项目管理
浙江师范大学无人机开发与应用智慧实训教学平台 中航恒拓智能科技河北有限公司
导出pdf或打印
浙江师范大学无人机开发与应用智慧实训教学平台
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开发与应用智慧实训教学平台,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。根据浙江师范大学实际情况及根据专业需求,无人机开发与应用智慧实训教学平台建设方案主要分为无人机开发与应用智慧实训教学平台
、等功能区域。
无人机与人工智能的结合,正在重塑传统行业并开拓全新应用场景。通过搭载AI芯片、传感器及深度学习算法,无人机实现了从“远程操控工具”到“自主决策终端”的跨越式进化。在核心技术层面,AI赋予无人机实时环境感知能力,如通过计算机视觉识别障碍物、追踪目标,结合SLAM技术实现复杂场景下的精准避障与路径规划。行业应用中,农业无人机通过多光谱分析精准监测作物健康,物流无人机利用智能调度系统优化配送路线,安防巡检无人机则能自动识别异常行为并预警。更值得关注的是,AI驱动的无人机集群技术已应用于灾害救援,多机协作可快速构建三维灾情模型,提升搜救效率。
随着边缘计算与5G技术的融合,未来无人机将在城市管理、环境保护等领域展现更强的实时决策能力,但同时也面临数据隐私、空域安全等挑战,亟待技术标准与法规的协同创新,无人机+人工智能在多个学科和领域都有着学术研究意义。对于高等院校来说,面对无人机技术和人工智能技术的发展,如何培养兼具不同学科和领域的技术应用与行业知识的复合型人才成为了重点,同时,人工智能技术能够与高校教学的深度融合,将推动教育从“规模导向”向“质量驱动”转型,要求高校在课程创新、师资建设、成果落地、资源整合等领域实现系统性变革,结合学生自身情况,从“标准化教学”转向“精准化育人”。
建立无人机与人工智能实验室,能够推动技术研发和创新,培养复合型人才,搭建产教融合实践平台,加速人工智能与无人机融合技术的突破。同时驱动产业升级与经济发展,革新教育模式与科研体系,不仅是技术研发与人才培养的基础设施,更是连接教育、产业与科研的核心枢纽,其目标在于通过技术赋能与生态协同,推动社会生产力和创新能力的双重跃升。
无人机开发与应用智慧实训教学平台
无人机开发与应用智慧实训教学平台包含特定应用场景无人机特点相关理论知识和无人机软硬件系统开发等方面,融合了无人机操作、行业应用技能培养、软硬件开发、数据分析及项目管理等功能。该实验室不仅配备了多款行业级无人机及其配套开发设备,还引入了先进的模拟软件和数据分析工具,旨在为学生提供贴近行业实际的无人机应用环境。支持飞行原理、导航控制等理论课程的配套实践,还提供行业应用模拟实训,让学生在真实环境中进行无人机操作,增强其实战经验。还能够承担无人机行业解决方案设计与产品优化的教学任务,培养学生的创新思维、软硬件开发能力和项目管理能力,使学生能够全面了解无人机的行业应用,为将来的职业生涯奠定坚实的基础。
“人工智能+”(Artificial Intelligence Plus,AI+)是指将人工智能技术与各行各业深度融合,推动产业转型升级和创新发展的一种理念与实践。它不仅是将人工智能应用于某一特定领域,而是通过技术的集成与创新,实现对传统行业的全面赋能与重构。机器视觉是人工智能正在快速发展的一个分支,用机器代替人眼来做测量和判断,通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
同时,随着自主协同技术的突破,无人机蜂群正从实验室概念演变为颠覆战争规则的“新锐力量”。它既是对未来“无人化、智能化”战争形态的预演,也是大国博弈中低成本战略威慑的具象化载体,通过数百架廉价无人机的高效协同,既能执行侦察、打击、电磁压制等复合任务,又可消耗敌方昂贵的防空资源。无人机蜂群作为一种新兴的集群智能系统,正逐渐改变着多个领域的运作模式。它由大量低成本、小型化的无人机组成,通过协同合作完成复杂任务,具有极高的灵活性和适应性,展现出巨大的发展潜力和应用价值。
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。
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。
无人机传感器系统开发
无人机等任何智能设备都离不开传感器技术,学生需要了解各类传感器的工作原理和特征并结合理论知识完成传感器系统软硬件开发,并将相关传感器与无人机结合以实现更多功能,能够培养学生的综合开发能力。
惯性导航系统开发
惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统,可用于无卫星定位时的持续导航定位。学生可以通过学习相关技术原理,并开发符合实际需求的软硬件系统并与无人机进行结合,培养学生的软硬件开发能力。
航拍航测专项学习与训练
学生通过航拍航测专项训练能够掌握航拍航测无人机相关基本操作要领和拍摄手法,并掌握基本的图像和视频后期处理方法,能够制作具有一定水平的图片和视频作品。
