dxy

核心技术总结：室内自主无人机巡检系统

1. PX4 飞控底层深度调试 (PX4 Debugging)

针对室内高干扰环境，项目对 PX4 EKF2 估计器进行了深度定制，实现了“无 GPS、无罗盘”的高精度飞行控制。

• 去磁力计融合方案：针对室内金属与机电磁场干扰，将 EKF2_MAG_TYPE 设为 None，并禁用磁力计硬件（SYS_HAS_MAG=0）。
• 航向锁定算法：100% 信任 LiDAR 里程计提供的偏航角（Yaw），解决了起飞瞬时的 15-20° 偏航抖动（Takeoff Kick）。
• 外部位姿注入：通过 MAVROS 将 Point-LIO 输出的里程计数据高频注入 /mavros/vision_pose/pose，使无人机在 OFFBOARD 模式下实现悬停。

2. 多模态 SLAM 建图与状态估计 (SLAM & State Estimation)

利用宇树（Unitree）L2 激光雷达，系统构建了高实时性的室内三维地图。

• Point-LIO 算法实践：采用轻量化 LiDAR-IMU 紧耦合算法，在香橙派（Orange Pi 5 Pro）上实现低延迟位姿结算。
• 室内点云重建：针对 3.5m x 3.5m 的狭小空间，优化了点云特征提取参数，保证了在快速机动时建图不漂移。
• 实时定高/定点：结合雷达点云与气压计多源数据融合，解决了室内墙壁气流（洗流效应）导致的定高波动。

3. 智能路径规划与状态机控制 (Control Logic & Path Planning)

控制代码基于 ROS 框架，采用分层设计理念，兼顾宏观覆盖与微观避障。

• FSM 状态机开发：严密的 C++ 逻辑控制，涵盖起飞锁定、网格巡航、任务点悬停识别、避障返航等全流程。
• 7x7 网格寻路算法：
  • 宏观层：采用蛇形走位（Boustrophedon）策略，利用 row % 2 逻辑实现 49 个任务点的全覆盖扫图。
  • 微观层（BFS 核心）：内嵌广度优先搜索算法，在遇到动态或预设禁飞区时，通过“水波纹”式节点探索与“面包屑”式父节点回溯，毫秒级计算出绕障碍最短路径。

4. 边缘端视觉识别加速 (Vision & RK3588 Deployment)

将深度学习模型下沉至 RK3588 边缘计算平台，实现实时视觉感知。

• YOLOv5 模型量化：通过 rknn-toolkit2 对模型进行 INT8 量化，充分压榨 NPU 算力。
• 硬件加速推理：在 ROS 节点中调用 RKNN API，实现低功耗、高帧率的目标检测，用于在 0.5m 精度网格内精准识别任务标识（如动物卡片等）。