用《多旋翼飞行器设计与控制》学飞控:手把手拆解姿态控制算法与C++实现

基于SO3控制器的四旋翼飞行器轨迹跟踪实践与优化 本文深入探讨了基于SO3控制器的四旋翼飞行器轨迹跟踪实践。文章从SO3控制器的核心原理出发,详细拆解了控制力与姿态求解算法,并分享了在ROS/Gazebo仿真环境中的代码实现与参数调试经验。针对模型不确定性和轨迹输入问题,提供了加入积分项、扰动观测器等进阶优化策略,最后列出了从仿真到真机部署的关键检查清单与安全事项,为飞行器控制实践提供了系统指导。 阅读详情

从理论到代码:多旋翼飞行器姿态控制算法深度解析与C++实战

引言:为什么需要深入理解姿态控制?

当四轴飞行器在强风中保持稳定悬停,或是完成高难度翻滚动作时,核心秘密就在于其姿态控制系统。作为飞控开发中最关键的模块之一,姿态控制算法决定了飞行器如何响应外部干扰和操作指令。许多开发者在学习过程中常陷入两个极端:要么沉迷理论推导却不知如何落地,要么盲目复制开源代码而不解其原理。

本文将采用"理论-代码对照法",以《多旋翼飞行器设计与控制》中的经典算法为蓝本,逐步拆解姿态控制的核心组件。不同于单纯讲解公式或展示代码片段,我们会重点揭示数学表达式到C++实现的转换技巧,包括:

  • 传感器原始数据到可用姿态信息的处理链路
  • 欧拉角与四元数在实际控制中的取舍策略
  • PID控制器各环节的离散化实现要点
  • 使用Understand工具进行控制流可视化分析

1. 姿态表示:从数学到内存的映射

1.1 欧拉角与四元数的工程选择

飞行器姿态描述存在多种数学表示,每种都有其工程实现考量:

表示方法内存占用计算复杂度适用场景实现风险点
欧拉角12字节低直观显示万向节死锁
四元数16字节中插值运算单位化维护
旋转矩阵36字节高坐标变换正交性保持
// 四元数结构体示例
struct Quaternion {
    float q0;  // 实部
    float q1;  // i虚部
    float q2;  // j虚部 
    float q3;  // k虚部
    
    void normalize() {
        float norm = sqrt(q0*q0 + q1*q1 + q2*q2 + q3*q3);
        q0 /= norm;
        q1 /= norm;
        q2 /= norm;
        q3 /= norm;
    }
};

提示:实际工程中常采用四元数作为内部表示,仅在人机界面转换为欧拉角显示。归一化操作需在每个运算步骤后执行,避免累积误差。

1.2 传感器数据融合实战

IMU提供的加速度计和陀螺仪数据各有优劣,互补滤波是入门级飞控的实用选择:

  1. 陀螺仪积分获取短期姿态

    void updateByGyro(Quaternion& q, float gx, float gy, float gz, float dt) {
        Quaternion delta;
        delta.q0 = 1 - 0.5f*(gx*gx + gy*gy + gz*gz)*dt*dt;
        delta.q1 = gx*dt;
        delta.q2 = gy*dt; 
        delta.q3 = gz*dt;
        q = quaternionMultiply(q, delta);
    }
    
  2. 加速度计校正长期漂移

    void correctByAccel(Quaternion& q, float ax, float ay, float az) {
        float estimated_gx = 2*(q1*q3 - q0*q2);
        float estimated_gy = 2*(q0*q1 + q2*q3);
        float error_x = ay*estimated_gz - az*estimated_gy;
        float error_y = az*estimated_gx - ax*estimated_gz;
        // 应用比例修正...
    }
    

2. 控制算法实现:PID的工程化细节

2.1 离散化处理与抗积分饱和

教材中的连续域PID公式需要转换为离散实现:

class DiscretePID {
public:
    void reset() {
        integral = 0;
        prev_error = 0;
    }
    
    float update(float error, float dt) {
        integral += error * dt;
        integral = constrain(integral, -i_limit, i_limit);  // 抗饱和
        
        float derivative = (error - prev_error) / dt;
        prev_error = error;
        
        return kp*error + ki*integral + kd*derivative;
    }

private:
    float kp, ki, kd;
    float i_limit;      // 积分限幅
    float integral;     // 积分累积
    float prev_error;   // 上次误差
};