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。
无人机植保技术
专注于无人机在农业植保中的应用,包括植保无人机的选型、农药喷洒技术、作业规划与实施等。学生将学习如何高效、安全地进行农业植保作业,提高农作物产量和质量。
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。
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。
无人机传感器原理相关开发
常用传感器数据读取和应用。
■ 实验1:红外避障碍传感器数据采集与展示
■ 实验2:霍尔传感器数据采集与展示
■ 实验3:温度湿度传感器数据采集与展示
■ 实验4:火焰传感器数据采集与展示
■ 实验5:上位机软件开发
惯性导航原理与相关开发
了解惯性导航相关原理并开发上位机软件。
■ 实验1:获取IMU数据
■ 实验2:获取卫星定位数据
■ 实验3:IMU与卫星定位数据融合
■ 实验4:在地图中记录轨迹
■ 实验5:GPS与Move_Base导航
■ 实验6:上位机软件开发
无人机航拍及图像处理
了解掌握航拍无人机构造与原理,实现操作无人机进行航拍,熟悉航拍运镜和图像、视频处理。
■ 实验1:航拍运镜实践
■ 实验2:图片处理与调色实践
■ 实验3:视频调色实践
■ 实验4:视频剪辑实践
■ 实验5:人物追踪及跟拍实践
■ 实验6:航拍综合实战
■ 实验7:紧急情况下航拍无人机的操控
无人机飞行实训
此课程是无人机应用技术专业的核心实践课程之一,学生将在无人机室外飞行区进行无人机的实际飞行操作训练。通过模拟真实飞行环境,学生将学习无人机的起飞、降落、悬停、航线飞行等基本飞行技能,并逐步提高飞行操控的准确性和稳定性。
无人机应用技能训练
在无人机室外飞行区,学生还将进行无人机应用技能的训练,如农业植保、电力巡检、航拍测绘等。通过实际操作无人机完成特定任务,学生将掌握无人机在不同领域中的应用技巧,并提升解决实际问题的能力。
无人机飞行性能测试
此课程旨在让学生了解和掌握无人机飞行性能的测试方法。在无人机室外飞行区,学生将对不同型号的无人机进行性能测试,包括飞行速度、飞行高度、续航能力、稳定性等方面的测试,并分析测试结果,为无人机的优化和改进提供数据支持。
无人机应急处理训练
无人机在飞行过程中可能会遇到各种突发情况,如信号丢失、电池耗尽、机械故障等。在无人机室外飞行区,学生将进行无人机应急处理的训练,学习如何在紧急情况下迅速做出反应,确保无人机和人员的安全。
无人机团队协作训练
无人机应用往往需要多人协作完成,如无人机编队飞行、无人机集群作业等。在无人机室外飞行区,学生将进行团队协作训练,学习如何与其他成员有效沟通、协调行动,共同完成无人机应用任务。
无人机操作与飞行技巧
此课程专注于无人机的基础操作技能和高级飞行技巧的培训。学生将学习无人机的起飞、降落、悬停、巡航等基本操作,以及复杂环境下的飞行技巧,如避障飞行、夜间飞行等。
无人机与农业
掌握植保无人机、农业检测无人机构造与原理,掌握无人机操作与维护保养。
■ 实验1:植保无人机的认知
■ 实验2:植保无人机起飞前检查
■ 实验3:植保无人机飞行操控
■ 实验4:植保无人机撒播技术
■ 实验5:植保无人机辅助设备操作
■ 实验6:紧急情况下植保无人机的操控
■ 实验7:植保无人机维护保养与储存
■ 实验8:农药使用安全常识及病毒害
■ 实验9:植保无人机喷洒效果检验及飞防作业的实施
■ 实验10:植保无人机的拆装
■ 实验11:植保无人机故障分析及检修
■ 实验12:植保无人机硬件程序刻录刷写及固件升级
■ 实验13:植保无人机售后服务
■ 实验14:植保无人机作业规划
主要实验装备
AI视觉无人机开发平台
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:

OWL Mini 3无人机体积小,重量轻,更加适合算法验证。
AI视觉无人机开发平台(激光雷达版)
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。
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。
无人机传感器技术开发实训平台
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。
多旋翼航拍教学无人机开发平台
本平台专为院校无人机航拍与开发教学打造,采用碳纤维可折叠四旋翼机身,内置GPS高精度定位模块,兼顾便携与稳定性。搭载STM32全开源飞控(C++编写,支持二次开发),通过配套地面站可完成PID调参、传感器校准、航线规划等实训。配备三轴云台4K相机(1/1.7英寸索尼CMOS,320°航向轴)及高通八核图传遥控器(5.5英寸1080P高亮屏,15km双路数字图传),支持超高清航拍与第一视角任务飞行。提供纸质实训手册、飞控开发教程及11节视频课程,覆盖地面站操作、代码编译等环节,是飞行控制与航拍应用一体化教学的理想平台。
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。
