1.Firmament (FMT) 开源飞控系统
2.AirSim学习笔记（三）Using SITL with AirSim
3.Ubuntu20+ROS+px4 无人机仿真环境——环境搭建
4.机器人是无人怎样跑起来的：MAVLink 开发者指南
5.YoloV7改进策略：独家原创，全网首发，机源复现Drone-Yolo，码无以及改进方法
6.安全迷你四旋翼无人机研发平台：Crazyflie 2.X

Firmament (FMT) 开源飞控系统

       Firmament (FMT)是人机软件一款基于模型设计（Model Based Design, MBD）的开源飞控系统，旨在为无人机、源码应该用车、编译basys3源码船、无人机器人等提供高效、机源灵活的码无无人控制系统。FMT结合了当前先进的人机软件基于模型设计和3D仿真技术，致力于打造下一代开源自驾仪系统。源码应该用

       FMT项目主要由三部分构成：嵌入式软件、编译建模与仿真的无人软件开发平台，以及独特的机源软件架构。与市场上成熟的码无开源飞控系统，如PX4/APM相比，FMT虽然起步较晚，但其整体软件框架清晰、功能强大。它以更精简的代码量、更高的运行效率和更低的内存使用率，为用户提供更灵活、高效的开发体验。

       基于模型设计方法在汽车、航空航天、电力能源等领域的源码交易平台互站广泛应用，FMT旨在推动这一方法在飞控系统开发中的应用。基于MBD平台，如Simulink，开发人员可以图形化搭建算法模型，专注于算法实现，通过仿真环境高效调试和优化算法，降低开发过程中的错误，提升效率。FMT支持与传统编码方式相结合，保持代码精简、高效的原则，未来将提供更多的选择。

       FMT的仿真调试功能强大，结合基于模型开发实现了多种仿真模式，包括模型在环仿真（MIL）、软件在环仿真（SIL）、硬件在环仿真（HIL）、纯硬件仿真（SIH）和开环仿真（Open-loop Simulation）。开环仿真提供了类似“黑匣子”的功能，记录模型输入数据，生成日志和参数模块，使得用户可以实时记录数据，进行开环仿真，与实际运行结果几乎一致，便于问题定位和算法优化。仿soul盲盒交友源码

