无人机零部件维修测试平台主要面向无人机调试与综合应用维修测试实训工作，通过该维修测试平台，学生能够掌握无人机常见故障维修及综合测试应用。

平台构造合理，操作便捷，功能丰富，采用一体集成式设计，配备防静电实验操作台，集成波形采集模块，波形发生器，数字万用表，可编程直流电源，可编程直流电子负载等设备，可用于无人机调试与综合应用维修测试实训、无人机常见故障维修及综合测试应用，能够进行无人机电机、控制机构、信号传输、遥控器等部分测试并可对控制程序进行综合编程练习，还可以用于无人机软件调试、参数设置、地面站及应用程序开发等。

无人机综合调试与检测实训系统整机功能丰富，既可满足课程教学使用，还可以满足竞赛、研究等需求，可做到一机多用。系统集成了无人机地面站系统、高精度示波器、万用表等多种部件，可满足无人机调试、信号波形查看、各传感器数据查看等需求，还能够满足无人机调试与试飞、不同飞行模式飞行体验等需求，拥有无人机升降平台，能够确保试飞过程中的安全，满足新机组装后验证、维修零件后验证、PID参数调节、抗风性能测试，还能够通过集成的拉力传感器、振动传感器实现零部件疲劳测试、整机及单电机拉力测试、结构震动测试等功能。

无人机故障检修实训平台功能全面，涵盖了硬件配置、飞行模式、传感器集成、功能扩展、实训平台结构、安全设计、故障设置与检测以及故障检测与维修等多个方面，能够为学生提供丰富的实训内容和良好的学习体验，有助于培养学生的无人机故障检测与维修能力。

该平台能够还原四旋翼无人机系统构成，直观展示无人机内部线路的连接方式，帮助学生深入了解无人机的硬件结构和电气连接。支持多种无人机故障情景，包括动力电源故障、分电板故障、电机供电故障、电机信号故障、接收机故障、飞控供电故障、电机转向故障等，接头采用插拔接口设计，可同时设置多种不同的无人机故障情景，设置的故障可通过插拔接口或者开关进行恢复复原，方便学生进行故障模拟和维修练习。

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。

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。

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。

无人机动力系统测试实训平台是一款专业化的智能检测系统，集成高精度传感器阵列与模块化设计，可同步采集拉力、扭矩、转速、电压电流等数据，通过闭环控制系统实现电机效率、桨力效率的实时分析。平台配备双冗余应急保护机制，包括物理急停按钮与软件过载保护，确保测试安全。核心功能涵盖螺旋桨气动性能验证、电机KV值匹配度测试、动力系统能耗优化，支持定桨距/变桨距多场景模拟，为无人机研发提供从单机部件到整机动力链的全流程测试解决方案。

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。

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。

分布式人工智能全场景智慧教学实训平台包括分布式人工智能系统主要组成部分，主要模块包括终端设备、边缘设备、网络设备和云端设备，可满足人工智能全流程教学与实验，可满足分布式、高性能计算与边缘计算相关教学与实验。终端节点可对采集到的数据进行初步处理，终端设备包括ARM、RISC-V、达芬奇（华为昇腾）等不同芯片架构类型的模块，可满足不同类型架构原理和程序开发学习、竞赛与科研需求。当终端节点性能不足以满足需求时，将一部分处理后的数据交由算力更强的边缘节点处理，边缘节点采用JETSON Orin NX Super，可满足基于Cuda的深度学习相关程序开发、竞赛与科研。云端设备提供高性能计算模块和存储模块，当终端和边缘设备算力无法满足需求时，可将部分处理后的数据交由高性能的云端处理，云端设备还提供存储模块，提供大容量数据存储空间。网络设备主要包括路由模块和交换模块，提供各模块之间的互联互通。各模块均采用开源方案，可二次开发，便于教学、竞赛和科研使用。

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；

基于ROS操作系统开发的智能视觉搬运机器人，以树莓派4B为主控，采用Python编程，在视觉机械臂的基础上，增加了一个可以全向移动的麦克纳姆轮底盘，使得机器人可以进行移动抓取、目标追踪、智能搬运等功能，底盘可以自由拆卸，既可以作为桌面视觉机械臂使用，也可以作为移动视觉机械臂使用，提供源代码及两百多节课程资料，帮助用户更好的学习相关知识。能够与无人机配合实现空地协同。

无人机蜂群表演编队支持手控飞行、定点飞行、自主航线飞行、自主返航等控制模式，支持横队、纵队、三角、方队、倒V、正V、包围式队形切换等编队模式。地面站软件支持无人机姿态、位置、电池、连接状态显示，支持报警信息提醒、指令发送、回传数据显示，支持目标工作区地图保存和显示、队形编辑、保存与加载。集控制、编辑一体，可预览已编程的飞行轨迹，动画展现飞行姿态，支持2D、3D模拟飞行，支持自动计算避障线路和防碰撞预警。

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。