最近刚来hz一家小公司，主要是在做无人机以及新能源相关的，但是实习期间基本不给核心工作，基本就是简单打打杂，也是双休不让主动加班，250/天在杭州基本上存不了什么钱，一个人大老远来到陌生城市，还要冒着被抓的风险，还很闲，每次晚上想起来就很伤心，很孤独。分公司也没多少人，后端同事们以及我的领导都在其他分部，哎，真的不知道实习的意义是什么，这已经是我第三段实习了，马上就大四秋招了，回到出租屋一个人孤零零的也不知道干什么，钱也没多少不干大手大脚的花，不知道各位小厂实习的佬们有没有类似的烦恼 16 个帖子 - 12 位参与者 阅读完整话题
Ubuntu搭建PX4无人机仿真环境 前言 本教程基于 ROS2 ，在搭建之前，需要把 ROS2、QGC 等基础环境安装配置完成。 小白必看 ： 本次安装是以 px4 v1.14.0 为例，不适用之前的 px4 版本。（支持 Ubuntu 22.04 ROS2 Humble PX4v1.14.0+，Ubuntu 24.04 ROS2 Jazzy PX4v1.16.0+） 我的配置如下： 虚拟机 Ubuntu 22.04 (运行内存 4G、硬盘内存 80G) 、ROS2 Humble 、QGC v4.4.4 禁止无脑复制：首先大部分命令都有先后顺序，就是要上一个命令执行成下一个才能执行成功，对于不熟悉的命令可以直接复制问 AI 这样还能顺带学习学习；其次在有些情况下多个命令一起执行会出现奇怪的错误，而且有些命令旁边有注释，有时候复制上去可能也会出现错误。 建议使用虚拟机：虽然虚拟机得性能有限，但是对于新手入门阶段是完全够用了，后续大型仿真再用双系统也比较熟悉了。而且虚拟机有一个快照功能，可以保存当前虚拟机的状态 (相当于存档)，这样如果后面出了问题要重新搭建环境，可以用快照回到上一个状态，这样就不用重头开始（我一般是安装好 ROS 拍一个、安装好 mavros 拍一个…）。 关于网络：由于一些懂得都得的原因，再加上每个人的网络环境不同，我们下载 GitHub上的资源、安装 Python 包、apt 安装包等会时快时慢，所以大家会换源，比如一开始的换 apt 软件安装源等。但是下载资源一定要耐心，如果是网络问题，可以尝试多执行几次命令，而且有些我也给了相应的解决方案。 1. 准备 1.1 下载源码 方式一： 从 Github 上下载，但是比较考验个人网速 sudo apt install git git clone https://github.com/PX4/PX4-Autopilot.git # 下载源码 mv PX4-Autopilot PX4_Firmware # 更改目录名 cd PX4_Firmware git checkout v1.14.0 # 切换版本 git submodule update --init --recursive # 更新下载子模块 方式二： 从提供的网盘里下，或者从QQ群(961297255)里下载 链接: 百度网盘 请输入提取码 提取码: rbrk 下载后解压，然后执行下面命令： cd PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/set_executable.sh chmod +x set_executable.sh ./set_executable.sh 1.2 安装依赖 sudo apt install ros-dev-tools cd ~/PX4_Firmware/Tools/setup 修改文件并备份 （就把 pip 安装源换成了清华源），这一步是可做可不做，如果觉得python 包下载太慢了，可以试试 sed -i.bak 's|\/requirements.txt|\/requirements.txt -i https:\/\/pypi.tuna.tsinghua.edu.cn\/simple|' ./ubuntu.sh chmod +x ubuntu.sh ./ubuntu.sh --no-nuttx --no-sim-tools # 这是官方提供的脚本 有两个可选参数 # --no-sim-tools 不安装仿真环境 # --no-nuttx 不安装交叉编译环境 #（如果需要自己编译飞控固件，烧录到飞控中，那就需要交叉编译环境） # 脚本执行时间，跟个人网络有关，可能需要一段时间 重启电脑 1.3 安装 Gazebo Gazebo是一款强大的3D仿真软件，主要用于机器人学的研究和开发。它提供了高度逼真的物理模拟环境，包括动力学、碰撞检测、传感器模型以及与真实世界相似的物理属性如重力、摩擦力等。Gazebo可以模拟各种类型的机器人，从移动机器人、无人机到机械臂，甚至可以模拟整个城市环境。 根据上图说明，Gazebo 官方做了更新将之前的 Gazebo Ignition 命名为 Gazebo，以前的 Gazebo 现在叫 Gazebo Classic ，而 Ubuntu 22.04 及以后的版本就支持 Gazebo (Gazebo Ignition) 。 因为几年前官方对 Gazebo 进行了重大架构变更，然后将变更后的版本叫 Gazebo Ignition，旧的仍叫 Gazebo。后面Gazebo Ignition 逐渐成熟并经过使用验证，所以他结束了旧的 Gazebo ( Gazebo 11 是 Gazebo Classic 的最后一个版本，支持到 2025 年 )，并重新对它们命了名。 cd ~/PX4_Firmware/Tools/setup ./ubuntu.sh --no-nuttx # 这一步会安装仿真环境，包括 gazebo # 脚本执行时间，跟个人网络有关，可能需要一段时间 再运行一下 gazebo ： gz sim 2. 安装 Micro XRCE-DDS Agent 在 ROS2 中 PX4 使用 uXRCE-DDS 中间件来允许在配套计算机上发布和订阅 uORB 消息，就像它们是 ROS2 话题一样。这提供了 PX4 和 ROS2 之间快速可靠的集成，并使 ROS2 应用程序更容易获取车辆信息和发送命令，如上图所示。 这应该跟 ROS2 将中间件改为 DDS 有关，但是官方又说明了在 ROS2 中仍可以使用 MAVROS，可能官方觉得在 ROS2 中 Micro XRCE-DDS Agent 更好用 ，也可能是因为 MAVLink 是外部通信协议，uORB 是内部通信协议。 注：如果想用 Mavros 请参考这篇文章 ubuntu搭建PX4无人机仿真环境(2) —— MAVROS安装(适用于ROS1、ROS2)-CSDN博客 使用方法跟 ROS1 类似，这里不做描述。 Micro XRCE-DDS Agent 与 MAVROS 的对比（来自豆包AI，仅供参考） MAVROS 是 ROS（机器人操作系统）生态中连接 MAVLink 协议设备（如 PX4、ArduPilot 飞控）的主流工具，本质是 ROS 与 MAVLink 的桥梁。