安徽财经大学低空经济实验室建设方案 - 中航恒拓

安徽财经大学

低空经济实验室建设方案

导出pdf或打印

安徽财经大学低空经济实验室建设方案

概述
低空经济作为新兴的综合性经济形态，近年来发展迅猛。据统计，2023 年中国低空经济规模达到 5059.5 亿元，预计到 2025 年将飙升至 1.5 万亿元。其以低空飞行活动为核心，涵盖了从航空器制造到各类应用服务的广泛领域。其中，无人机作为低空经济的关键载体，展现出巨大的经济潜力。在物流领域，无人机配送可大幅缩短配送时间，降低人力成本，尤其在偏远地区或交通拥堵地段优势明显。农业方面，无人机植保能够实现精准喷洒农药和施肥，提高农作物产量的同时减少资源浪费。此外，在测绘、巡检、应急救援等行业，无人机也发挥着不可替代的作用，有效提升作业效率与安全性。​ 在此背景下，建设低空经济实验室意义重大。实验室将聚焦无人机等低空飞行器的技术研发与创新应用，致力于突破当前行业面临的技术瓶颈，如提升无人机的续航能力、载重水平以及飞行安全性。通过产学研深度融合，汇聚高校、科研机构与企业的优势资源，加速科研成果的转化，推动无人机在更多领域的商业化应用拓展。​
在建设内容上，实验室将配备先进的研发设备与测试场地，搭建模拟真实场景的试验平台，以满足不同类型无人机的性能测试需求。同时，组建专业的科研团队，涵盖航空航天、电子信息、人工智能等多学科领域的人才，为技术创新提供智力支持。​
预期实验室建成后，将显著提升区域内低空经济的技术水平与产业竞争力，培育出一批具有市场竞争力的无人机产品与应用解决方案，吸引更多相关企业集聚，形成完整的低空经济产业链，为推动地方乃至全国的低空经济发展注入强劲动力。​
建设方案
本方案旨在构建具备前沿技术支撑的低空经济实验室建设方案，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。根据安徽财经大学实际情况及根据专业需求，低空经济实验室建设方案建设方案主要分为低空经济实验室、等功能区域。


低空经济实验室

在低空经济蓬勃发展的当下，无人机作为核心载体，已深度渗透物流、农业、测绘等领域。无人机物流可突破地形限制，实现偏远地区快速配送；农业植保无人机精准作业，提升效率同时降低资源损耗；电力巡检、应急救援场景中，无人机凭借灵活高效的特性，大幅提升作业安全与效率。​

为进一步释放无人机经济价值，低空经济实验室应运而生。实验室将整合高校、科研机构与企业资源，聚焦无人机续航提升、载重优化、智能避障等技术瓶颈，通过产学研协同创新加速成果转化。依托先进研发设备与模拟场景测试平台，开展多学科交叉研究，构建专业人才梯队。建成后，实验室将助力培育创新产品，完善低空经济产业链，增强区域产业竞争力，为我国低空经济高质量发展提供强劲技术支撑。