注意:微分量建议采用4阶低通滤波(截止频率约20Hz)以抑制高频噪声,避免执行器高頻抖振。

2.2 姿态控制回路分解

典型的三层控制结构在代码中的映射:

  1. 外环 - 角度控制(P控制器)

    float desired_pitch_rate = kp_angle * (target_pitch - current_pitch);
    
  2. 中环 - 角速率控制(PID控制器)

    float torque_x = pid_rate_x.update(desired_roll_rate - gyro_x, dt);
    
  3. 内环 - 控制分配

    void mixControls(float thrust, float roll, float pitch, float yaw) {
        motor[0] = thrust - roll + pitch + yaw;
        motor[1] = thrust - roll - pitch - yaw;
        // ...其他电机分配
    }
    

3. 代码质量保障:从Understand分析到单元测试

3.1 控制流可视化技巧

使用Understand工具进行代码分析时,重点关注:

  • 函数调用关系图(查看算法模块间耦合度)
  • 控制流图(检查条件分支合理性)
  • 变量交叉引用(追踪关键参数传递路径)

典型问题模式包括:

  • 过深的嵌套调用(>5层)
  • 未保护的共享变量
  • 未处理的边界条件

3.2 单元测试框架搭建

针对姿态控制模块的测试策略:

TEST(AngleControlTest, PitchTracking) {
    PIDController pid;
    pid.setGains(1.0, 0.1, 0.01);
    
    float current = 0;
    for(int i=0; i<100; i++) {
        float output = pid.update(1.0 - current, 0.01);
        current += output * 0.01;  // 简化被控对象模型
    }
    ASSERT_NEAR(current, 1.0, 0.05);
}

关键测试用例应覆盖:

  • 阶跃响应超调量
  • 稳态误差范围
  • 抗干扰恢复时间
  • 极端输入值处理

4. 性能优化:从浮点到定点运算

4.1 运算效率对比实验

在STM32F4平台上的基准测试数据:

运算类型浮点周期数定点周期数精度损失
四元数乘法11268<0.1%
矩阵求逆245018000.5%
三角函数3402201.2%

4.2 定点数实现示例

// Q16格式定点数四元数乘法
void qMultiply(int32_t* result, const int32_t* q1, const int32_t* q2) {
    result[0] = ((int64_t)q1[0]*q2[0] - q1[1]*q2[1] - q1[2]*q2[2] - q1[3]*q2[3]) >> 16;
    result[1] = ((int64_t)q1[0]*q2[1] + q1[1]*q2[0] + q1[2]*q2[3] - q1[3]*q2[2]) >> 16;
    // ...其他分量
}

优化建议优先级:

  1. 将hot path函数声明为inline
  2. 使用ARM CMSIS-DSP库加速矩阵运算
  3. 预计算三角函数查表
  4. 启用编译器优化选项(-O2/-O3)

5. 调试技巧:从理论异常到代码定位

当实际飞行出现高频振荡时,可按以下步骤排查:

  1. 数据采集

    # 通过地面站记录陀螺仪原始数据
    logger start -d gyro_raw,control_output
    
  2. 频域分析

    • 使用Python scipy.fft进行傅里叶变换
    • 确认振荡频率是否接近电机机械谐振点
  3. 参数调整

    • 先降低P增益直到振荡消失
    • 逐步增加D增益抑制残余振动
    • 最后微调I增益消除稳态误差

典型问题对照表:

现象可能原因解决方案
缓慢漂移加速度计权重过低增加互补滤波中accel增益
快速抖动微分增益过高降低KD或增加低通滤波
响应迟钝比例增益过低逐步增加KP直至出现超调
Simulink与Cube Autopilot:模型化设计在无人机飞控开发中的实践 模型化设计是一种广泛应用于控制系统开发的工程方法,它通过图形化建模和仿真来设计和验证算法,显著提高了开发效率和系统可靠性。其核心原理是将控制逻辑、状态机等算法模块以模型形式构建,并利用自动代码生成技术将其转换为嵌入式代码,从而减少手动编码错误。这一技术对于无人机、机器人等自主系统的开发具有重要价值,能够有效降低从算法设计到硬件部署的工程门槛。在实际应用中,开发者常将Simulink作为模型化设计工具,与PX4飞控生态的硬件(如Cube Autopilot)结合,实现从仿真、硬件在环测试到实机部署的全流程开发 阅读详情

