afanstatic的博客

飞控（Flight Controller，如Pixhawk、Betaflight）购买套件（如DJI F450机架 + Pixhawk飞控）组装一台能飞的四轴。：《Robotics: Aerial Robotics》（宾夕法尼亚大学）C/C++（飞控固件开发，如PX4/ArduPilot）Gazebo + ROS（无人机仿真测试），先买现成套件（如DJI F450）练手。无人机硬件组成（电机、电调、飞控、电池）传感器（IMU、GPS、气压计、光流）遥控通信（2.4GHz遥控、数传电台）

状态（State）、观测（Measurement）、预测（Prediction）、更新（Update）。：根据之前的经验，猜现在大概是什么状态（比如：“上次车速是60km/h，现在应该跑了6公里”）。：传感器告诉你一个数据（比如GPS显示“你跑了5.8公里”），但这个数据可能有误差。学习他 需要具备哪些基础知识？：把“猜的”和“测的”结合起来，谁更可信就多信谁，最终得出更准确的结果。车轮上的编码器（测距离的传感器）告诉你：“车跑了0.9米”。（核心）：矩阵运算（乘法、转置、逆矩阵）、向量空间。

PID（比例-积分-微分）是工业控制、机器人、无人机等领域最经典的控制算法。用Excel或Python模拟P控制（如控制小车移动到目标位置）。用PID控制无人机在仿真中悬停（PX4/Gazebo）。：快速响应，但会震荡（如：方向盘打太猛，车子左右晃）。：消除稳态误差（如：水温始终差2度，I项慢慢补上）。（如控制小车位置），再挑战复杂问题（如无人机姿态）。（可选）：导数（D项）、积分（I项）的直观意义。：抑制震荡（如：看到车速快超限时，提前刹车）。用PID控制无人机悬停（仿真如Gazebo）。

（主流SLAM框架如ORB-SLAM3、VINS-Mono均用C++）：位姿图优化（Bundle Adjustment、g2o/GTSAM）：相机（单目/双目/RGB-D）、激光雷达（LiDAR）、IMU。（如《SLAM十四讲》），再读论文（如ORB-SLAM）。：三维空间变换（旋转矩阵、四元数、李群/李代数）：高斯分布、贝叶斯滤波（卡尔曼滤波、粒子滤波）（核心）：矩阵运算、特征值分解、最小二乘法。（ORB-SLAM3），再学激光SLAM。（如ORB-SLAM3），理解代码架构。

用启发式函数（Heuristic）估算到终点的代价，优先扩展最有可能的节点。（核心）：节点、边、权重、最短路径（Dijkstra算法）A*的变种（如Jump Point Search）。再学数学推导（A*的代价函数、RRT的采样策略）。快速探索空间，适合高维问题（如机械臂、无人机）。：优先队列（A*需要）、树结构（RRT的基础）已知地图的静态环境（如游戏AI、仓储机器人）。用Python实现A*（解决网格地图寻路）。在动态环境中改进RRT（如避开移动障碍物）。动态或未知环境（如自动驾驶、无人机避障）。