成都师范学院

无人机实训室建设方案

导出pdf或打印

成都师范学院无人机实训室建设方案

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实训室建设方案，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。根据成都师范学院实际情况及根据专业需求，无人机实训室建设方案建设方案主要分为人工智能无人机实验室、等功能区域。

人工智能无人机实验室

“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

实训室注重理论与实践的结合，通过多媒体工具进行理论讲解，实现个性化学习和自主训练，通过无人机装调实训室的学习与训练，学生能够全面掌握无人机的装调技能；通过AI视觉无人机的学习，学生掌握和学习无人机的自主避障，路径规划，蜂群控制等等技能，为未来的无人机应用、维护、行业应用，编程等工作打下坚实的基础。

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。

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。

主要课程与实验

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

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。

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；

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。

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。

无人机电池安全防爆柜

这款无人机电池安全防爆柜采用全钢四层结构，内部尺寸为长 510mm、宽 380mm、高 1500mm，可分层存放无人机电池。其核心功能是通过坚固的全钢材质和多层设计，为电池提供安全储存空间，有效隔离和防范电池可能发生的爆炸、起火等风险，保障电池存放过程中的安全性。

设备清单

序号	设备或部件名称	单位	数量	型号
1	无人机安全飞行防护场地	套	1	HT-Flight Zone
2	嵌入式及无人机案例实验箱	套	7	STM32 Drone ARM
3	无人机算法模拟仿真器	台	7	VISIM
4	AI视觉无人机开发平台(激光雷达版)	架	7	OWL 3L
5	AI视觉无人机蜂群开发平台(激光雷达版)	架	4	OWL Mini 3LS
6	无人机蜂群控制平台	套	1	V-PC
7	AI视觉无人机耗材包	套	7	V-HT-Lib3
8	AI视觉无人机耗材包	套	4	V-HT-Libmini3
9	无人机电池安全防爆柜	台	1	FB150
10	六边形桌椅组合	套	7	LT-6

配套课程资源

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。