相关推荐

PX4飞控INDI控制算法解析:从原理推导到源码实现与真机部署

多旋翼飞控中,传统串级PID依赖悬浮点附近线性化模型,在强扰动、负载变化或重心偏移下增益失配导致姿态晃动。非线性动态逆(NDI)试图通过精确逆模型实现主动控制,但对模型参数高度敏感。增量式非线性动态逆(INDI)仅需控制效率矩阵与实测角加速度,通过增量反演对模型不确定性具有天然鲁棒性,显著提升抗扰能力与复杂工况下的控制品质。开源飞控PX4自v1.13起引入INDI,v1.14在姿态控制架构中逐步完善,涵盖角加速度估计、滤波延迟补偿、控制效率矩阵自适应等工程要点。本文围绕INDI数学原理、PX4源码实现路径、

weixin_33805743的博客 273

07.ESP8266的IO口功能

ESP8266的IO口功能:数字输入输出、模式输入、PWM输出。

Tonyの博客 6841

基于MATLAB的四旋翼飞行器PID控制仿真:从建模到参数整定实战

PID控制作为经典的控制算法,以其结构简单、鲁棒性强、易于工程实现的特性,在自动化、机器人、航空航天等领域有着广泛应用。其核心原理是通过比例、积分、微分三个环节的线性组合,对系统误差进行实时校正,从而实现快速、稳定、精确的控制目标。在工程实践中,PID控制器的价值在于为复杂系统(如欠驱动、强耦合的四旋翼飞行器)提供了一个直观且有效的控制框架,是连接控制理论与工程应用的桥梁。通过MATLAB/Simulink这一强大的数学计算与模型仿真环境,工程师可以在安全的“数字风洞”中,对包含**串级PID控制结构**的

weixin_32239523的博客 249

一文讲清模拟信号、自然信号、数字信号、模拟输入输出

模拟信号 模拟信号是指在一定周期内进行连续变化的信号,称之为模拟信号,经典的如:电压变化、声波强度变化、温度变化这些自然信号的变化一般称之为模拟信号。 从图中大家可以看到模拟信号的电平变化是逐渐增强与逐渐削弱的,如1v电压-5v电压的变化: 1v->2v->3->4v->5v 从1v逐渐增强到2v在增强到5v,然后在从5v逐渐削弱到1v 5->4v->3v->2v->1v 这样连续的变化就称之为模拟信号,如果1v什么变化都没有直接跳跃到了5v,这就

17岁boy的博客 1万+

北航飞控实验二:开源飞控六旋翼模式切换与继电器控制全解析

无人机飞控系统是无人机的核心,姿态控制依赖传感器融合和串级PID算法。理解这些基础原理,有助于在工程实践中高效完成飞控平台的搭建与调试。开源飞控ArduPilot配合Pixhawk硬件,提供了灵活的参数配置接口,通过Mission Planner地面站即可实现机架类型选择、模式映射与外部设备控制。在六旋翼飞控应用中,混控分配和PID调参是稳定飞行的关键,而继电器等外设控制则进一步拓展了任务能力。本文以飞控实验为背景,从传感器校准、自定义模式配置到继电器控制的完整链路展开,帮助读者掌握从地面站配置到真机验证的

weixin_29190573的博客 308

四旋翼无人机控制:状态空间建模与MATLAB闭环仿真

四旋翼控制本质上是基于刚体动力学的状态空间建模与反馈控制工程。其核心原理在于从牛顿-欧拉方程出发构建非线性六自由度模型,再于悬停工作点线性化获取A/B矩阵,进而设计PID或LQR控制器——前者强调物理参数可解释性,后者依托Riccati方程实现多目标最优权衡。该技术显著提升系统鲁棒性与硬件迁移可靠性,广泛应用于无人机编队、自主巡检与教育实验平台。本文聚焦MATLAB/Simulink原生实现,覆盖动力学推导、控制器设计、电机分配及延迟/噪声等真实约束建模,助力工程师跨越‘能飞’到‘可信可控’的关键阶段。

weixin_28725553的博客 81

输出整数各位数字(三种方法)

输出整数各位数字 本题要求编写程序,对输入的一个整数,从高位开始逐位分割并输出它的各位数字。 输入格式: 输入在一行中给出一个长整型范围内的非负整数。 输出格式: 从高位开始逐位输出该整数的各位数字,每个数字后面有一个空格。 输入样例: 123456 输出样例: 1 2 3 4 5 6 方法一: 先测出该整数的总位数,再从最高位开始取余。 方法二: 引用数组,先从最低位...