二者的核心差异体现在如下方面： 维度 Micro XRCE-DDS Agent MAVROS 核心定位 资源受限设备与 DDS 分布式网络的通信代理，支持多设备协同 ROS 与 MAVLink 设备（如飞控）的通信桥梁，专注无人机控制 生态兼容性 兼容 DDS 生态（如 Fast DDS、Cyclone DDS），可与非 ROS 系统集成 强依赖 ROS 生态，仅支持 ROS 节点与 MAVLink 设备交互 资源占用 客户端（Client）极轻量（适合 MCU 等嵌入式设备），Agent 本身资源消耗中等 依赖 ROS 节点和进程，资源占用较高（不适合极简嵌入式环境） 灵活性 支持自定义数据类型，可灵活扩展消息结构，适应复杂分布式场景 消息类型固定为 MAVLink 标准消息，扩展需修改协议或自定义消息 实时性 原生支持实时性配置（通过 DDS QoS），适合低延迟场景 实时性依赖 ROS 调度，默认配置下实时性中等 适用场景 无人机集群协同、多传感器分布式融合、跨平台设备互联 单无人机与 ROS 系统的通信（如地面站控制、数据日志、任务规划） 优点 1. 分布式架构，支持多设备协同； 2. 轻量级客户端适合嵌入式； 3. 可自定义消息，灵活性高； 4. 强实时性与 QoS 保障 1. 无缝集成 ROS 生态，开发便捷； 2. 成熟稳定，支持 MAVLink 全功能（控制、参数、日志等）； 3. 社区活跃，问题易解决 缺点 1. 学习成本高（需理解 DDS 概念），目前资料相比于mavros少很多 ； 2. 与 ROS 集成需额外适配； 3. 对单设备简单通信场景略显复杂 1. 依赖 ROS，非 ROS 环境下使用不便，但非ROS环境也有其他基于mavlink的库可以使用 ； 2. 分布式多设备协同能力弱； 3. 资源占用较高，不适合极简嵌入式 下载源码： git clone -b v2.4.3 https://github.com/eProsima/Micro-XRCE-DDS-Agent.git 编译： cd Micro-XRCE-DDS-Agent mkdir build cd build cmake .. make # make 的时候还会下载代码，跟个人网速有有关，大概要10-20分钟 安装： sudo make install sudo ldconfig /usr/local/lib/ # 更新动态链接器的缓存 3. 编译 cd ~/PX4_Firmware make px4_sitl gz_x500 # 这步可能有点慢 出现这个表示编译成功 错误 ：如果在虚拟机中可能遇到下面错误，这是由于在虚拟机设置中开启了 3D 图形加速，导致系统的 OpenGL 版本降低。 参考这个 Issue 中的解决方法，降低仿真使用的渲染引擎的版本 修改处大概在 73 行（PX4_Firmware/ROMFS/px4fmu_common/init.d-posix/px4-rc.simulator）： sed -i 's/${gz_command} ${gz_sub_command} -g &/${gz_command} ${gz_sub_command} -g --render-engine ogre \&/' ~/PX4_Firmware/ROMFS/px4fmu_common/init.d-posix/px4-rc.simulator 错误 ：如果编译过程中出现类似下面错误，应该是 gz_bridge 启动超时 INFO [gz_bridge] world: default, model name: x500_0, simulation model: x500 ERROR [gz_bridge] Service call timed out ERROR [gz_bridge] Task start failed (-1) ERROR [init] gz_bridge failed to start ERROR [px4] Startup script returned with return value: 256 参考下面链接中给出的解决方法 make px4_sitl gz_x500出错 - 哔哩哔哩 然后，再重新编译 4. 通信 打开一个终端，启动 MicroXRCEAgent： MicroXRCEAgent udp4 -p 8888 打开另一个终端，启动仿真： cd ~/PX4_Firmware make px4_sitl gz_x500 都启动后，可以看到通信成功 5. offboard 测试 创建工作空间： mkdir -p ~/ros2_ws/src 下载源码： cd ~/ros2_ws/src git clone https://github.com/PX4/px4_msgs.git git clone https://github.com/PX4/px4_ros_com.git 编译： cd ~/ros2_ws colcon build 更新环境： echo "source ~/ros2_ws/install/setup.bash" >> ~/.bashrc source ~/.bashrc #使环境生效 测试： 先启动 QGC 地面站，然后执行下面命令，不然有可能无法起飞 终端一，启动 MicroXRCEAgent： MicroXRCEAgent udp4 -p 8888 终端二，启动仿真： cd ~/PX4_Firmware make px4_sitl gz_x500 终端三，启动官方 offboard 案例（上升5米）： ros2 run px4_ros_com offboard_control 注：如果过了一段时间，无人机无法 offboard 起飞，程序都正常启动，这时可以尝试下面命令 cd ~/ros2_ws/src rm -f ./px4_msgs/msg/*.msg cp ~/PX4_Firmware/msg/*.msg ./px4_msgs/msg/ # rm -f ./px4_msgs/srv/*.srv # v1.15.0 之后 # cp ~/PX4_Firmware/srv/*.srv ./px4_msgs/srv/ # v1.15.0 之后 # cp ~/PX4_Firmware/msg/versioned/*.msg ./px4_msgs/msg/ # v1.16.0 之后 然后重新编译 source /opt/ros/humble/setup.bash cd ~/ros2_ws colcon build 编译成功后，记得 source 一下，再重新offboard测试 到这 PX4 无人机基本仿真环境就搭建完成了，大家可以基于此来拓展自己的仿真。 参考 PX4 ROS 2 User Guide PX4 documentation uXRCE-DDS PX4 Ubuntu Development Environment a-new-era-for-gazebo Unable to ros2 topic echo specific topics - PX4 Autopilot - Discussion Forum 如有其他问题，或者发现文章有错误，请在评论区留言 Keep learning！ 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 7 日消息，6 月 5 日，“驼峰”1500H 重载无人机首飞仪式在重庆市江津区团结湖数字经济产业园举行。 