六旋翼无人机飞行开发平台
HT600是一款专为教学而生的无人机开发实训平台,适用于作为室外实操教学六旋翼无人机飞行平台使用。
采用碳纤维可折叠机身,既可用于教学开发,也可以用于室外飞行训练、调试,通过配套地面站软件可进行PID参数调节、传感器校准、参数设置、航线规划等实训环节,开源飞控,可二次开发,还可以实现自主飞行。整机结构牢固,承载能力强,可挂载寻迹、小球投放、钩瓶、激光打靶、航拍、机械臂、机械爪等各类设备,符合国际机器人挑战赛无人机自主飞行赛项、中国工程机器人大赛无人机赛项等竞赛的要求。
六旋翼无人机电子执照考训平台
HT1000X6是一款面向教学的无人机飞行平台,是三类CAAC民航执照考证专用无人机,满足AOPA和CAAC培训与考试的相关需求,适合高校及职业院校开展实验实训,尤其是“1+X”无人机驾驶职业技能培训使用。支持多种挂载设备,满足行业应用和二次开发。

四类中型六旋翼无人机考训平台
HT1600是一款面向培训与考试的六旋翼无人机电子执照考训平台,轴距1650 mm,最大起飞重量40.5 kg,是四类CAAC民航执照考证专用无人机,满足无人机培训与考试的相关需求,可用于相关培训,非常适合各种行业用户以及各类高校、职业院校培训考试使用,该机型还支持二次开发,可用于行业应用实训。
多用途六旋翼无人机飞行平台
该实训平台是一款专为多载荷行业应用设计的六旋翼无人机,轴距1200 mm,起飞重量15 kg,有效载重6 kg,支持5 kg载荷的定点/高空抛投及多载荷组合使用。具备自主飞行、低电量保护、一键起降及自动返航功能,最大飞行速度60 km/h,抗风等级达8级,满载续航15分钟,空载续航30分钟。可搭配智能抛投系统,可通过遥控器精准控制,适用于应急物资投送、农业植保等场景,兼顾操作便捷性与任务可靠性。
小型农业植保无人机竞赛实训平台
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。
5kg级植保农用无人机飞行平台
中航恒拓 5kg 级植保农用无人机HT-Z5为四轴四桨结构,药箱容量 5L,空载续航时间 18-25 分钟,每架次可喷 3-8 亩,助力农业植保高效作业。
设备清单
| 序号 |
设备或部件名称 |
单位 |
数量 |
型号 |
| 1 |
AI视觉无人机开发平台 |
架 |
1 |
OWL Mini 3 |
| 2 |
AI视觉无人机开发平台(激光雷达版) |
架 |
1 |
OWL 3L |
| 3 |
嵌入式及无人机案例实验箱 |
套 |
1 |
STM32 Drone ARM |
| 4 |
无人机传感器技术开发实训平台 |
套 |
1 |
HT-Sensors-EDU |
| 5 |
多旋翼航拍教学无人机开发平台 |
架 |
1 |
HT500HP |
| 6 |
教学无人机机械抓取平台 |
架 |
2 |
HT500Z |
| 7 |
六旋翼无人机飞行开发平台 |
架 |
1 |
HT600 |
| 8 |
六旋翼无人机电子执照考训平台 |
架 |
1 |
HT1000X6 |
| 9 |
四类中型六旋翼无人机考训平台 |
架 |
1 |
HT1600 |
| 10 |
多用途六旋翼无人机飞行平台 |
架 |
1 |
HT1200 |
| 11 |
小型农业植保无人机竞赛实训平台 |
架 |
1 |
HT-Z2 |
| 12 |
5kg级植保农用无人机飞行平台 |
套 |
1 |
HT-Z5 |
| 13 |
电子执照无人机考试监测系统 |
套 |
1 |
U-RTK |
| 14 |
RTK考试训练基站 |
套 |
1 |
---- |
| 15 |
无人机云端接入设备 |
个 |
1 |
---- |
| 16 |
四类训练机备用电池 |
块 |
1 |
---- |
| 17 |
三类训练机备用电池 |
块 |
1 |
---- |
| 18 |
考训平台备用电池 |
块 |
1 |
22000MAH |
| 19 |
考训平台维修备件库 |
套 |
1 |
---- |
| 20 |
考训平台备用电池 |
块 |
1 |
22000MAH |
| 21 |
飞行训练专用教练控 |
个 |
1 |
ET16S |
| 22 |
无人机外场训练场地道具 |
套 |
1 |
---- |
| 23 |
高性能计算机 |
台 |
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。
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。
无人机传感器系统开发
各类传感器技术资料、开发指导以及例程。
无人机惯性导航开发
惯性导航系统开发手册、基本例程、相关资料文档、测试用上位机软件。
无人机航拍
航拍无人机使用说明、开发教程、配套软件、教学视频、竞赛指导等。
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。
AOPA和CAAC考试相关资源。
无人机与农业
植保无人机、农业检测无人机构造与原理,无人机操作与维护保养等课程。