星宇康的博客 4万+

PX4源码结构解析:从Pixhawk硬件到自定义机型开发

飞控系统是无人机的大脑,它将遥控器信号转化为电机转速,这一过程依赖于底层软件架构的精密配合。PX4作为开源自动驾驶仪软件栈,运行在Pixhawk等硬件平台上,通过模块化设计实现位置控制、姿态控制与混控分配。理解其源码结构、编译流程与仿真环境,是进行二次开发的基础。在日常开发中,工程师常利用QGroundControl地面站进行参数调试,但真正定制机型或修改飞行逻辑,仍需深入源码层面。基于Gazebo的仿真环境,开发者可在无硬件条件下验证算法,并通过自定义机架与混控器实现从四旋翼到异构飞行器的改造。本文从源码

weixin_29161785的博客 224

输入+输出数字【C++】

输入语句 上一个文章是输出语句,那么也会有输入语句。同样,在Python中,输入语句也很简单,即input()。在Java中则是需要先创建一个Scanner对象。在C语言中有多种输入语句,比如printf()和scanf()。那么在C++中,是“cin”,同样,这个语句也需要双箭头配合使用,只不过方向不一样,输出是“<<”,输入则是“>>”,正好符合“输出”与“输入”。 一个简单的输入语句: cin>>number; ...

m0_62843151的博客 1839

APM飞控源码深度解析:从编译烧录到二次开发实战

飞控系统是无人机的‘大脑’,其核心在于实时闭环控制与多传感器融合。APM(ArduPilot)作为工业级开源飞控固件,基于嵌入式实时架构,依托HAL硬件抽象层、EKF3状态估计算法和MAVLink通信协议,实现姿态解算、位置控制与安全保护等关键能力。它支持Pixhawk、CubeOrange等主流硬件平台,广泛应用于测绘、巡检、农业等实际场景。本文聚焦APM飞控源码的工程化实践,涵盖环境搭建、固件编译、实机校准、故障排查及BME280等自定义传感器接入等完整链路,帮助开发者深入理解飞控底层逻辑并安全开展二次

weixin_27014595的博客 186

windows系统下,如何为comfyui如何安装triton

​ 有些加速插件、模型在安装的时候,比如说sageattention的安装,就需要提前安装triton这个包,不过这个包有点特殊,windows下略微不好装,经常会装失败。 🎠如何安装 之前也有人介绍过,要到github上找个wheel文件,找到对应的版本安装下就好了。 问题是:https://github.com/woct0rdho/triton-windows/releases 这个git地址上,已经找不到wheel文件了... ​

聚梦小课堂 4509

数据的输入和输出

C语言本身没有提供输人输出语句,所有的数据输入输出功能都是由系统提供的库函数完成的,程序中用到的标准输人输出库函数主要有printf()、scanfO)等。使用标准输入输出库函数时要用到“stdio. h”文件,因此在源文件开头需要用预处理命令# include <stdio.h>或# include "stdio. h"将头文件stdio. h包括到源文件中。 ...

weixin_61913018的博客 5705

自定义串口通讯协议

自定义串口通讯协议的实现方法

qq_44826038的博客 2173

四旋翼无人机串级PID姿态控制:从仿真到实物的完整实现指南

PID控制器作为经典的控制算法,通过比例、积分、微分环节的组合,实现对系统误差的快速调节与稳态精度控制。其核心原理在于利用当前误差、误差累积及变化趋势,生成控制指令以驱动被控对象。在无人机、机器人等运动控制领域,PID因其结构简单、易于实现,成为姿态稳定的基础技术方案。然而,面对复杂动力学系统,单级PID在动态响应与抗干扰能力上存在局限。为此,工程实践中广泛采用串级控制结构,通过角度环与角速度环的双层嵌套,内环快速抑制扰动,外环精确跟踪指令,显著提升系统性能。本文将以四旋翼无人机为具体应用场景,深入解析串级

