湖南城建职业技术学院无人机实训基地 - 中航恒拓

湖南城建职业技术学院

无人机实训基地

导出pdf或打印

湖南城建职业技术学院无人机实训基地

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基地,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。根据湖南城建职业技术学院实际情况及根据专业需求,无人机实训基地建设方案主要分为高仿真飞行模拟实训室低空飞行器实训室低空经济应用创新中心低空经济应用场景展示室等功能区域。


高仿真飞行模拟实训室

通过先进的无人机模拟飞行软件和硬件设备,来满足模拟飞行训练需求。该实验室的主要功能包括为相关课程提供教学与实训支持,通过高度仿真的飞行环境帮助学生掌握无人机操作技能;进行模拟飞行训练,提升学生的飞行技能水平和应急处理能力;模拟无人机在应急救援等场景中的应用,增强学生的实践经验和应对复杂情况的能力;同时,还支持无人机系统的学习与测试,使学生能够全面了解无人机的工作原理和性能。此外,实验室还注重理论与实践的结合,通过多媒体工具进行理论讲解,并结合模拟仿真系统进行实践操作,实现个性化学习和自主训练,全面提升学生的无人机应用技能。

主要功能
理论教学课程
无人机的发展史、无人机系统的基本概念、主要性能、基本构成、分类方法;当今主要无人机及其主要性能;空气动气学的基本知识、飞行器的性能、飞行控制技术以及当今主要飞行器发动机的性能及工作原理;地面控制站的基本配置,主要人员配备以及基本的工作原理和方法;执行侦察和监视所需的有效载荷;数据链路的组成、性能和特性。
学习无人机基础知识
使学生全面了解无人机的结构、原理、技术特点等基本知识,为后续操作技能训练打下坚实理论基础。
了解相关法律法规
使学生了解并掌握无人机相关的法律法规,明确无人机的合法操作范围和使用限制,确保在实际操作中遵守相关规定,避免违法违规行为的发生。
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。
主要课程与实验
理论教学课程
无人机的发展史、无人机系统的基本概念、主要性能、基本构成、分类方法;当今主要无人机及其主要性能;空气动气学的基本知识、飞行器的性能、飞行控制技术以及当今主要飞行器发动机的性能及工作原理;地面控制站的基本配置,主要人员配备以及基本的工作原理和方法;执行侦察和监视所需的有效载荷;数据链路的组成、性能和特性。
无人机通信与导航技术
该课程介绍无人机通信系统的组成、工作原理以及导航技术的应用。学生将学习无人机如何与地面站进行通信、如何接收并执行指令,以及如何利用导航系统进行精准定位与飞行规划。
无人机任务载荷应用
此课程专注于无人机搭载的各种任务载荷(如相机、传感器等)的应用与操作。学生将学习如何根据任务需求选择合适的任务载荷、如何进行安装与调试,以及如何利用任务载荷进行数据采集与处理。
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;
■ 实验7:操控固定翼飞机的基本方法;
■ 实验8:操纵固定翼飞机转弯的基本方法;
■ 实验9:固定翼着陆训练;
■ 实验10:固定翼正方形航线飞行训练;
■ 实验11:固定翼 8 字航线飞行训练等。
主要实验装备
无人机飞行模拟仿真系统

无人机模拟飞行仿真系统通过在计算机安装的模拟软件,配合配套的遥控器,可模拟真实场景下无人机操作。系统共有6个应用场景,包含CAAC考证培训模拟训练飞行、电力巡检、农业植保、应急救援、物流配送、组装调试6个子模块,每个场景都有配套视频教程,可以完成无人机模拟飞行操控技能训练、行业应用飞行操作训练、无人机组装调试训练、农业植保飞行训练、无人机飞行技术等课程初学训练,减少直接使用真机造成的风险,降低初学者心理负担,提高训练速度。

设备清单
序号 设备或部件名称 单位 数量 型号
1 无人机飞行模拟仿真系统 50 HT-SM Max
2 计算机 50 主流型号
3 无人机专业教学智能管理系统 1 ----
4 实验室装修及综合布线 1 ----
配套课程资源
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。

低空飞行器实训室

低空飞行器实训室是一个专为无人机应用技术专业设计的综合性实训平台,集成了先进的无人机模拟飞行软件和装配、调试、测试及维修等功能的综合性实训场所。为相关课程提供教学与实训支持,通过高度仿真的飞行环境帮助学生掌握无人机操作技能;进行模拟飞行训练,提升学生的飞行技能水平和应急处理能力;实训室配备了各种无人机型号及其零部件、专业的装配工具、调试设备和测试仪器,旨在为学生提供一个真实的无人机装调工作环境。

