基于Pixhawk的无人机室内通道自主避障研究
无人机领域无人机避障技术的最新研究进展
无人机领域无人机避障技术的最新研究进展无人机（Unmanned Aerial Vehicle, UAV）作为一种无人驾驶的飞行器，近年来在农业、航拍、物流等领域得到了广泛应用。
然而，无人机在飞行过程中由于无人驾驶的特性，往往难以准确感知周围环境，导致潜在的安全风险。
为了解决这一问题，无人机领域的研究人员们一直致力于开发无人机避障技术。
本文将介绍无人机避障技术的最新研究进展。
一、传感器技术的应用在无人机中，传感器技术是实现避障的基础。
传感器可以帮助无人机感知周围环境，通过获取环境信息来规划飞行路径。
目前，无人机领域主要使用了以下几种传感器技术：1.1 距离传感器距离传感器可以通过测量与障碍物之间的距离来帮助无人机避障。
常见的距离传感器包括超声波传感器、光学传感器和激光雷达。
这些传感器能够精确测量无人机与障碍物之间的距离，并根据测量结果调整飞行方向，避免碰撞。
1.2 视觉传感器视觉传感器可以利用摄像头、红外线相机等设备来捕捉周围环境的图像信息。
通过图像处理和算法分析，无人机可以识别出障碍物的位置和形状，进而实现避障操作。
这种技术在近年来得到了快速的发展，许多无人机都配备了高清摄像头和先进的视觉算法。
1.3 惯性传感器惯性传感器主要通过测量加速度和角速度等物理量来感知无人机的运动状态和姿态。
通过对运动状态进行监测和分析，无人机可以及时调整飞行路径，避开障碍物。
惯性传感器技术具有响应速度快、精度高等优点，因此被广泛应用于无人机避障系统中。
二、机器学习算法的发展除了传感器技术的应用，机器学习算法也在无人机避障技术中发挥着重要的作用。
机器学习算法可以通过对大量数据的学习和分析，使无人机具备智能化的避障能力。
以下是目前无人机避障领域主要应用的机器学习算法：2.1 神经网络神经网络是一种基于生物神经系统的信息处理模型，通过模拟大脑神经元之间的连接和信息传递来实现学习和识别任务。
在无人机避障中，神经网络可以通过对图像和传感器数据进行训练，从而实现对障碍物的识别和避障控制。
基于Pixahwk的多旋翼无人机避障飞行系统研发
基于Pixahwk的多旋翼无人机避障飞行系统研发
赵航;王立峰
【期刊名称】《动力系统与控制》
【年(卷),期】2017(006)003
【摘要】飞行器的自主避障是顺利完成飞行任务的重要保证,同时在很大程度上体现了飞行器的智能性和安全性。
本文以Pixhawk开源飞控系统为基础,以“X”型四旋翼飞行器为平台,对多旋翼飞行器自主避障技术进行研究,开发出一款简单高效避障系统。
飞行试验表明该避障系统可实现飞行器避障飞行。
【总页数】12页(P98-108)
【作者】赵航;王立峰
【作者单位】[1]北方工业大学现场总线技术及自动化实验室,北京;;[1]北方工业大学现场总线技术及自动化实验室,北京
【正文语种】中文
【中图分类】V27
【相关文献】
1.基于超声波测距的多旋翼无人机避障算法 [J], 邵芳
2.基于激光雷达的多旋翼无人机室内定位与避障研究 [J], 路朝阳;王奉冲;周君;安树怀;肖文军;林柏桦
3.基于PX4飞控无人机的避障飞行系统设计 [J], 万宇楼;张琳琳;路淑贞;徐佳;陈娉婷
4.基于毫米波雷达的多旋翼无人机避障技术研究 [J], 潘枭; 王伟; 华锡焱; 房德国
5.基于多旋翼无人机的输电线路树障清除装置研发与应用 [J], 纪硕磊; 黎立; 凌焕乔; 阙兴耀
因版权原因，仅展示原文概要，查看原文内容请购买。
无人飞行器中的自主飞行与避障算法研究
无人飞行器中的自主飞行与避障算法研究近年来，随着技术的不断进步，无人飞行器（Unmanned Aerial Vehicle，简称无人机）在各个领域中得到了广泛的应用。
然而，无人机的自主飞行和避障算法研究是使其能够实现高效、安全、稳定地完成任务的关键。
自主飞行是指无人机能够在没有人为干预的情况下，根据周围环境和预设任务，自主完成飞行操作。
在无人机自主飞行的研究中，路径规划和轨迹跟踪是两个关键的问题。
路径规划是指无人机根据任务需求和环境条件，确定最优的航迹。
常见的路径规划算法包括最短路径算法、最小生成树算法、遗传算法等。
最短路径算法能够找到从起始点到目标点的最短路径，但对于避障问题处理能力较弱。
最小生成树算法能够找到连接所有点的最小生成树，但在存在障碍物时需要进行额外处理。
