第3课姿态表示（欧拉角/四元数）

方法	参数	万向锁	插值
欧拉角	3	❌	差
旋转矩阵	9	❌	差
四元数	4	❌	优

R = Rz(ψ) · Ry(θ) · Rx(φ)

Rz(ψ): 绕Z轴旋转ψ(航向)
Ry(θ): 绕Y轴旋转θ(俯仰) 
Rx(φ): 绕X轴旋转φ(滚转)

3. 万向锁

4. 四元数

q = [w, x, y, z],  |q|=1

欧拉角→四元数:
w = cos(φ/2)cos(θ/2)cos(ψ/2) + sin(φ/2)sin(θ/2)sin(ψ/2)
x = sin(φ/2)cos(θ/2)cos(ψ/2) - cos(φ/2)sin(θ/2)sin(ψ/2)
y = cos(φ/2)sin(θ/2)cos(ψ/2) + sin(φ/2)cos(θ/2)sin(ψ/2)
z = cos(φ/2)cos(θ/2)sin(ψ/2) - sin(φ/2)sin(θ/2)cos(ψ/2)

乘法: q₁⊗q₂ (Hamilton积)
导数: q̇ = ½q⊗[0,ωx,ωy,ωz]

5. 仿真验证

6. 完整Quaternion类

class Quaternion:
    def __init__(self, w=1,x=0,y=0,z=0):
        self.w,self.x,self.y,self.z = w,x,y,z
        self.normalize()
    def normalize(self):
        n = (self.w**2+self.x**2+self.y**2+self.z**2)**0.5
        if n>1e-10: self.w/=n;self.x/=n;self.y/=n;self.z/=n
        return self
    def __mul__(self, o):
        return Quaternion(
            self.w*o.w-self.x*o.x-self.y*o.y-self.z*o.z,
            self.w*o.x+self.x*o.w+self.y*o.z-self.z*o.y,
            self.w*o.y-self.x*o.z+self.y*o.w+self.z*o.x,
            self.w*o.z+self.x*o.y-self.y*o.x+self.z*o.w)
    @staticmethod
    def from_euler(r,p,y): ...  # 见上文公式
    def to_euler(self): ...      # 反解
    @staticmethod
    def slerp(q1,q2,t): ...     # 球面插值

7. 小结

✅ 欧拉角有万向锁，不适合全姿态飞行

✅ 四元数无奇异性，SLERP保证最短路径

✅ 飞控内部四元数，界面欧拉角

扩展阅读与实践

关键公式回顾

本课涉及的核心公式和算法需要反复练习才能真正掌握。建议通过修改仿真参数、添加扰动等方式深入理解每个参数对系统行为的影响。在实际飞行中，这些参数的选择往往需要在理论分析的基础上结合实验微调。

🔧 工程实践要点

实际部署时注意数值稳定性(归一化/限幅/防除零)
实时性要求: 控制环1kHz+，导航环50-100Hz
传感器数据时间戳对齐至关重要
异常处理: 传感器失效需安全降级策略
日志记录: 飞行数据全程记录便于事后分析
固件升级: 始终使用稳定版本，升级前备份参数

📊 性能指标参考

指标	消费级	工业级	研究级
姿态精度	±2°	±0.5°	±0.1°
位置精度(GPS)	±2m	±0.5m	±2cm(RTK)
悬停精度	±1m	±0.3m	±0.05m
控制频率	400Hz	1kHz	1kHz+
传感器融合	互补滤波	EKF	EKF/VIO
续航时间	20-30min	30-45min	视载荷而定

12. 四元数在飞控中的完整应用

PX4四元数控制流程

# PX4姿态控制核心流程(简化)

# 1. 计算误差四元数
q_err = q_desired.inverse() * q_current

# 2. 从误差四元数提取轴角
# 如果 q_err.w < 0, 取反保证最短路径
if q_err.w < 0:
    q_err = -q_err
angle = 2 * acos(q_err.w)
axis = q_err.xyz / sin(angle/2)  # 旋转轴

# 3. 轴角 → 角速度误差
# 小角度: rate_error ≈ 2 * q_err.xyz
# 大角度: rate_error = axis * angle * gain

# 4. 角速度PID → 力矩
torque = rate_pid.update(rate_error)

# 5. 混控矩阵 → 电机
motor_cmds = mixing_matrix @ [thrust, torque_x, torque_y, torque_z]

13. 姿态估计工程实践

初始化对齐

上电后需进行初始对齐，确定初始姿态：

静基座对齐：静止5-10秒，加速度计确定roll/pitch，磁力计确定yaw
动基座对齐：双天线RTK确定航向，VIO辅助
空中对齐：已在飞行中，用EKF逐渐收敛

磁力计校准

# 磁力计校准步骤
# 1. 硬磁校准: 绕3轴旋转采集数据
# 2. 拟合椭球 → 球体变换
# 3. 软磁校准: 3x3矩阵消除非正交

# 校准质量指标:
# 校准后球心偏差 < 5%
# 场强偏差 < 10%
# 偏航误差 < 3°

深入专题：算法实现与优化

算法复杂度分析

在实际飞控系统中，算法必须在有限的计算资源下实时运行。以下为本课核心算法的复杂度分析：

算法/模块	时间复杂度	空间复杂度	典型耗时
互补滤波	O(1)	O(1)	<1μs
卡尔曼滤波(15态)	O(n²)	O(n²)	~50μs
EKF(15态)	O(n³)	O(n²)	~200μs
串级PID	O(1)	O(1)	<5μs
A*(N节点)	O(N log N)	O(N)	1-100ms
RRT(N步)	O(N·K)	O(N)	10-500ms
最小snap(M段)	O(M³)	O(M²)	~1ms