主要功能
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。
了解和掌握蜂群协同定位和协同控制
支持多无人机之间的协同定位，使蜂群在飞行过程中能够准确知晓彼此位置，为蜂群的协同飞行、编队等功能提供基础。可实现无人机之间的机间两两通信，任意一架无人机均可获取其他无人机的信息以及控制其他无人机飞行，从而实现蜂群的协同飞行、编队变换等复杂功能，以完成各种任务。
无人机拆装与维护
能够使学生了解无人机基本构造与原理，掌握无人机组装维护、维修保养等相关理论知识与实操能力。
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。
无人机算法仿真
在计算机上模拟无人机在实际场景中的行为和传感器反应，提供机上各种传感器（如深度相机）数据，包括位置坐标、点云、深度图等，可在计算机中模拟无人机与人工智能算法，避免因程序设计不当造成无人机损坏或造成人员受伤。
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。
无人机结构与系统
该课程旨在使学生深入了解无人机的结构组成、各部件功能以及整体系统的工作原理。通过理论学习与实践操作相结合，学生能够掌握无人机的基本构造和系统设计原理。
■ 实验1：识别无人机各部件外观
■ 实验2：无人机相关软件安装与基本操作
■ 实验3：C++与Git
■ 实验4：遥控器使用
无人机组装与调试
这是一门实践性很强的课程，学生将亲手进行无人机的组装与调试工作，通过实际操作，学生将掌握无人机的组装流程、调试技巧以及测试方法，确保无人机能够正常、稳定地运行。
■ 实验1：无人机组装
■ 实验2：无人机零部件更换
■ 实验3：无人机零部件调试
■ 实验4：起飞前设置（固件、参数、传感器、电机、螺旋桨）
无人机地面站
了解Mission Planner地面站及操作。
■ 实验1：Mission Planner 地面站基本操作
■ 实验2：飞控启动过程与连接地面站
■ 实验3：加速度计校准
■ 实验4：遥控器校准
■ 实验5：电调校准
■ 实验6：磁罗盘校准
■ 实验7：飞行模式选择
■ 实验8：飞行前检查与故障排除
■ 实验9：飞控代码编译与下载
■ 实验10：了解飞控代码架构
无人机维护技术
此课程专注于无人机的日常维护、保养及故障排查与维修技术。学生将学习如何对无人机进行定期检查、清洁、润滑以及更换易损件，同时掌握无人机常见故障的诊断与排除方法。
■ 实验1：遥控系统通讯异常检测与维修
■ 实验2：通讯链路故障检测与维修
■ 实验3：无人机动力系统故障检测与维修
■ 实验4：飞行控制系统故障检测与维修
■ 实验5：固件丢失或异常维修
■ 实验6：无人机保养
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。
基于VISIM的飞行模拟
基于模拟器实现相关验证与开发。
■ 实验1 单台OWL无人机模拟
■ 实验2 多台OWL无人机模拟
■ 实验3 QGC控制单台OWL
■ 实验4 从命令行向单台OWL发送takeoff, landing, start, 和stoptask指令
■ 实验5 用rviz显示单台OWL传感器发出的数据
■ 实验6 OWL定点追踪移动物体
■ 实验7 路径规划：OWL简单路径规划，通过rviz设置目标位置
■ 实验8 路径规划：OWL使用ego_planner规划飞行路线，命令行与rviz结合控制
■ 实验9 用QGC和命令行控制多台OWL
■ 实验10 用rviz显示多台OWL传感器发出的数据
■ 实验11 通过rostopic向单台/多台OWL发布数据和命令
■ 实验12 OWL蜂群避障
主要实验装备
智能AI物流无人机开发平台

AI物流无人机蜂群开发平台3，这个无人机在没有GPS的情况下，可以自主避障5mm级的障碍物。国产化程度高，它拥有公司自研的双目视觉系统和增稳云台，芯片用的是国产瑞芯微RK3588S，算力是8核CPU+6TOPS NPU。给客户留有的开源算力冗余度还有大概50%。无人机的集成度比较高，轴距是200mm， 整备质量675g，续航时间26分钟，负载能力200g，这个无人机在没有GPS，纯视觉定位的情况下，飞行速度可以达到20m/s。另外它的开源，开放程度比较好，飞控是基于PX4开源；视觉定位适配的是VINS­_Fusion开源；路径规划适配的是Ego_Planner开源；激光雷达适配的是FAST_LIO2开源；自主识别适配的是Yolo V8；因为适配的是Yolo V8，所以它的人脸识别，数字识别，二维码识别均开源；分布式半去中心化的群适配的是Swarm开源。

AI物流无人机蜂群开发平台3在物流路线规划方面介绍：

  • 路径规划原则

安全性优先：物流无人机飞行路径必须避开禁飞区域、人口密集区、军事管制区、机场净空保护区等。同时，要与高大建筑物、通信基站、高压线等保持安全距离，以避免碰撞事故。例如，在城市中，要远离高层写字楼群、大型商场等人员聚集且建筑高大的区域；在野外，要避开高压线塔、信号发射塔等设施。

高效性保障：综合考虑无人机的续航能力、飞行速度以及货物送达时间要求，规划最短或近似最短路径，减少飞行时间和能耗。比如，当有多个配送任务时，合理安排先后顺序，使无人机在完成所有任务的过程中总飞行距离最短。

成本最优化：考虑无人机的购置成本、维护成本、能耗成本以及潜在的风险成本等。选择合适的飞行高度、速度，减少不必要的飞行操作，以降低整体运营成本。例如，根据不同载重调整飞行高度，在满足安全的前提下，选择能耗最低的高度层飞行。

  • 具体操作示例

起点与终点确定：假设起点 A 为物流配送中心，位于城市郊区，拥有完善的无人机起降设施和货物装载设备。目的地 C 为位于城市新区的一个居民小区配送点。

途径中点设置：在起点 A 和目的地 C 之间，根据地理环境、交通状况以及无人机续航等因素，设置途径中点 B。例如，如果起点 A 和目的地 C 之间距离较远，且中间有一个合适的空旷场地（如公园的大片草坪，在获得相关许可的情况下）可作为中点 B，用于无人机中途休整、补充能源（若具备简易充电或换电设施）或者进行货物的二次分拣（如果有多个目的地的货物需要在中途重新组合）。