遗传算法是一种模拟自然进化过程的优化算法，能够有效地解决复杂情况下的路径规划问题。
无人机的路径规划算法需要结合任务需求和环境情况，选择适当的算法来完成规划。
轨迹跟踪是指无人机在规划好的路径上实时跟踪，并做出相应的控制。
为了实现高效的轨迹跟踪，需要将无人机的动力学模型与控制理论相结合。
常见的轨迹跟踪算法包括经典的控制器设计方法和现代的自适应控制方法。
经典的控制器设计方法如PID控制器，可以通过调整参数来控制无人机的姿态；而自适应控制方法则可以根据无人机动态特性调整控制策略，以适应不同的飞行条件。
在实际应用中，通常会根据任务需求和无人机的特性，选择合适的轨迹跟踪算法。
避障算法是无人机自主飞行中一个至关重要的环节。
无人机在飞行过程中需要根据周围环境检测到的障碍物，并做出相应的规避动作，以避免与障碍物发生碰撞。
常见的避障算法包括视觉感知算法、激光雷达算法、超声波算法等。
视觉感知算法是利用摄像头等视觉传感器获取周围环境信息，根据图像处理和目标检测等算法实现障碍物的检测和定位。
激光雷达算法利用激光雷达扫描周围环境，通过测量与障碍物的距离和角度，实现障碍物的检测和定位。
基于机器视觉的无人机自主导航与障碍物避免技术研究
基于机器视觉的无人机自主导航与障碍物避免技术研究随着无人机技术的快速发展，越来越多的无人机被用于各种任务和应用场景中。
然而，无人机在执行任务时面临着很多挑战，其中之一就是导航和障碍物避免。
为了提高无人机的自主性和安全性，基于机器视觉的无人机自主导航与障碍物避免技术便应运而生。
基于机器视觉的无人机自主导航与障碍物避免技术是指利用机器视觉系统来感知和理解无人机周围的环境信息，然后利用这些信息来做出决策和规划路径，以实现无人机的自主导航和避免与障碍物的碰撞。
这项技术有助于提高无人机的飞行安全性，降低事故风险，同时也能够扩大无人机的应用领域。
首先，基于机器视觉的无人机自主导航技术主要依赖于摄像头和图像处理算法。
通过安装摄像头，无人机可以实时获取周围的视野，然后将获取到的图像传输到地面控制站或者嵌入式系统进行处理。
图像处理算法可以利用深度学习、目标检测和分类等技术，对图像进行解析和分析，从而提取出场景中的物体、地标、障碍物等信息。
其次，根据图像处理得到的环境信息，无人机可以自主地进行路径规划和导航。
一种常用的方法是通过构建场景地图，将无人机当前的位置和目标位置标示在地图上，并利用路径规划算法，比如A*算法，D*算法等来找到一条安全且有效的路径。
在路径规划的过程中，无人机还需要考虑地形、风力、速度限制等因素，以确保飞行的稳定性和安全性。
最重要的是，基于机器视觉的无人机导航技术还需要能够识别和避开障碍物。
当无人机在飞行过程中遇到障碍物时，需要能够准确地识别和跟踪障碍物的位置、大小和形状，并及时调整飞行路径，避开障碍物。
这就需要在图像处理算法中加入目标检测和跟踪的功能，以实现对障碍物的实时监测和跟踪。
同时，还需要设计合理的避障策略和算法，比如基于强化学习、深度学习等技术，来帮助无人机做出更精确和及时的避障决策。
除了上述的技术挑战，基于机器视觉的无人机自主导航与障碍物避免技术还需要解决安全性和隐私保护等问题。
在无人机的飞行过程中，需要确保无人机和地面控制站之间的通信安全，防止黑客入侵和干扰。
基于机器学习的无人机自主避障技术研究
基于机器学习的无人机自主避障技术研究随着无人机技术的普及，越来越多的无人机在商业和民用领域得到应用。
然而，在无人机运行过程中，如何确保其安全性，尤其是在复杂的环境下进行自主避障成为一个挑战。
为此，基于机器学习的无人机自主避障技术被提出并得到广泛关注。
一、无人机自主避障技术的现状目前，无人机自主避障技术常见的方法包括基于视觉感知的避障技术、基于激光雷达的避障技术、基于超声波的避障技术等。
这些技术各有优缺点，但是都存在固有的局限性。
基于视觉感知的避障技术受限于光照条件、天气、环境等因素，容易出现漏报或误报，同时在高速运动中的准确度也相对较低。
而基于激光雷达的避障技术虽然准确度高，但是价格昂贵，同时对于复杂环境的处理能力还不够强。
基于超声波的避障技术适用于近距离避障，但是随着距离的增加精度下降。
因此，基于机器学习的避障技术被提出作为下一代无人机自主避障技术的发展方向。
二、基于机器学习的无人机自主避障技术基于机器学习的无人机自主避障技术是指通过先前学习得到的模型，让无人机根据当前所处环境来做出智能化的避障动作。