weixin_34032792的博客 405

番茄(西红柿)叶片病害检测数据集:12k+图像,10类,yolo标注

本文介绍了包含12,250张图像的番茄叶片病害检测数据集,涵盖10种常见病害类型及健康叶片,采用YOLO格式标注。数据集具有三大核心价值:科研层面填补病害样本空白,推动算法创新;产业应用支持精准诊断、早期预警,降低损失20-40%;社会生态方面减少农药使用15-30%,助力绿色农业。该数据集作为AI与农业结合的数字基础设施,适用于计算机视觉项目、科研实验等场景。

m0_73878864的博客 1138

Matlab结果性能评价---rms函数(计算矩阵、数组和向量元素均方根)

实例1:创建一个向量(正弦波)并计算其均方根值 实例2:创建一个二维矩阵并计算其均方根值 实例3:计算二维矩阵沿指定维度的均方根值 本例程配套完整源码下载 均方根(Root-Mean-Square Level): 向量x的均方根值为沿着指定的维度执行求和: 语法描述: y = rms(x)返回输入x的均方根值。如果x是行或列向量,y是实数值标量。对于大小尺寸大于1矩阵x,y包含沿x的第一个数组维度计算的均方根值。例如,如果x是N > 1的N*M矩阵,那么y是1*M行向量,对应x矩..

qq_32809093的博客 3万+

四旋翼无人机串级PID姿态控制:从Simulink仿真到C代码实现

PID控制器作为经典的控制算法,通过比例、积分、微分三个环节的组合,实现对系统误差的快速响应、稳态精度提升和振荡抑制。其核心原理在于构建一个负反馈闭环,根据设定值与测量值的偏差实时计算控制量。在工程实践中,PID因其结构简单、易于实现和鲁棒性强,被广泛应用于电机调速、温度控制、飞行器姿态稳定等场景。对于像四旋翼无人机这类具有快速内环(角速度)和慢速外环(角度)特性的高阶、耦合系统,单级PID往往难以兼顾响应速度与稳定性。此时,**串级PID控制**架构展现出巨大价值,它将控制任务分解:内环(角速度环)作为快

weixin_33769125的博客 372

在 Windows 上安装 OpenCV – C++ / Python

而且,安装并不是一件容易的事。这些安装程序仅适用于安装 OpenCV for C++。如果您想安装适用于 Python 的 OpenCV,您将在博客后面找到相关信息。在这篇博文中,我们将在 Windows 上安装适用于 C++ 和 Python 的 OpenCV。C++ 安装是在自定义安装 exe 文件的帮助下完成的。而Python的安装是通过Anaconda完成的。从源代码安装 OpenCV 需要花费大量时间。根据您的硬件和安装配置,该过程可能需要 5 分钟到 2 小时不等。

Demondai999的博客 2092

PX4多旋翼姿态控制模块mc_att_control源码深度拆解

多旋翼飞行器的姿态控制是飞控系统的核心环节,其稳定性直接影响飞行安全。传统欧拉角描述在大姿态角下存在万向锁问题,因此现代飞控普遍采用四元数进行姿态解算。PX4作为开源飞控的典型代表,其姿态控制链路从上至下分为位置控制、姿态控制与混控器,其中mc_att_control模块负责将期望姿态转换为期望力矩,是实现精确飞行的关键。本文深入该模块源码,详细拆解四元数误差计算、外环P控制与内环PID调参逻辑,并结合实机调试中的常见问题给出排查思路,适合正在研究PX4源码或希望调整控制参数的开发者参考。

weixin_34389926的博客 348

别再被 SerialPort 坑了!C# 串口通信的 3 大隐形陷阱与工业级解决方案

NET的SerialPort类更适合实验室调试,而非工业现场——它的设计目标是“能用”,而非“稳定”。工业级串口通信的核心,是在SerialPort基础上构建一层“防护壳”,用主动轮询对抗事件失效,用硬件级操作解决缓冲区谎言,用原子性流程避免关闭死锁。本文提供的类已在30+工业项目中验证(包括汽车生产线、智能仓储、环境监测),可直接替换原生SerialPort,解决90%以上的“玄学问题”。记住:工业场景的“稳定”,从来都不是靠运气,而是靠对每个细节的偏执把控。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 749

