掌握地面站系统架构与开发，实现遥测监控与任务规划。
┌──────────────────────────────────────┐
│ 地面站系统架构 │
├──────────┬──────────┬────────────────┤
│ 通信管理 │ 遥测显示 │ 任务规划 │
│ 串口/UDP │ 地图叠加 │ 航线编辑 │
│ 自动重连 │ 仪表盘 │ 起降规划 │
├──────────┼──────────┼────────────────┤
│ 参数管理 │ 日志分析 │ 安全监控 │
│ PID调参 │ 飞行回放 │ 电量/信号/地理围栏 │
├──────────┼──────────┼────────────────┤
│ 视频显示 │ 固件升级 │ 模拟器接口 │
│ 画中画 │ OTA更新 │ SITL/HITL │
└──────────┴──────────┴────────────────┘| 地面站 | 平台 | 特点 |
|---|---|---|
| QGroundControl | 全平台 | PX4官方，功能全面 |
| Mission Planner | Windows | ArduPilot官方 |
| MAVProxy | 命令行 | 轻量级，可扩展 |
| 自研Web GCS | 浏览器 | 定制化，远程访问 |
// 基于WebSocket + Leaflet地图
const ws = new WebSocket("ws://drone:14550")
ws.onmessage = (e) => {
const msg = JSON.parse(e.data)
if (msg.type === "position") {
droneMarker.setLatLng([msg.lat, msg.lon])
updateInstruments(msg)
}
}
// 航线编辑
map.on("click", (e) => {
addWaypoint(e.latlng)
updateMissionPlan()
})=== 地面站遥测数据仿真 ===
T+0s: Lat=39.904186 Lon=116.407383 Alt=99.9m Spd=5.2m/s Bat=100% Sat=10
T+10s: Lat=39.904106 Lon=116.407211 Alt=100.4m Spd=5.2m/s Bat=95% Sat=10
T+20s: Lat=39.904261 Lon=116.407440 Alt=99.5m Spd=4.8m/s Bat=90% Sat=14
T+30s: Lat=39.904104 Lon=116.407453 Alt=99.8m Spd=5.6m/s Bat=85% Sat=11
T+40s: Lat=39.904171 Lon=116.407314 Alt=100.7m Spd=5.6m/s Bat=80% Sat=12
地面站功能模块:
实时地图 | 遥测仪表 | 航线编辑 | 参数管理 | 日志分析✅ 地面站是无人机操作的核心界面
✅ 功能：通信+遥测+规划+监控+日志
✅ Web GCS可实现远程访问
1. 自研Web GCS基础框架。2. 实时遥测仪表盘。3. 航线编辑+上传功能。
掌握地面站架构与开发
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。
| 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 |
地面站是操作员与无人机之间的桥梁。现代地面站趋势：(1)Web化——浏览器即可操作，无需安装；(2)移动化——手机/平板地面站；(3)云端化——远程监控多台无人机；(4)AI辅助——自动航线规划、异常检测。开发技术栈：WebSocket+Leaflet/Cesium地图+MAVLink.js+React/Vue。
| 参数 | 典型值 | 影响 |
|---|---|---|
| 控制频率 | 400-1000Hz | 稳定性/延迟 |
| EKF频率 | 200-500Hz | 估计精度 |
| 导航频率 | 10-50Hz | 路径跟踪 |
| 传感器延迟 | 5-200ms | 需时间补偿 |
| 电池警戒 | 25%→RTH | 安全返航 |
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 |
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：
# 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 + 时间片轮转飞控软件是安全关键系统，代码质量要求极高：
# 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| 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) |
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：
本课所学技术在以下场景中直接应用：
将本课模块集成到完整系统时的注意事项：