无人机集群编队表演方案基于 UWB 制式基站进行定位，无需 GPS，实现各种环境下精确室内外定位，具有中继器与 WIFI 链接两种通信形式，可适用于各种网络环境。支持手机 APP 编队飞行及 PC 端编程编队、实时控制功能，支持图形化/Python 双语言双平台进行单台或者编队飞行自主编程，软件平台高度集成，支持飞行动作与灯光同步编程界面及实时动态仿真，预览编程实际效果。图形化编程最多可同时控制 40 架无人机在线同步飞行，python 最多可编程 40 台无人机在线同步飞行，App 端最多控制超过 40 台无人机同步飞行，PC 端操作最多控制可超过 200 台无人机。

无人机集群编队表演套装一套包含 10 架无人机，四个基站和一个包装箱。

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。