详解AXI4-Lite接口(3)--AXI4-Lite接口IP源码仿真及分析(Master接口)

通过本文您会学到:1、了解AXI4-Lite_Master接口的逻辑实现;2、加深Xilinx IP、仿真工具的使用;3、提高阅读时序图的能力。

孤独的单刀 6448

ArduPilot 飞控源码拆解:5 类飞行器共用一套内核,从 HAL 到 SITL 的完整导读

如果你打算给无人机写控制软件,ArduPilot 绕不开——它是 2010 年开跑的开源自动驾驶系统,一套代码同时管着多旋翼、固定翼、地面车、水下机器人和天线跟踪五类载具。这篇导读带你直接进源码:硬件抽象怎么抹平 50 多种板卡、传感器融合在哪几行代码里、实时调度和安全机制如何分工,以及没有开发板时如何先用仿真把流程跑通。读完你知道从哪个目录下手读代码,也知道想加一块新硬件该改什么文件。 ##

gitblog_00737的博客 1046

[QMT量化交易小白入门]-八十九、深度学习训练多维特征进行金融价格行情预测

本专栏主要是介绍QMT的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写100篇左右。QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步。

木头大左的博客 222

四旋翼无人机自适应控制仿真:四种参数更新律的实现与对比

自适应控制是应对系统不确定性的一种重要方法。在无人机、机器人等非线性系统中,参数不确定性是影响控制性能的关键问题。自适应控制的核心是未知参数的在线估计与调整,参数更新律的设计决定了估计的收敛速度与稳定性。在工程实践中,需要根据需求选择合适的更新策略。四旋翼飞行器由于气动参数、惯性参数常存在不确定性,自适应控制可显著提升轨迹跟踪精度与抗扰能力。围绕TEB、CG、BGF、CF四种参数更新律,使用MATLAB/Simulink搭建六自由度四旋翼仿真模型,对比其在轨迹跟踪、参数估计、抗扰动等方面的表现差异,并给出工

weixin_29185167的博客 308

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

四旋翼轨迹规划:人工势场法结合几何控制器仿真全解析

四旋翼无人机自主飞行与避障离不开轨迹规划与姿态控制的协同设计。人工势场法作为经典的全局规划算法,通过目标引力与障碍物斥力驱动飞行器运动,计算量小且易于实现;而几何控制器直接在SO(3)旋转群上定义姿态误差,规避了欧拉角奇异性,特别适合大角度机动与高动态场景。将二者按“规划层—跟踪控制层”解耦组合,既能弥补势场法无速度约束的不足,又能保证控制器对平滑轨迹的快速跟踪。在Matlab中搭建基于改进势场函数与几何控制律的仿真系统,可以直观验证避障效果、姿态响应与跟踪精度,并为后续迁移到RRT、MPC等替代算法提供参

weixin_32770423的博客 124

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

从零手写无人机飞控:ArduPilot固件编译、Pixhawk接线到DroneKit自主飞行全攻略

无人机飞控系统是开源硬件与软件深度结合的典型工程,其核心在于理解从传感器数据到电机输出的完整控制链路。ArduPilot作为成熟的开源飞控框架,凭借统一的代码仓库和丰富的硬件适配,成为DIY无人机与科研验证的理想选择。Pixhawk硬件平台则提供了稳定的传感器冗余与扩展接口,二者结合可实现从固件编译烧录、电调校准、传感器标定到任务调度的全流程开发。理解飞控主循环的任务调度与电机混控原理,能帮助开发者真正掌握姿态解算与PWM输出的映射关系。借助DroneKit等MAVLink开发库,开发者可在树莓派等机载计算

weixin_33798152的博客 456

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

上一篇: Unity URP自定义后处理实战:手把手教你用RendererFeature打造动态光效Volume
下一篇: FaceFusion换脸实战:用Docker-compose.cuda.yml实现视频实时换脸(附性能调优参数)
gitlab7runner
博客等级 码龄4年 78粉丝 1747原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值