       FMT支持丰富的日志数据记录和J-Link单步调试，方便进行嵌入式软件的调试。此外，FMT项目源码、文档和公开课等资源丰富，欢迎感兴趣的同学参与项目开发和交流。

AirSim学习笔记（三）Using SITL with AirSim

       使用AirSim实现SITL的详细步骤如下：

       1. 安装虚幻引擎

       1.1.1 下载并安装Epic Game Launcher

       1.1.2 通过Launcher安装Unreal游戏引擎

       1.1.3 安装Visual Studio ，确保选择“桌面开发C++和Windows SDK .0.”选项

       1.1.4 使用Git安装AirSim源码

       2. 测试Unreal和AirSim

       2.1.1 进行环境配置，如安装Landscape Mountains场景

       2.1.2 在AirSim根目录下编译源码，检查“AirSim\Unreal”目录下的“Plugins”插件生成情况

       2.1.3 使用Developer Command Prompt for VS 运行编译后的项目，确保Unreal和AirSim安装成功

       3. 配置背景环境LandscapeMountains

       3.1.1 安装并设置Landscape Mountains场景，注意版本兼容性

       3.1.2 在Unreal中新建C++类，为项目编译生成Visual Studio工程文件

       3.1.3 将AirSim插件复制到LandscapeMountains本地文件夹，并修改相关配置文件

       4. 在Windows中构建AirSim

       4.1.1 安装虚幻引擎和Visual Studio

       4.1.2 克隆AirSim源代码，进入AirSim目录，使用Developer Command Prompt for VS 构建项目

       4.1.3 配置并启动Unreal编辑器，完成AirSim环境的构建

       5. 使用AirSim

       5.1.1 启动Unreal编辑器并加载预设环境，调整设置以适应SITL使用

       5.1.2 通过遥控器或键盘控制无人机，实现SITL与AirSim的结合使用

       6. AirSim与ArduPilot SITL结合使用

       6.1.1 设置ArduPilot SITL环境，确保与AirSim兼容

       6.1.2 在AirSim中指定ArduPilot设备参数，如IP地址和端口

       6.1.3 启动AirSim和ArduPilot SITL，进行多旋翼无人机的模拟操作

       通过上述步骤，可以成功实现使用AirSim与ArduPilot SITL结合进行无人机模拟和控制。请注意在多设备仿真时可能遇到的平台差异问题，并参考相关讨论线程进行调整。苹果手机摄像头源码

Ubuntu+ROS+px4 无人机仿真环境——环境搭建

       Ubuntu+ROS+px4 无人机仿真环境搭建教程

       本文旨在引导你搭建一个高效验证无人机轨迹规划和控制算法的仿真环境，我们将逐步构建基础环境并验证算法效果。首先，让我们来了解环境搭建的三个关键步骤。

       环境搭建步骤

1. 安装ROS Noetic: Ubuntu .对应的ROS版本为Noetic，建议在安装前设置终端代理以避免网络问题。以下是简要步骤：

       换源并更新源

       设置ROS源和密钥

       安装curl（如需）

       选择安装全功能包ros-noetic-desktop-full

       设置环境变量和rosdep

       进行简单测试

2. PX4环境安装: 包括下载编译px4源码、安装mavros和qground。参考详细的安装教程，注意px4和相关软件的安装路径。

3. 显卡驱动: 如果Gazebo运行卡顿，可能是缺少显卡驱动，参考相关链接进行安装。可能需要在恢复模式下进行驱动管理。

       以上步骤完成后，你将拥有一个适合验证无人机控制算法的仿真环境。后续文章将深入探讨轨迹规划和控制算法的实现与测试。祝你搭建顺利！

机器人是怎样跑起来的：MAVLink 开发者指南

       想象一下，你正在操控一个无人机在空中翱翔，其背后的运行秘密就隐藏在MAVLink，这个轻量级的通信协议中。MAVLink不仅局限于微型飞行器，而是已经扩展到陆地与空中所有类型的无人系统，为它们之间的协同办公平台系统源码高效交互提供了桥梁。

       MAVLink的设计理念是现代的混合发布-订阅与点对点模式，就像信息的高速公路。数据作为主题以流的形式发送，而任务协议和参数协议则通过点对点的方式进行可靠传输。每一条信息都被精细编码在XML文件中，每个方言（特定系统支持的版本）都有其专属的消息集合。例如，地面控制站和无人机间的通信，大部分都遵循common.xml中的基础规范，这是其他方言的基石。

       代码生成器就像魔法棒，它根据XML消息定义为各种编程语言创建软件库，如C语言。这些库具有MIT许可，这意味着它们在闭源项目中也可自由使用，无需公开源代码。C参考实现特别针对资源受限环境设计，它在实际应用中经受过考验，被广泛应用在不同制造商的组件间，展现了卓越的性能。MAVLink 1和2分别以8字节和字节的低开销传输数据，对于带宽有限的场景来说，它的帧结构设计显得尤为重要，确保了通信的高效和可靠。

       自年以来，MAVLink已经在众多复杂环境下，如高延迟或噪声环境中，成功地连接了无数车辆、地面站以及更多节点。它具备强大的功能，如数据包丢弃检测、损坏识别和身份验证，确保了信息传递的准确性和安全性。MAVLink支持多种编程语言，适用于各种微控制器和操作系统，如ARM7、STM和移动设备操作系统，可以支持多达个并发系统间的通信，无论是GCS与无人机，还是无人机内部传感器间的互动。