在江津区团结湖试飞场，“驼峰”1500H 顺利完成智能飞控、导航系统、航向性能、自主飞行等关键科目验证，最后精准平稳着陆，圆满完成首飞任务。此次飞行全程采用 多余度飞控系统 主导，飞行姿态稳定， 标志着我国 1.5 吨级重载无人机实现重要突破 。 IT之家从官方介绍获悉，“驼峰”1500H 是驼航科技面向国家应急体系建设、低空经济发展、高原与远海物资投送等重大需求推出的核心装备， 最大起飞重量 1.5 吨，最大载重 700 公斤，最大速度 160km/h ，具备全自主起降、自主巡航、空中悬停、一键返航等核心能力。搭载 500 公斤载荷续航时间 6 小时以上，可广泛应用于 应急救援、高原物流、海岛补给、消防灭火、工程运输、电力建设、特种投送 等领域。 “驼峰”1500H 专为复杂环境设计，可抵御零下 25℃ 严寒与 55℃ 高温，起降抗风 6 级、空中抗风 8 级，6000 米高升限满足高原作业。 在极端环境下，“驼峰”1500H 续航能力几乎不受影响 ，适合高原、高寒、长航时等严苛任务场景。
IT之家 6 月 7 日消息，近日，三峡集团首个无人机智能巡检管理体系在内蒙古投入运行，首批覆盖 12 座新能源场站，总装机 640 万千瓦， 实现无人机统一管控、统筹调度、智能诊断、闭环消缺 。该套体系的落地，标志着三峡集团在新能源场站规模化智能运维方面迈出关键一步，为国内新能源场站集约化巡检提供了实践样板。 IT之家从官方介绍获悉，该套无人机智能巡检管理体系由三峡陆上新能源总部电力生产部牵头实施，通过制定并实施“1+1+1+5”（规划方案、接入方案、管理细则及五类专业手册）标准化管理制度，解决了新能源场站无人机巡检缺少统一管控标准的问题。 当前该无人机智能巡检管理体系已配套 21 座无人机机巢、28 架巡检无人机， 实现光伏、风机、集电线路、升压站巡检全覆盖 。相较于传统人工巡检， 每年可节省人工工时超 11 万小时 ，巡检效率提升 13.2 倍，设备隐患提前检出率达 63%。 整套体系以自主设计开发的无人机智能巡检平台为依托，构建起全链条闭环巡检模式：巡检计划统一编制报批，审核通过后经由平台下发作业指令，无人机从配套机巢自主升空巡检；巡检数据实时回传入库， 依托 AI 甄别缺陷 ，按流程完成隐患整改、复检、归档。 三峡集团透露，根据国家出台的关于无人机飞行管理相关法规，无人机智能巡检管理体系建立了专项管控机制，落实双审批、全报备、实时监控管理举措，各项管控标准对标国家无人机飞行法规落地执行，确保每一次飞行任务全程可追溯、可管控、可闭环，切实保障巡检作业合法、安全开展。
无人机对我来说是一个全新的领域，没飞过没碰过更别说做相关的项目了。 在AI的帮助下，了解无人机相关知识，了解模拟飞行相关技术路径，最终使用了 UE + AirSim + python 控制服务这么一条技术路线。 下载虚幻引擎环境、C++环境捣鼓了大半天，然后尝试从网上下载免费的场景地图、无人机模型，替换AirSim内置的飞机模型，替换后重新编译。 。。 总之，这条路居然让我还走通了！ 后续还要接入真实遥控手柄、PX4，理论上没有阻塞点了。 下面基于微软AirSim官方预编译的二进制.exe做了一个演示汇报用的Demo，差不多就这样了~~ 感谢CPC、感谢PRC、感谢奥特曼~~ 6 个帖子 - 4 位参与者 阅读完整话题
IT之家 6 月 2 日消息，影石 Insta360 今日官宣， 吴克群出任影翎 AG 全景无人机首席体验官 。 未来，吴克群将以这一新身份与影翎展开更多合作，走进大众生活与公益现场，探索全景无人机在生活中的更多可能。 影翎官方表示，近年来，吴克群持续走进普通人的生活现场，在公益、助农等行动中记录真实的人与故事。影石表示，这种精神也与影翎希望传递的品牌理念形成了自然契合。 作为全球首个全景无人机品牌，影翎希望让无人机不再只是少数人的专业工具，而是以更简单、更沉浸的全景飞行体验，走进更多普通人的生活。 未来，影翎将携手吴克群， 探索全景飞行在大众生活中的更多可能 。作为影翎全景无人机首席体验官，吴克群也将参与更多真实记录，与影翎一起用更完整、更自由的影像记录具体的人与生活。 据IT之家此前报道，全球首款 8K 全景无人机影翎 Antigravity A1 于 2025 年 12 月 4 日上市 ，定价 7999 元起。 影翎 Antigravity A1 深度搭载影石 Insta360 全景拼接技术，打造完美隐形效果，从实时图传到最终成片，A1 机身始终隐形；机身搭载基于 1/1.28 英寸传感器的双镜头全景成像系统，可输出 8K30fps、5.2K60fps 或 4K100fps 的 360° 全景视频。
Ubuntu搭建PX4无人机仿真环境 前言 本教程基于 ROS1 ，在搭建之前，必须把 ROS、MAVROS、QGC 等基础环境安装配置完成。如果没有配置完成，大家可以参考我之前的教程配置。 小白必看 ： 本次安装是以 PX4 v1.13.2 为例。 我的配置如下： 虚拟机 Ubuntu 18.04 (运行内存 4G、硬盘内存 80G) 、 ROS1 Melodic 、 QGC v4.2.6 ( Ubuntu 20.04 、ROS1 Noetic 、PX4 v1.13.2 同样适用；Ubuntu 20.04 、ROS1 Noetic 、PX4 v1.14.0及以上也同样适用 ) 禁止无脑复制：首先大部分命令都有先后顺序，就是要上一个命令执行成下一个才能执行成功，对于不熟悉的命令可以直接复制问 AI 这样还能顺带学习学习；其次在有些情况下多个命令一起执行会出现奇怪的错误，而且有些命令旁边有注释，有时候复制上去可能也会出现错误。 建议使用虚拟机：虽然虚拟机得性能有限，但是对于新手入门阶段是完全够用了，后续大型仿真再用双系统也比较熟悉了。而且虚拟机有一个快照功能，可以保存当前虚拟机的状态 (相当于存档)，这样如果后面出了问题要重新搭建环境，可以用快照回到上一个状态，这样就不用重头开始（我一般是安装好 ROS 拍一个、安装好 mavros 拍一个…）。 关于网络：由于一些懂得都得的原因，再加上每个人的网络环境不同，我们下载 GitHub上的资源、安装 Python 包、apt 安装包等会时快时慢，所以大家会换源，比如一开始的换 apt 软件安装源等。但是下载资源一定要耐心，如果是网络问题，可以尝试多执行几次命令，而且有些我也给了相应的解决方案。 1. 