路径规划过程：利用地理信息系统（GIS）和视觉定位技术或全球定位系统（GPS）技术，结合预先设定的安全规则和优化目标，为无人机规划从起点 A 经中点 B 到目的地 C 的路径。首先，在 GIS 地图上标记出禁飞区域、障碍物位置等信息。然后，运用路径规划算法，以起点 A 为起始点，在满足安全约束的前提下，搜索到中点 B 的最优路径。接着，从中点 B 继续搜索到目的地 C 的最优路径，从而形成完整的 A - B - C 路径。在飞行过程中，无人机通过 GPS 实时定位，按照规划路径飞行，并通过机载传感器实时监测周围环境，如有突发障碍物（如临时放飞的风筝、突然升空的气球等），则启动避障程序，对路径进行局部调整，确保安全抵达目的地。

AI视觉无人机蜂群开发平台(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：

#

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。

#

在视觉版的基础上，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。

#

室内教学拆装调无人机实训平台

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。

多旋翼无人机原理示教平台

多旋翼无人机原理示教平台面板集成飞控、飞控减震球、四路电机、四路电调、机架、分电板、电池、遥控器、接收机等部件，能够展示无人机部件和构成、基本原理、相关部件关系等，可用于无人机结构原理认知、无人机飞控系统调试、动力系统调试、载荷拓展模块设计开发调试等，还可以学习遥控系统、演示机械爪、图传与显示屏、反无人机系统的构造与工作原理，整体结构便于教学使用，可接入220V电源，通电后即可正常演示所有功能，机柜底部带4个万向轮方便移动。

无人机装调飞测一体化实训操作平台

无人机装调飞测一体化实训操作平台采用高强度钣金一体化成型，提供具有安全防护的飞行调试区域，配备无人机起降环，采用高强度纤维材料，能够与室内教学拆装调无人机实训平台搭配，在保证安全的前提下测试和观察组装或维修后的无人机飞行状态，降低无人机调试时的风险。面板集成数显拉力测量模块，可测量整机升力，测量范围为≥0~5kg。

平台提供控制终端和配套的地面站软件，可满足无人机原理学习、组装维护、综合调试、软件参数设置等需求，可供无人机组装与调试、无人机维护修理等课程使用，还可以满足无人机地面站相关课程学习使用，实现一机多用。