具体来说，这个过程可以分为以下几个步骤：1.数据采集：对于无人机所处环境进行数据采集，包括图像、激光雷达、超声波等数据信息。
这部分数据集越大越全，训练效果越好。
2.特征提取：将数据采集得到的原始数据，进行特征提取，即将数据转化为计算机可识别的形式，抽象出具有代表性的特征，这一步是机器学习的关键。
3.模型训练：将特征提取得到的数据分为训练集和测试集，利用已有的数据进行训练，通过反复迭代，不断优化模型的准确性和泛化能力，提高模型的稳定性和可靠性。
4.模型测试：将训练得到的模型应用于新的数据集中，验证模型的准确度和泛化能力。
如果测试结果令人满意，就可以将模型部署到无人机中，实现自主避障功能。
三、基于机器学习的无人机自主避障技术的优势相较于传统的避障技术，基于机器学习的无人机自主避障技术具有以下优势：1.高度智能化：通过训练模型，让无人机能够根据环境条件做出自主的避障动作，具有高度智能化，更加快捷和高效。
基于Pixhawk的多旋翼无人机避障 飞行系统研发
Dynamical Systems and Control 动力系统与控制, 2017, 6(3), 98-108 Published Online July 2017 in Hans. /journal/dsc https:///10.12677/dsc.2017.63013文章引用: 赵航, 王立峰. 基于pixahwk 的多旋翼无人机避障飞行系统研发[J]. 动力系统与控制, 2017, 6(3): 98-108.Study on Obstacle Avoidance Flight System of Multi-Rotor UAV Based on PixhawkHang Zhao, Lifeng WangField Bus Technology & Automation Lab, North China University of Technology, BeijingReceived: May 2nd , 2017; accepted: Jun. 10th , 2017; published: Jun. 13th, 2017AbstractAutonomous obstacle avoidance is an important guarantee for the successful completion of the mission, and it reflects the intelligence and security of the aircraft. This article aims to study the obstacle avoidance technology of multi-rotor UAV based on the cross type quadrotor and Pixhawkwhich is the open source flight control system. A simple and efficient obstacle avoidance system is developed. The flight test shows that the obstacle avoidance system can realize the obstacle avoidance of UAV.KeywordsPixhawk, Quadrotor, Obstacle Avoidance基于Pixhawk 的多旋翼无人机避障 飞行系统研发赵 航，王立峰北方工业大学现场总线技术及自动化实验室，北京收稿日期：2017年5月2日；录用日期：2017年6月10日；发布日期：2017年6月13日摘 要飞行器的自主避障是顺利完成飞行任务的重要保证，同时在很大程度上体现了飞行器的智能性和安全性。
基于PIXHAWK和IAPF法桥检无人机避障
基于PIXHAWK和IAPF法桥检无人机避障
袁栋;陈旭芳;郁乐乐
【期刊名称】《低温建筑技术》
【年(卷),期】2017(039)002
【摘要】基于PIXHAWK和改进人工势场法(IAPF),文中提出了适用于桥梁检测的无人机自动避障路径规划和实现.首先,理论上阐述传统的人工势场法及其优缺点,并根据桥梁结构自身的特点,改进了传统的人工势场法.其次,引入基于PIXHAWK的无人机的飞行控制方法和避障控制.最后,进行仿真测试和实际飞行功能测试.经测试,该基于PIXHAWK和改进人工势场法的桥梁检测UAV自动避障路径规划满足桥梁检测的要求.
