马鞍山学院 无人机系统设计实验室配置方案 - 中航恒拓

马鞍山学院

无人机系统设计实验室配置方案

导出pdf或打印

马鞍山学院 无人机系统设计实验室配置方案

中航恒拓智能科技河北有限公司
概述
随着科技的飞速发展和智能化时代的到来，无人机技术以其独特的优势在农业植保、地理测绘、物流配送、电力巡检、影视拍摄等多个领域展现出广阔的应用前景。无人机实验室的设立，旨在培养一批掌握无人机组装、调试、维修、检测、编程及行业应用技能的高素质技术技能型人才，以满足社会对无人机专业人才的迫切需求。同时，随着人工智能技术的发展，人工智能 + 无人机也逐渐得以应用，如何使人工智能技术惠及千家万户，如何进一步促进无人机智能化也是今后研究的热点，实训室的建立，亦可满足相关领域的教学与科研工作。
无人机专业和实训室建立的重要意义
服务国家发展战略
无人机技术是国家创新驱动发展战略的重要组成部分。通过培养无人机技术专业人才，可以推动无人机技术在各个领域的应用与创新，助力国家科技实力的提升和经济结构的优化。
促进产业升级
无人机产业链的上下游涉及众多企业，包括无人机制造商、服务商、运营商等。该专业的设立可以为这些企业提供专业人才支持，促进产业升级和转型，推动无人机产业的健康发展。
提升就业竞争力
随着无人机应用领域的不断扩大，市场对无人机专业人才的需求也日益增加。通过系统的学习和实践，学生除了可以掌握无人机组装、调试、维修、检测及行业应用等技能外，还可掌握无人机与人工智能系统的设计与研发，提升自身的就业竞争力，拓宽就业渠道。
满足市场需求
无人机应用领域日益扩大，市场对具备实战能力的无人机专业人才的需求不断增加。该专业的设立可以针对这一市场需求，培养一批具备实战能力的专业人才，为无人机产业的发展提供有力的人才保障。
建设方案
本方案旨在构建具备前沿技术支撑的无人机系统设计实验室配置方案，通过系统化部署实现教学、实训、科研与产业转化的无缝衔接。根据马鞍山学院 实际情况及根据专业需求，无人机系统设计实验室配置方案建设方案主要分为无人机系统设计实验室、等功能区域。


无人机系统设计实验室

无人机系统设计实验室是聚焦无人机领域的综合性平台，核心承担飞行技能实训、多场景模拟演练、机型适配测试及相关技术研发与安全评估工作，助力教学与应用落地。

主要功能
模拟飞行训练：借助无人机模拟飞行仿真系统，支持多种地形、机型的模拟飞行，可开展 36 项练习模块及视距内外考核，还有互动教学功能，满足教学与考核需求。 AI 视觉与算法研发：AI 视觉无人机开发平台 3L 适用于室内无 GPS 环境下的定位、导航、避障等验证开发，以及蜂群组网编队研究，还能基于 YOLO V8 算法进行目标识别与跟踪。 四旋翼无人机开发：四旋翼无人机开发平台采用开源代码，学生可二次开发，支持飞行训练、调试、机械抓取等操作，还能进行 PID 参数调节等实训。 航拍功能拓展：航拍扩展套件可与四旋翼无人机开发平台搭配，实现拍照、录像等航拍功能。
掌握人工智能系统环境搭建
了解和掌握主要人工智能开发和应用的系统环境搭建，能够运行常见人工智能模型并进行实验。
了解环境感知与传感器技术
了解和掌握智能环境感知和传感器相关技术，学习ROS与SLAM建图相关技术并进行实验。
掌握无人机+人工智能相关知识
了解和掌握人工智能、深度学习、机器视觉等知识，学习无人机避障碍、导航、目标跟踪等原理并实现相关应用。熟悉并配置ROS操作系统，熟悉Linux操作系统常用命令。
了解无人机自主飞行原理
了解和验证无人机自主飞行相关技术方案和原理，学习无人机控制相关技术并进行实验。
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。
无人机与机械爪
能够提供无人机和机械爪开发平台，可根据需求实现对应的功能，还可以满足一系列竞赛的要求。
主要课程与实验
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；
主要实验装备
AI视觉无人机开发平台(激光雷达版)

OWL 3/ OWL mini 3 系列无人机拥有自主研发的双目传感器和开发平台，平台支持 ROS 接口，提供了 8 核 CPU和6 Tops NPU计算资源，基于 PX4 开源飞控，预装融合了港科大的 VINS_Fusion VIO 算法的自定位系统，可以满足室内无人机定位需求，同时提供了 Ego-Planner 视觉避障算法，可以提供视觉避障功能。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，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。

#

#

#

#

#

#

除基于视觉外，还可以提供基于激光雷达和 RTK 的版本。目前可以提供的 SLAM 类别包括基于单目摄像头、立体摄像头、激光雷达、IMU 等传感器的算法。课程组可以提供单目摄像头、立体摄像头、单线/多线激光雷达、面阵激光雷达、IMU 等多种传感器，便于同学开展实验研究。

三个版本的特征如下：

#

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。

无人机执照考证仿真系统

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。

教学无人机机械抓取平台

HT500Z是面向教学与竞赛的机械抓取无人机实训平台，配备可拆卸机械爪模块，支持物品抓取、运输及定点投放功能。

系统内置航线规划与基础避障能力，可满足物流运输课程实训需求，也可用于无人机相关竞赛。平台采用模块化设计，支持二次开发，便于与教学体系对接。

设备清单
序号 设备或部件名称 单位 数量 品牌 型号
1 AI视觉无人机开发平台(激光雷达版) 架 11 中航恒拓 OWL Mini 3L
2 无人机执照考证仿真系统 套 41 中航恒拓 SM-KZ
3 AI视觉无人机耗材包 套 11 中航恒拓 V-HT-Libmini3
4 教学无人机机械抓取平台 架 11 中航恒拓 HT500Z
5 航拍扩展套件 套 11 中航恒拓 HT-HP01
配套课程资源
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。
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。
无人机算法入门课程
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。