实时系统设计原则

无人机飞控是典型的实时嵌入式系统，必须满足严格的时序约束：

硬实时：姿态控制环必须在1ms内完成(1kHz)，否则可能失控
软实时：EKF更新应在5ms内完成(200Hz)，偶尔超时可接受
非实时：路径规划可在后台线程运行，100ms-1s响应均可

# 典型飞控任务优先级(高→低)
# 1. IMU采样+姿态估计 (1kHz, 优先级最高)
# 2. 角速度PID控制     (1kHz)
# 3. 姿态PID控制       (500Hz)
# 4. EKF状态更新       (200Hz)
# 5. 位置/速度控制      (100Hz)
# 6. 路径规划/避障      (10-50Hz)
# 7. 通信/日志          (1-10Hz)

# RTOS调度: 优先级抢占 + 时间片轮转

代码质量与测试

飞控软件是安全关键系统，代码质量要求极高：

编码规范：MISRA C/C++，禁止动态内存分配
静态分析：Coverity/Cppcheck扫描所有警告
单元测试：每个算法模块100%覆盖率
SIL测试：软件在环仿真验证功能
HIL测试：硬件在环仿真验证时序
飞行测试：从悬停开始逐步扩大飞行包线

# 单元测试示例
def test_pid_output():
    pid = PID(kp=1.0, ki=0, kd=0)
    assert pid.update(1.0, 0.01) == 1.0  # P=1*1.0

def test_pid_integral_limit():
    pid = PID(kp=0, ki=1.0, kd=0, i_limit=5.0)
    for _ in range(1000):
        pid.update(1.0, 0.01)  # 大量积分
    assert abs(pid.integral) <= 5.0  # 不超过限幅

def test_kalman_convergence():
    kf = KalmanFilter(...)
    for _ in range(100):
        kf.predict()
        kf.update(measurement)
    assert kf.P[0,0] < initial_P  # 协方差下降

开源飞控架构对比

特性	PX4	ArduPilot	Betaflight
定位	研究/工业	工业/爱好者	竞速穿越
代码量	~500K行	~800K行	~200K行
支持的机型	多旋翼/固定翼/VTOL	多旋翼/固定翼/直升机/车/船	多旋翼/固定翼
导航能力	强(全面)	强(最全面)	弱(仅自稳)
实时性	NuttX RTOS	ChibiOS/RTOS	Bare-metal
仿真支持	SITL/Gazebo/AirSim	SITL/Gazebo	有限
社区活跃度	高	最高	高(竞速圈)

安全关键系统设计

无人机系统属于安全关键(Safety-Critical)系统，设计时必须遵循以下原则：

Fail-safe设计：任何单点故障不应导致灾难性后果
冗余设计：关键传感器(IMU/GPS)至少双冗余
看门狗：硬件看门狗检测软件挂起，超时复位
状态机：明确的飞行状态转换，禁止非法状态
地理围栏：硬编码的飞行区域限制
最大倾斜角限制：防止翻机失控
电池保护：低压自动返航/降落
信号丢失保护：遥控信号丢失5s自动RTH

实战案例与行业应用

典型应用场景

本课所学技术在以下场景中直接应用：

电力巡检：自主飞行沿输电线路巡检，自动识别绝缘子缺陷、连接点过热、树障距离不足等问题。每天可完成30-50基铁塔的巡检任务，效率是人工的10倍以上。
应急救援：灾区快速测绘，10分钟内生成1km2正射影像，为救援决策提供实时地图。红外热成像搜索受困人员，夜间也能有效搜救。
精准农业：多光谱相机获取作物NDVI指数，识别病虫害区域，指导变量施药。相比全田喷洒节约30-50%农药。
建筑监测：定期无人机巡检生成三维模型，对比分析建筑变形、沉降、裂缝发展。精度可达毫米级。
物流配送：山区/海岛等交通不便区域的医疗物资、快递配送。无人机30分钟内可覆盖20km半径范围。

系统集成经验

将本课模块集成到完整系统时的注意事项：

传感器数据流：IMU 1kHz → 姿态估计 500Hz → 控制 400Hz → 电机PWM 400Hz
时间戳同步：所有传感器数据必须使用同一时间基准(通常为飞控启动后的微秒计数)
数据延迟补偿：GPS延迟约100ms，需在EKF中用IMU前向传播补偿
传感器切换：GPS可用时用GPS，室内切换到光流/VIO，需平滑过渡
故障检测：EKF创新序列(innovation)监测传感器异常，过大则降低该传感器权重
参数存储：所有PID/滤波器参数持久化到Flash，上电自动恢复

🚁 第3课：姿态表示（欧拉角/四元数）

📚 本课目标

1. 表示方法对比

2. 欧拉角：ZYX内旋