【总页数】3页(P40-42)
【作者】袁栋;陈旭芳;郁乐乐
【作者单位】浙江大学建筑工程学院, 浙江杭州310058;浙江大学建筑工程学院, 浙江杭州310058;浙江大学建筑工程学院, 浙江杭州310058
【正文语种】中文
【中图分类】TU745.2
【相关文献】
1.PIXHAWK开源飞控的多旋翼无人机避障技术研究 [J], 王亭岭;芦杜洋;马跃涛
2.基于Pixhawk的无人机室内通道自主避障研究 [J], 杨旗;崔玉博;陈杰;王家楠
3.基于Pixhawk的无人机室内通道自主避障研究 [J], 杨旗; 崔玉博; 陈杰; 王家楠
4.基于改进的速度障碍法的有人/无人机协同系统三维实时避障方法 [J], 李樾; 韩维; 陈清阳; 张勇
5.基于改进人工势场法的无人机室内自主避障 [J], 王伟;黄海洲;李润梓
因版权原因，仅展示原文概要，查看原文内容请购买。
基于pixhawk的多旋翼无人机避障飞行系统研发
基于pixhawk的多旋翼无人机避障飞行系统研发无人机作为一种新兴的航空器，正逐渐应用于各个领域，如农业、测绘、物流等。
然而，无人机在飞行过程中常常面临着各种各样的障碍物，如建筑物、电线、树木等，这些障碍物可能会对无人机的飞行安全造成威胁。
因此，基于pixhawk的多旋翼无人机避障飞行系统研发显得尤为重要。
Pixhawk是一种开源的飞控系统，具有高性能、稳定可靠的特点，并且可以与多种传感器进行集成。
因此，选择pixhawk作为无人机的飞行控制器是十分合适的。
在研发过程中，我们首先对pixhawk进行了深入的研究和了解，掌握了其工作原理和使用方法。
接着，我们结合无人机的实际需求，设计了一套完整的避障飞行系统。
该系统主要由以下几个部分组成：传感器模块、避障算法、控制器和执行器。
传感器模块主要包括超声波传感器、激光雷达和摄像头等，用于感知周围环境中的障碍物。
避障算法是整个系统的核心部分，通过对传感器获取的数据进行分析和处理，实现对障碍物的识别和避障决策。
控制器负责根据避障算法的输出，调整无人机的姿态和飞行轨迹，确保无人机能够安全地避开障碍物。
执行器则负责根据控制器的指令，控制无人机的电机进行相应的转速调整。
在系统的实现过程中，我们充分考虑了稳定性和实用性的需求。
通过对传感器数据的优化和滤波处理，降低了数据的噪声和误差，提高了系统的稳定性。
同时，我们还对避障算法进行了优化和改进，使其能够更加准确地识别和判断障碍物，并做出相应的飞行决策。
经过多次实验和测试，我们的基于pixhawk的多旋翼无人机避障飞行系统取得了良好的效果。
无人机能够在遇到障碍物时及时做出反应，并成功避开障碍物，保证了飞行的安全性。
未来，我们还将继续对系统进行优化和改进，提高其性能和稳定性。
同时，我们还将探索更多的传感器和算法，以适应不同场景下的避障需求。
总之，基于pixhawk的多旋翼无人机避障飞行系统的研发，为无人机的飞行安全提供了有力的支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0引言近年来，自主导航无人机以其低廉的成本、无人员伤亡风险、机动性能好、使用方便等优势，在高危作业、灾害航拍、抢险布控、环境监测等领域得到了广泛的应用[1]。
目前小型自主导航飞行无人机避障仍然是小型四旋翼无人机的发展和突破的关键技术。
结构简单，又能有效的避障通过系统是现在小型无人机亟待解决的主要问题。
本课题就是以Pixhawk 作为无人机飞控，由树莓派3B +运行MAVROS 以及避障程序，通过串口连接，使用MAVLINK 通讯协议，来给处于离线控制模式（offboard 模式）的无人机飞控发送飞行航点指令，完成室内通道的避障穿越。
1系统总体结构基于Pixhawk 飞控的无人机避障系统包括，搭载Pixhawk 的无人机和使用MAVROS 树莓派。
无人机避障控制系统结构图如图1所示。
四旋翼无人机包括飞行控制系统，和MAVLINK 指令接收系统，飞行控制系统需要运行在Pixhawk 飞控上的PX4飞控源码，其中PX4源码主要包括uorb 、姿态解算、姿态控制、位置解算、位置控制、navigator 、commander 等。
飞控根据接收到的外载计算机发出的期望位置和飞行模式来进行避障飞行。
树莓派3B+上主要运行MAVROS 、避障航点解算以及连接超声波传感器。
2010年，Willowgarage 公司发布了开源机器人操作系统ROS （Robot Operating System ）[2]。