准备 1.1 下载源码 方式一： 从 Github 上下载，但是比较考验个人网速 sudo apt install git git clone https://github.com/PX4/PX4-Autopilot.git # 下载源码 mv PX4-Autopilot PX4_Firmware # 更改目录名 cd PX4_Firmware git checkout v1.13.2 # 切换版本 git submodule update --init --recursive # 更新下载子模块 方式二： 从提供的网盘里下，或者从QQ群(961297255)里下载 链接: 百度网盘 请输入提取码 提取码: krb5 下载后解压，然后执行下面命令： cd PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/set_executable.sh chmod +x set_executable.sh ./set_executable.sh 1.2 安装依赖 cd ~/PX4_Firmware/Tools/setup 修改文件 （就修改了一个 python 包版本和把 pip 安装源换成了清华源），这一步是可做可不做，如果觉得python 包下载太慢了，可以试试 sed -i.bak 's/empy>=3.3/empy==3.3.4/' ./requirements.txt sed -i.bak 's|\/requirements.txt|\/requirements.txt -i https:\/\/pypi.tuna.tsinghua.edu.cn\/simple|' ./ubuntu.sh chmod +x ubuntu.sh ./ubuntu.sh --no-nuttx --no-sim-tools # 这是官方提供的脚本 有两个可选参数 # --no-sim-tools 不安装仿真环境 # --no-nuttx 不安装交叉编译环境 #（如果需要自己编译飞控固件，烧录到飞控中，那就需要交叉编译环境） # 脚本执行时间，跟个人网络有关，可能需要一段时间 重启 Ubuntu 1.3 安装 Gazebo Gazebo是一款强大的3D仿真软件，主要用于机器人学的研究和开发。它提供了高度逼真的物理模拟环境，包括动力学、碰撞检测、传感器模型以及与真实世界相似的物理属性如重力、摩擦力等。Gazebo可以模拟各种类型的机器人，从移动机器人、无人机到机械臂，甚至可以模拟整个城市环境。 （由于Gazebo版本变化，现在也叫 Gazebo Classic） 注： 使用之前要检查是否已经安装了 gazebo ，建议使用 官方推荐的gazebo版本 ： gazebo --version 如果出现 上图内容 ，说明没有安装，如果出现了 gazebo的版本信息 说明已经安装了，要卸载，命令如下： sudo apt-get remove gazebo* sudo apt-get remove libgazebo* sudo apt-get remove ros-$ROS_DISTRO-gazebo* 卸载完后，开始安装**（Ubuntu 18 会安装 gazebo 9.19，Ubuntu 20 会安装 gazebo 11.15.1）**： cd ~/PX4_Firmware/Tools/setup ./ubuntu.sh --no-nuttx # 这一步会安装仿真环境，包括gazebo # 脚本执行时间，跟个人网络有关，可能需要一段时间 sudo apt-get install ros-$ROS_DISTRO-gazebo-ros-pkgs ros-$ROS_DISTRO-gazebo-ros-control sudo apt update && sudo apt upgrade 重启 Ubuntu ，之后测试一下gazebo gazebo --version 再运行一下 gazebo ： gazebo 如果是在虚拟机上，可能出现上图错误，输入以下命令： echo "export SVGA_VGPU10=0" >> ~/.bashrc source ~/.bashrc 重新运行 gazebo 出现类似下图，表示运行成功： 注： 运行Gazebo仿真，可能会缺模型，这时会自动下载，Gazebo模型服务器在国外，自动下载会比较久，所以我们可以先下载到本地。 git clone https://gitee.com/tyx6/gazebo_models.git # 检测文件夹 ~/.gazebo/models 是否存在，如果不存在就创建文件夹 if [ ! -d "~/.gazebo/models" ]; then mkdir -p ~/.gazebo/models ;fi mv ./gazebo_models/* ~/.gazebo/models/ 或者也可以用下面提供的 ZIP 压缩包，将该压缩包里的模型文件放在 ~/.gazebo/models/ 路径下，然后可以看到很多模型文件。 如果下载慢，可以从网盘里下，或者从QQ群(961297255)里下载 链接： 百度网盘 请输入提取码 提取码：ud28 2. 编译 cd ~/PX4_Firmware make px4_sitl_default gazebo # 这步可能有点慢 出现类似下图，表示编译成功 注：如果运行后终端有下图报错，这个不影响仿真，不用管也行。这是因为 gazebo 会检查 models 文件夹下是否有 model.config 文件，但是 .git 文件夹不属于 model 文件，那自然也不会有 model.config 文件。如果觉得难受就从其他model.config文件复制修改一个过来，或者删掉 .git 文件夹。 3. 配置环境 将下面语句添加到 ~/.bashrc(此文件在主目录下，是个隐藏文件) 文件中（前两个source顺序不能颠倒，路径要根据自己的实际路径修改，如果一直按照我的步骤来，应该是不用修改） gedit ~/.bashrc # 打开文件 source ~/catkin_ws/devel/setup.bash # 可选 source ~/PX4_Firmware/Tools/setup_gazebo.bash ~/PX4_Firmware ~/PX4_Firmware/build/px4_sitl_default export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware/Tools/sitl_gazebo v1.14 source ~/catkin_ws/devel/setup.bash # 可选 source ~/PX4_Firmware/Tools/simulation/gazebo-classic/setup_gazebo.bash ~/PX4_Firmware ~/PX4_Firmware/build/px4_sitl_default export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware/Tools/simulation/gazebo-classic/sitl_gazebo-classic 注： 为了方便大家，我做了一个自动添加环境的脚本，效果与手动添加等同，只要有一个成功就行。 首先下载脚本，然后将脚本放入你的 PX4 源码目录下，再执行（以我的为例） cd ~/PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/setenv.sh # 添加可执行权限 chmod +x setenv.sh ./setenv.sh 执行完后如下所示 再运行（最好重启一下 Ubuntu ）： source ~/.bashrc 关掉终端，再次打开，会像下图一样： 4. 