该实验室的主要功能包括为相关课程提供教学与实训支持,通过高度仿真的飞行环境帮助学生掌握无人机操作技能;进行模拟飞行训练,提升学生的飞行技能水平和应急处理能力;模拟无人机在应急救援等场景中的应用,增强学生的实践经验和应对复杂情况的能力;同时,还支持无人机系统的学习与测试,使学生能够全面了解无人机的工作原理和性能。此外,实验室还注重理论与实践的结合,通过多媒体工具进行理论讲解,并结合模拟仿真系统进行实践操作,实现个性化学习和自主训练,全面提升学生的无人机应用技能。

主要功能
通过多媒体工具进行理论讲解,并结合模拟仿真系统进行实践操作,实现个性化学习和自主训练,全面提升学生的无人机应用技能。让学生亲手进行无人机的组装、调试和测试,积累实践经验;同时,实训室还承担无人机故障排查与维修的教学任务,帮助学生提升解决无人机实际问题的能力。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,为未来的无人机应用与维护工作打下坚实的基础。
学习无人机基础知识
使学生全面了解无人机的结构、原理、技术特点等基本知识,为后续操作技能训练打下坚实理论基础。
了解相关法律法规
使学生了解并掌握无人机相关的法律法规,明确无人机的合法操作范围和使用限制,确保在实际操作中遵守相关规定,避免违法违规行为的发生。
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。
无人机故障检修
无人机零部件维修测试平台主要面向无人机应用技术专业开展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
主要课程与实验
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
主要实验装备
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。

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。

无人机零部件维修测试实训平台

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。

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。

无人机综合调试与检测实训平台

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。

设备清单
序号 设备或部件名称 单位 数量 型号
1 多旋翼无人机原理示教平台 2 YL100
2 室内教学拆装调无人机实训平台 50 HT380
3 无人机零部件维修测试实训平台 2 WX100
4 无人机综合调试与检测实训平台 2 TS100
5 无人机装调飞测一体化实训操作平台 50 ZT100
6 无人机智能电池管理系统 10 HT-Charger
7 电池防爆箱 2 HT-FB150
8 无人机组装维修工具套件 50 HT-ToolBox
9 无人机拆装耗材套装 50 ----
10 拆装调无人机实训平台备用电池 50 ----
11 设备储存柜 2 ---
12 实验室装修及综合布线 1 ----
配套课程资源
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。
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。
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。

低空经济应用创新中心

“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。
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。
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。
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。
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。
主要课程与实验
本实验室主要为开放性实验,无固定的实验方法,旨在锻炼学生的学习能力和创造能力,部分实验可供学有余力的同学选择性完成。
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
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
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。
机器视觉模型训练
实验目的:训练符合应用场景需求的人工智能机器视觉模型。
实验内容:通过高性能计算机和GPU服务器将无人机采集到的画面用于模型训练,定制符合实际用用场景需求的人工智能模型,可用于农作物长势预测、交通流量预测等场景。
无人机+大模型应用
实验目的:将既有大模型(如DeepSeek等)与无人机相结合,实现更多功能。
实验内容:在Ubuntu和Windows环境下搭建大模型运行环境,实现基本的文本识别与处理,然后尝试与无人机结合,实现无人机与大模型通信。
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。