MAVROS 是ROS 的一个软件包，允许通过mavlink 协议在计算机和飞控板以及地面站之间通讯。
通过左侧，前方，右侧三个方向超声波传感器来估计自身位置，由避障程序来计算安全飞行路径，通过MAVROS 把指令发送给无人机进行避障飞行。
无人机机体结构：人机整体结构包括外形支架结构，控制面板以及起降辅助系统等。
无人机外形支架结构的坠落预防机制和处理机制需要从材料商选择是考虑结构耐摔、耐压、耐磨损等因素[2]。
无人机的机架不光要承担Pixhawk 飞控，树莓派3B+，超声波传感器以外，还要配置合适的电机和桨叶，以及对电机进行调速的电调，最后还需要供给能源的电池。
同时，无人机的外形要尽可能符合空气动力学，尽可能降低风阻，质量分布均匀，保持飞机的稳定。
无人机的试飞环境尽可能有一定的空间，防止发生坠机事故造成较大损失。
具体无人机的硬件控制系统的结构如图2所示。
Pixhawk 无人机飞控板上集成了加速度计，气压计，陀螺仪磁力计等飞行常用传感器，还可外接GPS 、无线通讯器的外置信息交互处理硬件。
芯片采用STM32F427Cortex M4芯片作为核心处理器，而且还在飞控板上添加一个32bit STM32F103芯片作为协处理器，在主处理器发生故障或出现死机的情况下，由协处理器继续运行PX4源码，保证飞行安全，进一步增加了稳定性[4]。
树莓派3B+上接入了三个GY-US42超声波传感器，GY-US42超声波传感器的测量距离为0.2-7.5m ，读取超声波传感器的信息方式为首先在一个引脚设置发出“低高基于Pixhawk 的无人机室内通道自主避障研究Research on Autonomous Obstacle Avoidance of Indoor Channel of UAV Based on Pixhawk杨旗YANG Qi ;崔玉博CUI Yu-bo ;陈杰CHEN Jie ;王家楠WANG Jia-nan（沈阳理工大学机械工程学院）（School of Mechanical Engineering ，Shenyang Ligong University ）摘要:针对目前的无人机自主避障研究，以及无人机穿越的需求，提出了一套能完成避障穿越的四旋翼无人机避障系统。
其中采用了Pixhawk 作为无人机的飞行控制器，树莓派3B+上来运行MAVROS 和避障算法，以及连接超声波传感器，通过超声波传感器来判断无人机当前位置，通过MAVLINK 发布安全航点给无人机，进行避障穿越飞行。
Abstract:Aiming at the current research on autonomous obstacle avoidance of UAVs and the demand for UAV crossing,a set of four-rotor UAV obstacle avoidance systems capable of completing obstacle avoidance crossing is proposed.The Pixhawk is used as the flight controller of the drone,the Raspberry Pi 3B+is used to run the MAVROS and obstacle avoidance algorithms,and the ultrasonic sensor is connected.The ultrasonic sensor is used to judge the current position of the drone,and the safe waypoint is issued to the unmanned via MAVLINK machine to carry out obstacle avoidance flight.关键词:无人机避障；室内飞行；通道穿越；MAVROS ；超声波测距Key words:drone obstacle avoidance ；indoor flight ；channel crossing ；MAVROS ；ultrasonic ranging———————————————————————基金项目:本项目受辽宁省科技厅基金资助（基于TRIZ 理论的多无人机协同多视角场景人体行为识别研究，项目编号20170060）。
作者简介:杨旗（1976-），男，辽宁沈阳人，副教授，博士。