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。


无人机算法模拟仿真器

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；

#

无人机智能电池管理系统

无人机智能电池管理系统采用集成式手提航空箱设计，面板包含4路充电组接口，每组包含2-6S充电接口，最多可同时充放 4路2-6S锂聚合物电池。

支持多种安全保护设计，电源输入反接、欠压、过压保护和输出充电反接保护。

实时显示充电状态、每片电池的充电电流、电池电压和充电电量，对电池状态情况一目了然。

可选工作模式，支持轮流充电、同时充电、放电、电压检测；拥有极高的平衡效率，即使不平衡的电池组，在1C充电条件下，充电时间亦不到1小时。

系统功率低，效率高，自身功耗不超过1W，拥有极高的电能使用效率，充电时充电器不发热。

支持电池分析功能，可查看每片电池的起始电压，充电容量，停止电压。

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。

设备清单
序号 设备或部件名称 单位 数量 型号
1 智能AI物流无人机开发平台 架 11 OWL Mini 3
2 AI视觉无人机蜂群开发平台(激光雷达版) 架 3 OWL Mini 3LS
3 室内教学拆装调无人机实训平台 架 21 HT380
4 多旋翼无人机原理示教平台 台 1 YL100
5 无人机装调飞测一体化实训操作平台 台 20 ZT100
6 无人机组装维修工具套件 套 21 HT-Tools
7 无人机拆装耗材套装 套 5 HT-Lib380
8 拆装调无人机实训平台备用电池 块 42 5200mAh
9 嵌入式及无人机案例实验箱 套 21 STM32 Drone ARM
10 无人机算法模拟仿真器 台 1 VISIM
11 无人机蜂群控制平台 套 1 V-PC
12 无人机耗材包 套 10 中航恒拓/V-HT-Lib
13 无人机智能电池管理系统 台 5 HT-Charger
14 多隔板密码储物柜 套 2 SG-04C
15 钢制多层设备存放架 套 2 SJ-4
16 无人机安全飞行防护场地 套 1 HT-Flight Zone
17 无人机场地飞行道具 套 1 HT-FLYP
18 无人机课程资源包 套 1 XT-V0.0
19 装修以及其他桌椅 套 1 主流型号
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。
无人机装配调试
实训手册及视频课程，视频课程主要包括室内教学拆装调无人机实训平台组装上机臂及电机、组装上机臂20mm铝柱、组装下机臂、组装脚垫及机腿、组装电池板、安装机臂、安装电源模块及连接电调线、焊接电调线及BB响、安装LED灯及飞控、连接电调信号线和安装上主板、安装接收机并连接飞控线、固定电调和接收机天线、安装无人机桨叶、安装安全拉杆。
无人机基本理论
无人机概论教材配套PPT课件，包含无人机的相关概念、特点和分类、无人机的发展历史现状与未来、无人机结构与系统、无人机的基本结构。航空气象PPT课件，主要包括大气的成分、基本气象要素、空气的水平运动、空气的垂直运动、云的分类、降水、能见度、低空风切变，能见度、视程障碍、气团和锋、锋面天气、雷暴、雷暴与飞行、飞机颠簸、飞机积冰。
无人机空域与法规电子版教材及PPT课件，主要包括空域知识、AC61《民用无人机驾驶员管理规定》、AC91《民用无人机运行管理规定》，《民用无人机驾驶航空系统空中交通管理办法》、《民用无人机驾驶航空器实名登记管理规定》、《民用无人机驾驶员合格审定规则》、《民用无人驾驶航空器经营性飞行活动管理规定》。无人机飞行原理与性能电子版教材，主要包括标准大气及其物理性质、流动气体的基本规律、飞机的几何外形和参数、升力的产生、影响飞机升力的因素、阻力、速度、高度、续航、速度、高度、续航、起飞降落与机动性能。
飞控与地面站
视频课程及PPT课件，主要包括MISSION PLANNER地面站简介与操作、飞行控制器介绍、飞控启动过程、加速度计校准、遥控器校准、电调校准、罗盘校准、飞行模式、飞行前检查与故障排除、飞控代码编译与下载、了解飞控代码。
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。
一、无人机课程资源包： 1、无人机概论资源包 无人机概论教材配套PPT课件电子版一套，包含无人机的相关概念、特点和分类、无人机的发展历史现状与未来、无人机结构与系统、无人机的基本结构、无人机动力系统、无人机控制站、飞控、通信导航系统，支撑开设最少12课时。 2、航空气象资源包 大气的成分、基本气象要素、空气的水平运动、空气的垂直运动、云的分类、降水、能见度、低空风切变，能见度、视程障碍、气团和锋、锋面天气、雷暴、雷暴与飞行、飞机颠簸、飞机积冰PPT课件1套，支撑开设最少15课时。 3、无人机空域与法规资源包 空域知识、AC61《民用无人机驾驶员管理规定》、AC91《民用无人机运行管理规定》，《民用无人机驾驶航空系统空中交通管理办法》、《民用无人机驾驶航空器实名登记管理规定》、《民用无人机驾驶员合格审定规则》、《民用无人驾驶航空器经营性飞行活动管理规定》、电子版教材1套，最少支持开设12课时课程，支撑开设最少8课时PPT课件资源。 4、无人机模拟飞行资源包 模拟器安装、认识、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，电子版教材1套。 5、飞控与地面站课程资源包 MISSION PLANNER地面站简介与操作、飞行控制器介绍、飞控启动过程、加速度计校准、遥控器校准、电调校准、罗盘校准、飞行模式、飞行前检查与故障排除、飞控代码编译与下载、了解飞控代码，电子版课件及视频课程1套，支撑开设最少10课时课程规划。 6、无人机飞行原理与性能资源包 标准大气及其物理性质、流动气体的基本规律、飞机的几何外形和参数、升力的产生、影响飞机升力的因素、阻力、速度、高度、续航、速度、高度、续航、起飞降落与机动性能，电子版教材1套，支撑开设最少12课时PPT课件资源。 7、无人机装配调试资源包 组装上机臂及电机、组装上机臂20mm铝柱、组装下机臂、组装脚垫及机腿、组装电池板、安装机臂、安装电源模块及连接电调线、焊接电调线及BB响、安装LED灯及飞控、连接电调信号线和安装上主板、安装接收机并连接飞控线、固定电调和接收机天线、安装无人机桨叶、安装安全拉杆，电子版视频课程1套。 8、无人机算法入门资源包 包含无人机飞控各类算法，支撑开设最少6课时课程规划。