测试 在终端输入下面命令： roslaunch px4 mavros_posix_sitl.launch 注： 有时启动Gazebo会出现奇怪的报错，这时可以通过 killall -9 gzclient 和 killall -9 gzserver 彻底关闭Gazebo，再启动roslaunch尝试解决，或通过重启电脑尝试解决。 打开另一个终端，运行下面命令，查看MAVROS与仿真无人机通信状况。 若connected: True，则通信成功，如果是false，一般是因为 .bashrc 里的路径写的不对，请仔细检查。 rostopic echo /mavros/state | grep connected # 只查看 connected 信息 rostopic echo /mavros/state # 只查看全部信息 到这 PX4 无人机基本仿真环境就搭建完成了，大家可以基于此来拓展自己的仿真。 参考 仿真平台基础配置（对应PX4 1.13版） (yuque.com) PX4 documentation 2 个帖子 - 2 位参与者 阅读完整话题
希望这次不要炸了！！ 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 1 日消息，据新华社今日从中央空管办获悉，中央空管办日前会同国家发展改革委、公安部、中国民航局等多部门，在 上海市、四川省无人机管制空域内划设固定专用空域，采取“政府协同管理、行业指导监管、用户随报随飞”模式 （即“扫码飞”），实现空域资源持续精细化保障。 IT之家获悉，据中央空管办有关负责人介绍，近期，在有关军民航空管部门支持下，上海市在景区开辟专用空域，在确保安全的前提下，让市民在家门口享受低空飞行乐趣；四川省以“低空 + 文旅”融合为抓手，实践探索“扫码飞”服务，打通公众参与低空活动的“最后一公里”。 这名负责人表示，中央空管办、国家发展改革委、公安部、中国民航局等部门 致力于在保证航空安全、公共安全和国家安全的前提下，合力推广“扫码飞” ，引导公众合法飞行、有序飞行、安全飞行。
IT之家 6 月 1 日消息，星际荣耀今日宣布，近日利用“星际归航”号海上回收船，在广东阳江海域圆满完成了 SQX-3 运载火箭海上回收高精度导航系统无人机挂飞试验 ，各项技术指标满足设计要求。 官方表示，此次试验的顺利完成，标志着 SQX-3 可回收运载火箭箭船协同的高可靠高精度导航系统完成了所有的地面验证工作，具备了参加飞行试验的条件。 箭船高精度导航系统是 SQX-3 运载火箭海上回收任务中的核心系统 ，可在火箭在海上回收的最后阶段为其提供与海上回收船间的高可靠及高精度相对导航定位信息，是实现运载火箭在高动态复杂海况下精准、平稳着陆于海上回收船甲板指定位置的重要保障。 相较于陆地回收，海上回收须面临在南海海域复杂海况下的回收船漂移、晃动，海杂波，海面风场多变等诸多不利因素，对火箭箭船导航系统提出了很高的要求。 IT之家获悉，本次挂飞试验创新地采用了“无人机挂飞 + 海上回收平台”半实物飞行动态模拟方案，对火箭回收着船最后阶段可能出现的各种工况进行了真实海况下的全面模拟，并开展了无人机飞行验证。 试验中，无人机搭载的箭载设备与海上回收平台船载设备均工作正常，箭船设备协同有序，箭船链路稳定可靠，相对导航定位解算正常，能够按要求持续输出火箭在回收船上动态着陆所需要的各种信息，各项性能指标均优于设计要求，充分验证了该系统在复杂海洋环境下的工作可靠性和性能指标， 为 SQX-3 运载火箭一子级海上精准回收提供了完备的数据支撑与技术保障 。
IT之家 5 月 31 日消息，在最近结束的军事智能技术装备博览会上，一款新型“无人机克星”——AU100 型无人机综合反制系统正式亮相。 据央视《砺剑》节目报道，该系统集成在一辆机动车辆上，能够在车内完成从锁定空中目标到侦察、击落的全部操作流程，实现单平台全流程闭环反制。 该系统由总部位于湖北武汉的普宙科技有限公司研发。据该公司在 2026 深圳世界无人机大会上透露，AU100 型系统集“察、打、联、布、数”五大功能于一体，具备车载机动部署能力，可对 5 公里范围内的违规飞行无人机进行精准探测与多手段反制。 具体而言，系统的车顶集成了红外热成像、雷达、信号干扰等多类传感器和对抗装备，构建起一套“红外感知 + 多谱融合 + 全流程反制”的无人机防控体系。在探测层面，雷达与光电传感器负责发现和识别目标，红外热成像系统则可在夜间或复杂气象条件下维持对低空目标的持续跟踪。 在打击方式上，参展商介绍该系统整合了从“软”到“硬”的多种打击手段。所谓“软杀伤”，主要依托无线电干扰技术，通过对无人机通信链路和导航信号实施压制或欺骗，使其失去控制、被迫返航或降落。 与此同时，系统还集成了多样化的“硬杀伤”物理拦截方式，包括网捕和可回收的巡飞网捕器等，由无人机搭载网捕装置飞向目标，通过物理方式在空中将其捕获。 此外，该系统还配备喊话驱离功能，可在反制行动前对无人机操控者发出警告。在硬杀伤方面，AU100 系统还可选配高能激光，用于摧毁构成严重威胁的无人机目标。 值得关注的是，该系统的研发团队还在持续推进技术升级。参展商透露，后续还将进一步拓展动能拦截无人机，专门针对高速飞行的 FPV（第一人称视角）无人机。这种动能拦截无人机的拦截速度可达到 110 米 / 秒，约合 396 公里 / 小时，主要应对当前在战场上和低空违规飞行中日益猖獗的高速穿越机威胁。 IT之家注意到，此前在今年 5 月召开的 2026 世界无人机大会上，AU100 系统曾进行首次公开展示，当时吸引了大量国内外客户关注，展位日均客流量达到 1.5 万至 2 万人次，反映出无人机反制市场正在从边缘走向中心。
IT之家 5 月 31 日消息，西北工业大学航天学院、西安电子科技大学的科研人员开发出了一种新算法，有望从根本上改变无人机蜂群搜索和摧毁敌方目标的方式。 该算法名为 HG-STR（异构图时空推理），据称能让固定翼无人机机群在通信被干扰、视野受阻的情况下，自主搜索广阔战场并消灭每一个敌方目标。相关成果已经发布在中国期刊《航空学报》上。 仿真实验表明，相比传统规则算法任务完成率提升了 37.14%；相比全局优化算法，单步决策耗时从秒级降低至毫秒级；且在通信半径极度受限的弱连通条件下仍能保持 94% 的任务成功率。 该算法在模拟测试任务中实现了了 96% 的成功率、100% 的目标杀伤率，并且运行速度足以跟上现代战争的节奏。这是已知首个能够达到 100% 杀伤率且保持足够响应速度的算法。 传统算法将友军、敌军、地形等信息都视为同一类型的数据进行处理。西安西北工业大学航天学院副教授张栋带领的团队指出，这种方式会造成混乱。他们的新方法构建了一个“异构图”，其中每个对象都被赋予其真实含义的标签：友军无人机是一种节点，搜索区域是另一种节点，敌方目标则是完全不同的第三种节点。该算法能学会关注正确的连接关系 —— 当一架无人机发现目标时，该信息会被当作高优先级威胁；当附近有队友时，则被视为协作机会。张东和同事们表示，这使得蜂群能够瞬间理解该帮助谁、该猎杀谁。 传统的基于规则的系统（如同预先编写的脚本）在敌人不按脚本出牌时会失效。