图1无人机避障控制系统结构图Internal Combustion Engine &Parts低”三种电频信号，由另一个引脚进行记录，当电平信号为高时，记录系统时间为t 1，为超声波发出时刻，继续监听当电平信号为低时，记录系统时间为t 2为超声波回来的时刻。
通过L=（t 2-t 1）*340/2，来计算距离信息，单位为米。
2无人机避障系统软件设计无人机避障系统的软件分为两个方面，一是运行于Pixhawk 上的PX4源码，二是，运行在树莓派3B+上的MAVROS ，以及通过MAVROS 给无人机发送飞行指令的避障程序。
2.1PX4源码PX4源码是运行在Pixhawk 上的一套开源飞控源码，其飞行控制功能强大，代码运行较为稳定，且采用模块化编程，还设计了一套Uorb 的内部通讯手段，具体内部运行图如图3所示。
Px4源码运行首先用户手动设置飞行模式，以及解锁，其次由位置解算模块获取无人机的GPS ，加速度计等传感器数据，解算出当前无人机的位置，并发送给位置控制模块以及姿态解算模块和navigator 模块。
经navigator模块确定任务类型、地理围栏、失效保护、把位置航点发送给位置控制器等。
同时姿态解算模块和位置控制模块会计算出满足下一次飞行的无人机姿态，并发送给姿态控制模块中，最后混控阵矩阵来计算出各轴的实际转速，通过电调来改变电机转速来完成一次飞行节点的任务。
2.2MAVROS 以及避障程序设计MAVROS 是ROS 机器人操作系统MAVLINK 可拓展的通信节点与UDP 的一个代理地面站。
MAVLINK 通讯协议，其是一个为微形飞行器设计的非常轻巧的、只由头文件构成的信息编组库。
他可以通过串口非常高效地封装C 结构数据，并将这些数据包发送至地面控制站[2]。
本课题中主要采用MAVROS 支持的一些订阅发送服务。
避障程序的设计主要包含两个方面一个方面是判断无人机当前的飞行状态是否处于需要避障的位置；另一个方面是如果无人机处于避障位置，如何躲避障碍穿过要求的路径。
其中判断无人机当前的飞行状态主要通过三个超声波传感器dis 1、dis 2、dis 3，分别为左侧，前方，右侧来判断自身的位置，具体飞行流程为首先判断自身当前航点位置是否安全，即传感器数值没低于设定的阈值，则改变飞机飞行模式为正常飞行模式，给出向前飞行的期望航点，若传感器数据有低于阈值判断为当前航点为危险航点。
改变飞行模式为避障飞行模式。
然后开始检测传感器的数值，如果是dis 2小于阈值，则判断为前方障碍，然后改为向侧面飞行，给出期望航点0，如果不是前方遇到障碍则判断dis 1是否小于阈值，如果是，则为左侧障碍，改变飞行方向为右侧，给出避障期望航点1，否则即为右侧障碍给出避障飞行航点2，然后将期望航点发送给通过MAVROS 转化成MAVLINK 信号发送给无人机，并且发送给无人机，然后开始通过加速度传感器和GPS 来计算当前位置与期望位置的误差，如果计算误差小于0.1M 并且持续100次，则判断当前飞行位置为期望航点位置。
继续进行避障飞行。
具体逻辑控制图如图4所示。
具体操作流程为，开启无人机电源，手动切入飞行模式（飞行任务设置在飞行模式中），飞机回通过MAVROS执行避障程序初始的进入offboard 离线飞行模式，然后解锁无人机准备起飞，起飞至设置好的定值高度，然后进入主循环开始避障飞行[5]。
3飞行实验小型无人机的自主导航飞行实验通常采用真机实飞或者仿真飞行。
本实验采用改进的无人机烧录程序来模拟无人机的实际飞行情况来验证无人机在实际避障穿越飞行可靠性。
飞行测试为linux 系统下的gazebo 仿真软件，并且通过rqt 插件来跟踪飞行航点坐标来判断飞行轨迹是否满足预期路线。
具体实验步骤为先打开MAVROS 节点，打开模拟的Pixhawk 飞控，和gazebo 仿真软件，通过tcp 协议来连接飞控和MAVROS 如图5所示。
然后打开飞行避障程序，然后在commander 里面输入飞行模式（本人设置ACRO 模式为任图2无人机的硬件控制系统结构图图3内部控制系统流程图图7无人机开始避障表1飞行速度与航点对飞行惯性的影响飞行速度m/s航点距离m有无碰撞方案1方案2方案30.050.050.10.10.20.1无无有图4避障逻辑控制图务飞行模式），然后避障程序接收到ACRO 模式后，开始正式启动运行，切入offboard 模式，解锁，起飞等。
如图6所示。
在起飞至初始航点2M 高度后，开使执行避障飞行任务，检测自身位置是否安全，进行穿越飞行。
在飞行实验中，对飞行的测试内容包括起飞，降落，数据通讯及规避障碍物等。