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。


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。

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。

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。

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 型号
1 AI视觉无人机开发平台 25 OWL Mini 3
2 无人机传感器技术开发实训平台 25 HT-Sensors-EDU
3 小型农业植保无人机竞赛实训平台 2 HT-Z2
4 教学无人机机械抓取平台 2 HT500Z
5 无人机安全飞行防护场地 1 HT-Flight Zone
6 无人机算法模拟仿真器 2 VISIM
7 嵌入式及无人机案例实验箱 25 STM32 Drone ARM
8 高性能计算机 25 主流型号
9 GPU服务器 1 主流型号
10 实验室装修及综合布线 1 ----
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。
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。
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。
拓展行业应用及开发
人工智能无人机应用行业非常广泛,可结合实际需求进行二次开发,以下是一些主要应用行业:
农业领域
作物监测:科研无人机可搭载多光谱、高光谱等传感器,对大面积农田进行快速扫描,获取作物的生长状态、植被指数、叶面积指数等信息,帮助科研人员研究作物的生长规律、评估作物的健康状况,为精准农业提供数据支持。例如,通过分析多光谱图像,判断作物是否存在病虫害、缺水、缺肥等问题,以便及时采取相应的管理措施。
土壤分析:无人机可以携带土壤传感器,在农田中飞行并采集土壤的温度、湿度、酸碱度、肥力等数据,帮助科研人员了解土壤的特性和变化,为土壤改良、施肥方案制定等提供依据。 农业气象研究:无人机可在不同高度和区域进行气象数据采集,如温度、湿度、气压、风速等,对于研究小范围的农田微气候以及气象条件对农业生产的影响具有重要意义。
环境监测领域
空气质量监测:搭载气体传感器的科研无人机能够在不同高度和区域对空气污染物的浓度进行监测,如二氧化硫、氮氧化物、颗粒物等,帮助科研人员了解空气污染的分布情况和变化趋势,为大气污染防治提供数据支持。
水质监测:无人机可以在河流、湖泊、海洋等水域上方飞行,通过搭载的水质传感器或采样装置,对水质参数进行检测,如水温、酸碱度、溶解氧、浊度等,或者采集水样带回实验室进行分析,用于研究水体的污染状况、生态环境变化等。
生态环境监测:用于监测森林、草原、湿地等生态系统的植被覆盖度、生物多样性、生态系统结构等。例如,通过无人机的航拍图像和数据分析,评估森林的砍伐情况、草原的退化程度、湿地的生态功能等。
测绘与地理信息领域
地形测绘:科研无人机可以携带高精度的测绘仪器,如激光雷达、摄影测量设备等,对地形进行快速测绘,生成高精度的三维模型和数字地形图。相比传统的测绘方法,无人机测绘具有效率高、成本低、灵活性强等优点,可应用于城市规划、土地管理、地质勘察等领域。
地质灾害监测:在山区、地质不稳定地区等,无人机可以定期对地质灾害隐患点进行监测,如滑坡、泥石流、崩塌等。通过获取地形变化、地表位移等数据,及时发现地质灾害的迹象,为灾害预警和防治提供依据。
考古研究:无人机可以对考古遗址进行航拍和三维建模,帮助考古人员了解遗址的全貌、地形地貌以及遗址内部的结构等信息,为考古发掘、研究和保护提供支持。
电力巡检领域
科研无人机可用于对高压输电线路、变电站等电力设施进行巡检。搭载高清摄像头、红外热成像仪等设备的无人机能够在安全距离外对电力设备进行近距离观察,检测线路的磨损、断裂、发热等故障隐患,以及检查变电站设备的运行状态。这不仅提高了巡检效率和安全性,还为电力设备的维护和管理提供了准确的数据。
应急救援领域
灾情评估:在地震、洪水、火灾等自然灾害发生后,科研无人机可以迅速进入灾区,对受灾区域进行航拍和数据采集,获取灾区的地形地貌、建筑物损坏情况、人员分布等信息,为灾情评估和救援决策提供支持。
救援物资投放:具备一定载重能力的无人机可以将紧急救援物资,如食品、药品、饮用水等,快速投放到交通受阻或难以到达的受灾区域,提高救援效率。 搜索与救援:利用无人机的高空视野和灵活机动性,在大面积的搜索区域内寻找失踪人员或被困者,为救援人员提供目标位置信息,缩短搜索时间。
交通领域
交通流量监测:无人机可以在城市道路、高速公路等上方飞行,通过航拍图像和数据分析,实时监测交通流量、车辆速度、道路拥堵情况等信息,为交通管理部门提供决策依据,优化交通信号控制和交通疏导方案。
交通设施巡检:对桥梁、隧道、道路等交通基础设施进行巡检,检测设施的结构完整性、表面缺陷、变形等问题,及时发现安全隐患,为交通设施的维护和管理提供支持。

低空经济应用场景展示室

低空经济作为战略性新兴产业,是我国经济增长的新引擎,具有推动产业升级、优化公共服务、促进科技创新等多重战略价值。‌‌ 低空经济不仅是技术革命的产物,更是国家现代化产业体系的关键布局,其多维价值将持续重塑经济与社会发展格局。

主要功能
展示无人机构造与原理,行业应用体验,成果展示等。
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。
无人机物流运输技术
展示无人机在物流运输领域的应用,包括物流无人机的选型、配送路线规划、货物装载与卸载等,学生将了解无人机物流运输的基本原理和操作流程,探索无人机在物流行业中的创新应用。多旋翼物流教学无人机通过其高冗余度设计、强环境适应性与物流专项参数,为学员提供了从基础飞行到复杂物流任务的完整技能培养体系。同时,其碳纤维材质与模块化设计也为设备维护与教学扩展提供了便利。
主要课程与实验
无人机科普、模拟飞行体验等。
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。
无人机物流技术
无人机物流飞行计划、航线规划、飞行安全保证。
主要实验装备
AI视觉无人机蜂群开发平台(RTK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:

#

RTK(Real-Time Kinematic,实时动态)是一种基于载波相位差分技术的高精度定位方法,能够在野外实时提供厘米级定位精度。它是全球导航卫星系统(GNSS,如GPS、北斗等)的重要辅助技术,主要用于消除卫星定位中的误差,提升定位精度和可靠性,定位精度可达厘米级(1-2厘米),可以实时获取高精度的位置信息,使OWL mini3 RTK能够及时根据当前位置调整飞行姿态和路径,对突发情况做出快速反应。在进行数据采集任务时,如测绘、巡检等,结合RTK能确保采集到的数据具有高精度的地理坐标信息,提高数据的质量和价值,为后续的数据分析和处理提供更准确的基础。