而大多数现有的优化方法（如下棋计算机计算每一步）则速度太慢。 张栋在论文中写道，在激战中，这些方法需要数秒才能做出决策，“而在这段时间里，一架无人机可以盲目飞行近 600 米 —— 在激烈的电磁对抗中，这是致命的延迟”。相比之下，HG-STR 算法做出决策仅需 6.6 毫秒，较旧方法实现了巨大飞跃。 在模拟实验中，研究团队直面战场的混乱环境。敌方干扰可能切断通信链路，使无人机陷入孤立，而无人机自身的传感器只能看到一小片地面。为应对这些挑战，团队首先为每架无人机配备了“记忆”：当一架无人机与队友失联时，它会依靠一个特殊的记忆模块（门控循环单元）来记住友军最后的位置以及敌人最后出现的位置。其次，他们设计了一个分层决策机制：无人机首先决定目标是“搜索还是打击”，然后选择具体目标，最后决定使用多少弹药。通过将问题分层分解，无人机避免了试图同时处理所有事情而导致的混乱。 在团队的模拟实验中，即使通信半径受到严重限制，该算法仍然实现了对敌方目标的 100% 消灭率，包括那些隐藏在视线之外的目标。实验还表明，该算法可以在一个小场景中完成训练，然后即时部署到一个更大的场景中，无需重新训练即可应对更多的无人机和更多的目标。 评审专家表示，目前大多数无人机操作仍由人类飞行员远程控制。“这项技术预示着这样一个未来：蜂群无人机可以被派往高风险、受干扰的环境，在断绝与人类指挥的联系后，带着一条最终指令执行任务：找到并消灭所有目标。” 展望未来，研究团队计划将该算法从实验室带到现实世界。他们希望使其更加稳健，不仅能够应对通信中断，还能处理消息延迟和数据损坏。 科研人员在论文中写道：“未来的工作将聚焦于探索该算法在计算能力有限的嵌入式机载平台上的轻量化部署和实飞验证。” IT之家附论文地址： https://doi.org/10.7527/S1000-6893.2026.33373
创业最快的方式：寄生 我认识一个朋友，目标特别朴素：赚钱。 前几年大疆无人机爆火，他也买了一台。玩了没几天就发现痛点： 电池太不经飞，十几分钟就要降落。 遥控器摇杆偏硬，玩久了手指酸。 普通人最多骂两句产品经理，他直接去看有没有人愿意为这些问题花钱。 结果一搜，副厂高续航电池、软手感摇杆、静音桨叶、滤镜、起落架，全都有需求。 他没开厂，也没研发。 就在淘宝开店，抖音发视频，专门卖无人机增强配件。货从华强北拿，需求从评论区找。 有人吐槽无人机收纳麻烦，他就找工厂做了一款包，能装无人机、遥控器和好几块电池。视频一发，评论区全是问链接的，他立刻上架。 一个人，一部手机，一个抖音号，一个淘宝店，就跑起来了。 去年吃饭，我问他赚了多少。 他伸出三根手指。 我说三十万？ 他说，后面再加个零。 靠卖无人机配件，一年三百万。 很多人创业总想自己造一个苹果、大疆、特斯拉，但真正更快的方式，是寄生在它们身上。 大公司负责教育市场，负责砸钱铺路，负责让用户掏第一笔钱。 小团队只要盯住那些没被满足的小痛点，就能从缝隙里长出来。 苹果不送充电头，不送耳机，看似省成本，其实也养活了一整条配件生态。 手机壳、贴膜、支架、充电器、耳机、数据线，都是别人赚钱的入口。 大生态越大，边角料越值钱。 普通人创业，别总想着从0到1。 先找一个正在爆发的生态，然后问自己一句： 它还有哪些地方，让用户不爽但愿意付钱解决？ 佬友们怎么看 9 个帖子 - 7 位参与者 阅读完整话题
Ubuntu安装QGC地面站 前言 QGC ( QGroundControl) 是一个开源地面站，基于QT开发的，有跨平台的功能。本教程以 Ubuntu 18.04，QGC v4.2.6 为例，但也适用于其他 Ubuntu 发行版。QGC 版本可以自行选择，如果发现不行可以降低 QGC 的版本。 注：对于最新版稳定版 QGC (v5.0+)，已经不支持旧版 Ubuntu LTS 如：20.04、18.04，仅支持 22.04 或更高的版本 1. 安装依赖 sudo usermod -a -G dialout $USER sudo apt-get remove modemmanager -y sudo apt install gstreamer1.0-plugins-bad gstreamer1.0-libav gstreamer1.0-gl -y sudo apt install libqt5gui5 -y sudo apt install libfuse2 -y 注： 如果你是 Ubuntu 20.04 或更高的版本，使用下面命令： sudo usermod -a -G dialout $USER sudo apt-get remove modemmanager -y sudo apt install gstreamer1.0-plugins-bad gstreamer1.0-libav gstreamer1.0-gl -y sudo apt install libfuse2 -y sudo apt install libxcb-xinerama0 libxkbcommon-x11-0 libxcb-cursor0 -y 2. 下载 打开 官方教程 ，往下滑找到 Ubuntu Linux ，点击下载 （官网上默认下载最新稳定版） 如果需要其他版本，可以打开 releases 找到自己想要的版本，点击 AppImage 后缀的安装包即可。 或者使用下面 提供的安装包(v4.2.6) https://wwl.lanzout.com/i4FKL1u020hg 密码:4d0o 还要稍微处理一下，改个名: mv QGroundControl.appimage QGroundControl.AppImage 3. 安装 浏览器默认下载到 Downloads 目录 cd ~/Downloads/ chmod +x QGroundControl.AppImage ./QGroundControl.AppImage 4. 错误解决 错误 ： 缺少依赖 ，输入下列命令： sudo apt-get install libsdl2-mixer-2.0-0 libsdl2-image-2.0-0 libsdl2-2.0-0 错误 ： 缺少依赖 ，输入下列命令： sudo apt install libpulse-mainloop-glib0 错误 ： /tmp/.mount_QGrounh5iaaC/QGroundControl: /lib/x86_64-linux-gnu/libm.so.6: version `GLIBC_2.29' not found (required by /tmp/.mount_QGrounh5iaaC/QGroundControl) /tmp/.mount_QGrounh5iaaC/QGroundControl: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.26' not found (required by /tmp/.mount_QGrounh5iaaC/QGroundControl) 原因是系统的 glibc 库版本低于 QGC 的要求，但是这是系统库，不建议升级，所以重新下载低版本的 QGC 就可以了。 