高级

飞行科学家

从「理解」到「创造」的终极挑战

适合高中生/大学低年级，已完成中级教材。学习周期：2-3 个月，每天 2-3 小时。
需要掌握 C 语言、Python，以及基本的线性代数和概率论知识。

教材理念

核心：算法驱动，系统设计，通过创造新功能和解决复杂问题，成为无人机的「总设计师」。

阶段	项目名称	核心技能	难度
1	路径规划大师	A* 算法、启发式搜索	⭐⭐⭐⭐
1	视觉导航	光流定位、VIO 算法	⭐⭐⭐⭐⭐
2	目标追踪	计算机视觉、颜色识别	⭐⭐⭐⭐
2	AI 识别	深度学习模型部署	⭐⭐⭐⭐⭐
3	多机通信网络	ESP-NOW、MESH 网络	⭐⭐⭐⭐⭐
3	编队飞行	多智能体控制	⭐⭐⭐⭐⭐
4	终极挑战	系统集成、自主导航	⭐⭐⭐⭐⭐⭐

阶段 1：算法设计

项目 01：路径规划大师

任务：用 A* 算法实现无人机自主路径规划，避开已知障碍物。

A* 算法的核心：启发函数 f(n) = g(n) + h(n)，g(n) 是起点到当前点的代价，h(n) 是当前点到终点的估计代价。

void astar_search(Point start, Point goal, Obstacle* obs, int count) {
  List open_list, close_list;
  list_init(&open_list);
  list_init(&close_list);
  
  Node start_node;
  start_node.pos = start;
  start_node.g = 0;
  start_node.h = calculate_heuristic(start, goal);
  start_node.f = start_node.g + start_node.h;
  list_add(&open_list, &start_node);
  
  while (!list_is_empty(&open_list)) {
    Node* current = get_min_f_node(&open_list);
    if (is_goal(current->pos, goal)) {
      generate_path(current);
      return;
    }
    list_remove(&open_list, current);
    list_add(&close_list, current);
    generate_neighbors(current, &open_list, &close_list, goal, obs, count);
  }
}

项目 02：视觉导航

任务：用摄像头的光流数据实现室内定位，无需 GPS。额外硬件：OV2640 摄像头、PMW3901 光流传感器（可选）。

// 光流计算 + 视觉惯性里程计 (VIO)
void vio_update(float gx, gy, gz, ax, ay, az, dt, flow_dx, flow_dy) {
  predict_position(gx, gy, gz, ax, ay, az, dt);   // IMU 预测
  correct_position(flow_dx, flow_dy, dt);          // 光流校正
  update_estimated_position();                       // 融合输出
}

阶段 2：智能感知

项目 03：目标追踪

任务：用颜色识别算法实现目标实时追踪。RGB → HSV 颜色空间转换 → 阈值过滤 → 轮廓检测 → 控制跟随。

void color_tracking(uint8_t* frame, int w, h, int* tx, int* ty) {
  cvt_color_rgb2hsv(frame, w, h);
  uint8_t mask[w * h];
  hsv_threshold(frame, w, h, mask, 0,10, 100,255, 100,255); // 红色
  find_contours(mask, w, h);
  if (has_contours()) {
    *tx = get_largest_contour_center_x();
    *ty = get_largest_contour_center_y();
  }
}

项目 04：AI 识别

任务：在 ESP32-S3 上部署 TinyYOLOv3 模型，实现目标检测。需要 MicroSD 卡存储量化后的 .tflite 模型。

流程：图像预处理（resize 416x416 + 归一化）→ 加载模型 → 推理 → 后处理（NMS + 置信度过滤）。

阶段 3：系统集成

项目 05：多机通信网络

任务：用 ESP-NOW 协议实现多无人机 MESH 网络。3 架无人机 + 地面站。

void mesh_init(void) {
  esp_now_init();
  // 添加所有无人机 MAC 地址到对等列表
  for (int i = 0; i < 3; i++)
    esp_now_add_peer(peer_macs[i], ESP_NOW_ROLE_COMBO, 0, NULL, 0);
  esp_now_register_send_cb(on_data_sent);
  esp_now_register_recv_cb(on_data_recv);
}

void mesh_broadcast_data(uint8_t* data, size_t len) {
  for (int i = 0; i < 3; i++)
    esp_now_send(peer_macs[i], data, len);
}

项目 06：编队飞行

任务：实现 3 架无人机的三角形编队飞行。策略：领导者-跟随者（Leader-Follower）。

void follower_control(float lx, ly, lz, ox, oy, oz) {
  float dx = lx + ox, dy = ly + oy, dz = lz + oz; // 期望位置
  float vx = pid_controller(&pid_x, dx, current_x);
  float vy = pid_controller(&pid_y, dy, current_y);
  float vz = pid_controller(&pid_z, dz, current_z);
  motorsSetRatio(M1, ratio + vx - vy + vz);
  motorsSetRatio(M2, ratio - vx - vy + vz);
  motorsSetRatio(M3, ratio - vx + vy + vz);
  motorsSetRatio(M4, ratio + vx + vy + vz);
}

项目 07：终极挑战 —— 自主导航与避障系统

任务：整合所有知识，实现完整的自主导航避障系统。

系统架构

感知层：摄像头（视觉避障）+ VL53L0X 激光测距（近距离避障）+ IMU（姿态估计）
规划层：A* 算法（全局路径规划）+ DWA 算法（局部动态避障）
控制层：PID 控制器（姿态控制）+ 速度控制器（位置跟踪）
通信层：Wi-Fi（与地面站通信）

void autonomous_flight(void) {
  while (1) {
    get_sensor_data();
    update_global_path();
    perform_local_avoidance();
    calculate_control_commands();
    send_motor_commands();
    send_telemetry();
    if (reached_goal()) { land(); break; }
  }
}

进阶方向

行业应用：开发面向农业植保、巡检、物流的专业无人机解决方案
学术研究：探索多智能体协同、Swarm 机器人、自主导航等前沿领域
创业项目：基于所学技术，开发特色无人机产品
开源贡献：向 ESP-Drone 项目提交代码，帮助改进开源生态

← 中级教程硬件规格 →