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,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。

#

大载重中型六旋翼物流无人机实训平台

物流无人机作为智慧物流的重要组成部分,其应用场景和技术优势已逐渐渗透到物流行业的各个环节。该平台设计具备承载重物的能力,对角轴距 1850 mm,最大载重 20 kg,能够执行重型货物运输、物资投放等任务,满足学生对大型物流无人机操作训练、物流飞行方案和飞行计划制定、飞行安全保证等学习和训练等需求。

球形集群编队表演无人机

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。

50kg级植保农用无人机飞行平台

50 kg级农用植保教学无人机飞行平台HT-Z50对角轴距 2260 mm,最大起飞重量 110 kg,药箱容积 50 L,可满足学生对农业植保无人机构造与原理的学习,掌握大型无人机操作与维护保养。

多旋翼航拍教学无人机

多旋翼航拍教学无人机机身可折叠,具有全向避障功能,配备8个广角视觉传感器,能够在复杂环境中自动避障,减少碰撞风险。机身前方、后方、下方均具备视觉感知系统和红外感知系统,能够支持室内外稳定悬停、飞行,具备自动返航及三向环境感知功能。其抗风能力达到12m/s,适合在多种环境下稳定飞行。续航时间为43分钟,足够完成大部分拍摄任务‌。

支持多种智能拍摄模式,如焦点跟随、大师镜头、一键短片等,操作简单,适合不同水平的用户。通过红外传感系统及补光灯辅助可实现定位功能,满足无人机航拍技术教学及实训课程。


多旋翼航测教学无人机

多旋翼航测教学无人机可以让学生了解无人机的飞行原理、操作技巧以及航测的相关知识,提高学生的实践能力和专业素养。在农业、林业、电力、交通等行业,可用于巡检、监测等工作,提高工作效率和质量,降低人力成本。凭借其高精度的悬停和定位能力以及高像素的拍摄功能,可执行各种航测任务,如地形测绘、土地调查、资源监测等,为相关领域提供准确的数据支持。

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。

无人机集群编队表演套装

F165 无人机集群编队表演方案基于 UWB 制式基站进行定位,无需 GPS,实现各种环境下精确室内外定位,具有中继器与 WIFI 链接两种通信形式,可适用于各种网络环境。支持手机 APP 编队飞行及 PC 端编程编队、实时控制功能,支持图形化/Python 双语言双平台进行单台或者编队飞行自主编程,软件平台高度集成,支持飞行动作与灯光同步编程界面及实时动态仿真,预览编程实际效果。图形化编程最多可同时控制 40 架无人机在线同步飞行,python 最多可编程 40 台无人机在线同步飞行,App 端最多控制超过 40 台无人机同步飞行,PC 端操作最多控制可超过 200 台无人机。

无人机集群编队表演套装一套包含 10 架无人机,四个基站和一个包装箱。

地理测绘无人机应用平台

采用经纬 M300 RTK + DJI L1 的组合方案,采用机载 LiDAR 激光扫描与无人机航空倾斜摄影测量以及贴近摄影测量相结合的方式进行数据采集。DJI L1集成 Livox 激光雷达模块、高精度惯导、测绘相机、三轴云台等模块于一身,同时 DJI L1 激光雷达具备最远测距 450 米、最高支持 3 次回波的特性,激光穿透能力极强。可穿透植被冠层直接探测地表,获取地物及地面的点云数据,构建高精度 DEM。结合大疆Mavic 3系列和经纬M300 RTK + DJI L1组合方案,以“高精度、高效率、强适应”的技术优势,为智慧城市构建了从数据采集到决策应用的全链条解决方案。

设备清单
序号 设备或部件名称 单位 数量 型号
1 AI视觉无人机蜂群开发平台(RTK版) 1 OWL Mini 3 RTK
2 无人机集群编队表演套装 10机群 1 F165
3 50kg级植保农用无人机飞行平台 1 HT-Z50
4 地理测绘无人机应用平台 1 M300 RTK
5 多旋翼航拍教学无人机 2 Mavic 3 Pro
6 多旋翼航测教学无人机 1 Mavic 3E
7 球形集群编队表演无人机 4 HT-BY100
8 大载重中型六旋翼物流无人机实训平台 1 HT-WL20
9 多用途六旋翼无人机飞行平台 1 HT1200
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。
无人机编队表演
无人机编队表演配套软件。
无人机物流技术
物流无人机操作与安全保证相关教程。
指南与教程
各类无人机操作指南与教程。