错误 : QGC 打开一直不显示地图，且为白。原因是网络问题，地图数据下载失败 先打开下面链接，下载地图数据包，然后再解压 https://wwit.lanzout.com/iXcMI35ptlnc 执行下面命令： rm -rf ~/.cache/QGCMapCache300 cp -r ./QGCMapCache300 ~/.cache/ 再次运行，成功！（后面就可以双击安装包打开了）(QGC版本不同界面也会有些许差别，以实际为准) 注： 如果不习惯英文界面在设置里更换 参考 官方教程 PX4 documentation 打开地面站错误，缺少组件error while loading shared libraries：libSDL2-2.0.so.0: cannot open shared object file: N-CSDN博客 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 5 月 29 日消息，据央视新闻报道，美国联邦航空局 5 月 28 日表示，在 2026 年美加墨世界杯比赛期间， 该局将在比赛场地、球迷活动场所和球队所在地设立“无人机禁飞区” 。 美国联邦航空局在声明中说，该局将与美国土安全部和司法部协调，在美国各地举办世界杯比赛和相关球迷活动的体育场上空设立临时飞行限制区，以帮助保护参与者和观众。 在比赛日，除非获得特别授权，包括无人机在内的所有航空器将 被禁止在体育场周围 3 英里（IT之家注：约 4.8 公里）半径范围内、地面以上 3000 英尺（约 910 米）的高度内飞行 。 针对承办城市在体育场和其他地点举办的球迷活动，无人机禁飞区范围为半径 1 英里（约 1.6 公里）、地面以上 1000 英尺（约 300 米）高度内。其他地点，包括球队所在酒店、大本营和训练设施，也将实施无人机限制措施。 声明列出了实施“无人机禁飞区”的相关地点和日期，并强调违规者可能面临 最高 10 万美元 （现汇率约合 67.9 万元人民币）罚款、无人机被没收以及联邦刑事指控。
看朋友组装无人机，想着自己也做一个，遥控器部分使用了esp32加上买来的遥控器板子，全是线，不好用啊，自己手搓一个吧。 既然手搓了，要有摇杆，再多加几个按钮，这些都有了再加个屏幕吧。 开始画电路板了，不是很懂，好在有ai的帮助，终于出了第一版，仅仅画了一个转接板，难度少了不少。ai给了我画电路板、挑选元器件的思路。 收到货了，绿油油的，感叹现在产业链的完整，做板子很便利 新买了电烙铁和各种元器件都到了 焊接完成了，开始没经验，一上电就发热严重，可能是我焊接时有短路。重新焊一块板子就好了，今天起我就是焊武帝。 点亮成功，就是浪费了几块板子 下一步想做个ai玩具 3 个帖子 - 3 位参与者 阅读完整话题
据知情人士透露，特朗普政府目前正与一批私营无人机制造公司进行深入的融资协议谈判，此举旨在大幅增加美国国内的无人机产量，并降低这种在现代冲突中日益关键的武器的制造资本。 据悉，潜在的交易形式可能包括债务和股权激励的组合，这意味着美国政府未来可能会直接持有这些私营无人机公司的部分股份。 这些潜在的战略投资是在多家私营无人机企业与五角大楼进行了数月磋商后推进的。参与磋商的还包括五角大楼旗下的战略资本办公室（OSC），该办公室拥有约2100亿美元的贷款权限，最初由拜登政府设立，旨在为对国家安全供应链至关重要的企业提供资金。知情人士强调，目前的谈判仍处于关键的磋商阶段，五角大楼的交易合规人员正在对相关企业进行严格审查，最终条款尚未敲定。国防部官员对此回应称，不对尚未做出最终决定的事项发表评论，任何最终决策都将在稍后以官方公告形式发布。 知情人士明确表示，这笔资金的最终目的并非直接采购无人机，而是为了支持制造商扩建生产线以保障供应，同时通过规模效应压低价格。这一努力与五角大楼推行的“无人机主导”（Drone Dominance）计划高度契合。该计划是一项总额达11亿美元的倡议，旨在到2027年底前集结约30万架低成本攻击无人机。目前，许多美制无人机的售价比五角大楼设定的每架5000美元的价格上限高出数万美元。国防官员普遍认为，美国必须大幅提升制造产能并压低成本才能实现战略目标。根据2025年的估算数据，美国目前的无人机年产能上限仅为10万架，而作为对比，乌克兰在去年就制造了约400万架。长期以来，美国无人机行业普遍指责国防部采购量不足，导致企业缺乏资金来扩大后续生产。 目前已被五角大楼纳入潜在融资考察范围的企业包括：已获得美国陆军侦察无人机合同的Performance Drone Works（PDW），该公司此前已从投资者处筹集了近2亿美元；风险投资公司红杉资本支持的初创企业Neros Technologies，该公司主要生产小型第一人称视角（FPV）无人机，已筹集超过120亿美元，并在近期的“无人机主导”竞赛中获得第二名，其微型无人机还曾出现在国防部长皮特·海格塞斯7月宣布加速国内生产新政的视频中；此外还包括公开上市的无人机零部件供应商Unusual Machines，小唐纳德·特朗普是该公司的股东兼顾问委员会成员，该公司近期还投资了由小唐纳德·特朗普和埃里克·特朗普支持的另一个无人机项目，并与中国无人机供应商达成了相关交易。 这场由五角大楼主导的交易谈判，释放出了美国军方迄今为止将全力支持无人机初创企业的最强信号。根据美国国防创新局（DIU）的数据，在特朗普第二任期开始之前，五角大楼的采购额在全美每年商业和政府无人机系统总销售额中的占比甚至不足2%。然而，随着五角大楼寻求大幅调整预算，这一局面预计将发生根本性转变。国防部目前已为其无人机核心指挥机构——国防自主战争小组（DAWG）——申请了超过540亿美元的预算，而在今年，该机构的预算总额仅为2.25亿美元左右。 查看评论
各位佬，接到一个无人机模拟飞行的项目，主要用于教学、培训场景。 之前没做过无人机行业的东西，拼命补充学习相关知识中。 这里的无人机主要指多旋翼无人机。 想请教有没有做过类似系统的，有没有开源的项目可以借鉴或者使用的？ 5 个帖子 - 4 位参与者 阅读完整话题
# MAVROS安装 ### 前言 MAVROS是一个ROS（Robot Operating System）软件包 ，有了它就可以让ROS与飞控通信。这次安装 ROS1 是以ubuntu 18.04 (ROS1 Melodic)为例，ROS2 是以ubuntu 22.04 (ROS Humble)为例，也适用于其他版本（ROS1与ROS2 都可以）。 （注：安装方式有二进制安装和源码安装两种方式，源码安装需要从GitHub上下载源码，推荐二进制安装） 注：在 Ubuntu 20.04，ROS2 foxy 中，启动 px4.launch 可能会遇到 InvalidLaunchFileError，ValueError 之类的错误，这是 Foxy 中的MAVROS2 2.4.0版本会有这个问题，换版本就行，可以参考这个 教程 1. 