       MAVLink的生成工具和软件包，如mavgen、mavgenerate和rust-mavlink，是其生态系统的重要组成部分。它们将数据编码为智能的字节流，包括校验和、序列号和传输标识，确保了信息的准确无误。每个MAVLink数据包的结构紧凑而有序，包含页眉信息和可变大小的有效负载，确保了通信的高效性。

       MAVLink的校验和算法基于ITU X./SAE AS-4标准，确保了数据的完整性和一致性。无论是在高速的波特率XBee Pro 2.4GHz网络，还是在低速的波特率XBee Pro XSC 系列，MAVLink都能在传输速度和安全性之间找到最佳平衡。通过这个强大的协议，无人机得以顺畅地接收指令，执行任务，而这一切的幕后功臣，就是MAVLink。

       要深入了解MAVLink，不妨参考绝妙的《MavLink绝对傻瓜教程》第一部分，那里有更详细的介绍和开发者指南，带你走进这个无人机世界中的通信奥秘。

YoloV7改进策略：独家原创，全网首发，复现Drone-Yolo，以及改进方法

       我开始这篇文章，旨在分享对Drone-Yolo模型的深入研究和改良，这一模型在无人机数据集上取得了显著的进步。首先，我成功地复现了Drone-Yolo模型，它的mAP0.5指标在VisDrone-test上的提升达到了惊人的.4%，而在VisDrone-val上，更是实现了.%的飞跃性增长，这无疑证实了其在小目标检测领域的强大性能。

       在YoloV7的官方结果中，我聚焦于BiC模块的优化。该模块由三个输入和一个输出构成，我根据YoloV6的源代码，并结合YoloV7的特点，对BiC模块进行了适应性调整，以支持不同通道的数据输入和输出，具体代码实现展示了我的创新思考和实践。

       通过实施这些改进，我在YoloV7中加入了BiC模块后的测试结果显示，性能得到了显著提升。我不仅复制了原作者的优秀成绩，甚至还超越了它，这无疑显示了我的方法具有很高的实用价值和竞争力。

       接着，我对SF模块和网络结构进行了进一步的优化。这次调整不仅影响了mAP@.5的评价，同时对mAP@.5:.也有着积极的影响，整体提升了模型的检测精度和鲁棒性。

安全迷你四旋翼无人机研发平台：Crazyflie 2.X

       欲探索安全迷你四旋翼无人机开发平台Crazyflie 2.X，本文详细揭示了相关组件与操作指南。

       核心组件包括已充分测试的控制芯片板，它拥有四个LED灯用于状态显示及调试。此板上，M1、M4灯为红色与绿色，M2、M3灯则只呈蓝色。

       为了确保芯片板完好无损，需在组装前进行测试。流程为通过USB将芯片板连接电源，观察M1与M4灯态。若M4灯快速闪烁绿灯五次，则测试成功，反之需查找Bitcraze论坛解决方法直至测试通过。

       接着，以明确方向与各螺旋桨旋转方向进行组装。Crazyflie启动后，进行例行检查。

       无人机操控可通过智能手机或电脑实现。针对科研人员，本文着重介绍电脑控制方式。

       首先需下载并安装电脑端crazyflie-client应用程序，支持Linux、Mac与Windows系统。程序提供了四种安装选项。

       对于Linux系统的使用者，通过从GitHub repository下载源代码，确保安装所需依赖包如Python3、pip及PyQT5，安装crazyflie-client。

       安装完成后，运行crazyflie-client，或在命令行输入启动指令。接下来，通过crazyflie-client更新飞控板固件。

       一切准备就绪，即可进行飞行测试。注意飞行前的安全检查与指南。

大家好，大疆无人机开源吗

       不是，大疆无人机的产品都是自己开发的，没有使用开源代码，目前也没有开放自己的源码，不过大疆有开放的SDK，

       可以拿SDK给无人机做二次开发。你要开发的话，可以看看大疆开放SDK