二进制安装 下载安装： sudo apt install ros-$ROS_DISTRO-mavros ros-$ROS_DISTRO-mavros-extras # 安装 GeographicLib datasets: wget https://gitee.com/tyx6/mytools/raw/main/mavros/install_geographiclib_datasets.sh chmod a+x ./install_geographiclib_datasets.sh sudo ./install_geographiclib_datasets.sh #这步可能需要装一段时间 注：如果10分钟了都没安装好，可以参考后面[安装 GeographicLib datasets 缓慢的章节]( #3 . 安装 GeographicLib datasets 缓慢) 更新环境： source ~/.bashrc 2. 源码安装 注：源码安装之前，必须确保 ROS 已经配置了 rosdep ROS1 安装依赖 sudo apt-get install python-catkin-tools python-rosinstall-generator -y # For Ros Noetic use that: # sudo apt install python3-catkin-tools python3-rosinstall-generator python3-osrf-pycommon -y 创建 ROS1 工作空间（如果之前有就不用了）后面的步骤都要在 catkin_ws 目录下执行 mkdir -p ~/catkin_ws/src cd ~/catkin_ws catkin init wstool init src 下载源码和依赖： cd ~/catkin_ws rosinstall_generator --rosdistro $ROS_DISTRO mavlink | tee /tmp/mavros.rosinstall rosinstall_generator --upstream mavros | tee -a /tmp/mavros.rosinstall wstool merge -t src /tmp/mavros.rosinstall wstool update -t src -j4 # 这步会把源码下载到本地，访问的是GitHub，可能会失败，多试几次 rosdep install --from-paths src --ignore-src -y # 安装依赖 安装 GeographicLib datasets ： cd ~/catkin_ws sudo ./src/mavros/mavros/scripts/install_geographiclib_datasets.sh #这步可能需要装一段时间 注：如果10分钟了都没安装好，可以参考后面[安装 GeographicLib datasets 缓慢的章节]( #3 . 安装 GeographicLib datasets 缓慢) 编译： cd ~/catkin_ws # 编译源码 大概需要几分钟 catkin build 编译成功 配置环境 echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrc source ~/.bashrc #使环境生效 ROS2 安装依赖 ： sudo apt install -y python3-vcstool python3-rosinstall-generator python3-osrf-pycommon python3-colcon-common-extensions 创建 ROS2 工作空间（如果之前有就不用了）后面的步骤都要在 ros2_ws 目录下执行 mkdir -p ~/ros2_ws/src 下载源码和依赖： cd ~/ros2_ws/ rosinstall_generator --format repos mavlink | tee /tmp/mavlink.repos rosinstall_generator --format repos --upstream mavros | tee -a /tmp/mavros.repos vcs import src < /tmp/mavlink.repos vcs import src < /tmp/mavros.repos # 这两个命令比较考验网络，如果失败，多执行几次即可 rosdep install --from-paths src --ignore-src -y 安装 GeographicLib datasets ： cd ~/ros2_ws/ sudo ./src/mavros/mavros/scripts/install_geographiclib_datasets.sh #这步可能需要装一段时间 注：如果10分钟了都没安装好，可以参考后面[安装 GeographicLib datasets 缓慢的章节]( #3 . 安装 GeographicLib datasets 缓慢) 编译： cd ~/ros2_ws/ colcon build # 大概10分钟左右，跟电脑性能有关 配置环境 echo "source ~/ros2_ws/install/setup.bash" >> ~/.bashrc source ~/.bashrc #使环境生效 3. 安装 GeographicLib datasets 缓慢 鉴于每个人环境不同，在执行 install_geographiclib_datasets.sh 脚本时，有的人很快，有的人几十分钟都安装不好，如果出现这种情况可以使用我修改的脚本。 注：此方法不一定对每个人有效。 git clone https://gitee.com/tyx6/geographiclib_datasets_tools.git cd geographiclib_datasets_tools/ chmod a+x ./install_geographiclib_datasets.sh sudo ./install_geographiclib_datasets.sh 4. 检测 如果可以跳转那就代表安装成功，如果不行，重新执行配置环境这一步，记得将之前添加的删掉 ROS1： roscd mavros ROS2： ros2 pkg prefix mavros 如果用方式法一，结果大致如下： ROS1: ROS2: 如果是方式法二，结果大致如下： ROS1: ROS2: 参考 mavros官方教程ROS1 PX4 documentation mavros/mavros/README.md at ros2 · mavlink/mavros · GitHub 如有其他问题，或者发现文章有错误，请在评论区留言 Keep learning！ 1 个帖子 - 1 位参与者 阅读完整话题
现在 CAAC 无人机证很不好考，地面站题目越来越难，不过对于我来说，那是 so easy ，我 4 分钟多就能做完地面站题目。 CAAC 无人机证现在的难点主要是在地面站，经纬度，风向是必考点，图一般出的不难。华北地区里面，山西 01, 河北 04, 北京 02 的地面站题目基本上都不难 以后可能的想法就是把编程技术，还有 AI 和无人机做一个结合