课程导入：学习目标、适用人群、课程整体框架与学习路径
欢迎来到《PX4无人机AI入门：边缘识别、MAVLink和飞控联动》的第一章。在正式开始技术细节之前，我们需要先回答三个关键问题：这门课要带你到哪里去？（学习目标）、谁最适合踏上这段旅程？（适用人群）、以及我们如何一步步抵达终点？（课程框架与路径）。这一章是整个课程的“导航地图”，它将帮助你建立全局视野，避免在后续学习过程中迷失方向。无论你是刚接触无人机开发的新手，还是已有一定基础、希望向AI方向拓展的工程师，清晰理解本章内容都将为你后续的实践打下坚实的认知基础。
上图展示了本课程的整体学习路径。可以看到，课程被清晰地划分为四个递进模块，从基础准备到综合实战，每一步都建立在前一步的基础上。下面我们将详细拆解每个模块的内容、学习目标以及它们之间的逻辑关系。
1.1 学习目标：你将获得什么能力？
本课程的核心目标是帮助你构建一套完整的“感知-决策-执行”闭环能力。具体而言，完成本课程后，你将能够：
- 理解PX4与MAVLink核心机制：掌握PX4飞控的软件架构、进程通信方式，以及MAVLink协议的数据结构、消息类型和通信模式。这是所有后续开发的基础。
- 独立部署边缘AI推理环境：能够在树莓派、Jetson Nano或RK3588等主流边缘计算设备上，完成深度学习模型（如YOLOv5/v8）的部署、优化和实时推理，实现对人、车、物等目标的稳定识别。
- 实现视觉信息与飞控指令的实时联动：学会编写程序将AI识别结果（如目标像素坐标、类别、置信度）转换为MAVLink指令（如SET_POSITION_TARGET_LOCAL_NED），并发送给PX4飞控，驱动无人机执行跟踪、悬停、返航等动作。
- 构建完整的自主飞行应用：能够独立设计并实现一个简单的自主巡检或目标跟踪任务，包括任务逻辑编写、安全保护机制（如地理围栏、低电量保护）和异常处理。
- 具备系统级调试与优化能力：面对通信延迟、识别丢帧、控制震荡等常见问题，能够利用日志分析、参数调优、代码审查等手段定位并解决问题。
1.2 适用人群：这门课适合谁？
考虑到课程内容的综合性，我们为不同背景的学习者设计了合理的入门坡度。以下人群将最适合本课程：
| 人群类型 | 背景特征 | 课程价值 |
|---|---|---|
| 嵌入式/机器人开发者 | 熟悉C/C++或Python，了解Linux基本操作，对硬件接口有一定认知，但未深入接触过PX4或MAVLink。 | 快速掌握无人机AI开发的完整链路，将已有的编码能力迁移到无人机平台，拓展职业边界。 |
| AI算法工程师 | 熟悉深度学习模型训练与部署，但对飞控原理、通信协议和实时系统缺乏了解。 | 补齐“AI落地到物理世界”的关键短板，学会如何让模型输出真正驱动硬件执行。 |
| 无人机行业应用从业者 | 使用过商业飞控（如大疆），了解基本飞行操作，希望开发定制化AI功能（如电力巡检、农业监测）。 | 摆脱对封闭商业平台的依赖，掌握开源软硬件栈，实现功能定制与成本控制。 |
| 相关专业学生/研究者 | 自动化、计算机、航空航天等专业，具备基础编程能力，对无人机与AI结合方向有研究兴趣。 | 获得从理论到实践的完整项目经验，为毕业设计、科研课题或竞赛提供技术支撑。 |
前置技术要求：为了确保学习效果，建议你具备以下基础：① 至少熟悉一门编程语言（Python或C++）；② 了解Linux命令行基本操作（如cd、ls、vim、pip等）；③ 对ROS（机器人操作系统）有基本概念者更佳，但不是必须。如果你暂时不满足这些条件，建议先花一周时间补充相关基础知识。
1.3 课程整体框架：四大模块，层层递进
本课程共30章，分为四个逻辑紧密的模块。每个模块都包含理论讲解、代码实践、案例拆解和常见误区分析，确保你不仅“听得懂”，更能“做得出”。
模块一：基础与准备（第1-5章）
这个模块是整个课程的基石。你将首先了解PX4飞控的软件架构（包括uORB消息机制、模块化设计），然后深入学习MAVLink协议——这是连接机载计算机与飞控的“通用语言”。我们会手把手带你搭建开发环境，包括安装PX4工具链、配置QGroundControl地面站、以及建立机载计算机与飞控的串口/网络通信。学完本模块，你将能够通过命令行或脚本发送简单的MAVLink指令，控制无人机解锁、起飞。
模块二：边缘AI与视觉（第6-15章）
这是课程的技术核心之一。我们将聚焦于“边缘计算”场景，探讨为什么在无人机上不能依赖云端AI。你会学习如何选择合适的边缘计算设备（对比树莓派4B、Jetson Nano、RK3588等），如何部署轻量化目标检测模型（YOLO系列），以及如何优化推理速度（TensorRT加速、模型剪枝）。更重要的是，我们会教授如何从摄像头实时获取视频流，并将每一帧的检测结果（目标框坐标、类别）以结构化数据的形式输出，为下一模块的“联动”做准备。
模块三：飞控联动（第16-25章）
这是将AI“落地”到飞行的关键环节。你将学习如何编写一个常驻后台的“联动程序”，它持续接收来自AI模块的检测结果，根据预设逻辑（如“跟踪目标”、“飞向目标点”）生成相应的MAVLink消息，并通过串口或UDP发送给PX4飞控。我们会深入讲解SET_POSITION_TARGET_LOCAL_NED、SET_ATTITUDE_TARGET等关键消息的字段含义和填充方法，并讨论如何解析飞控回传的LOCAL_POSITION_NED、ATTITUDE等状态消息，形成闭环控制。此外，安全机制（如失控保护、地理围栏）也是本模块的重点。
模块四：综合实战（第26-30章）
最后，我们将综合运用前三模块的知识，完成两个完整的实战项目：项目一：移动目标自动跟踪（无人机锁定并跟随地面移动小车）；项目二：电力巡检模拟任务（无人机沿预设航线飞行，自动识别绝缘子缺陷并拍照记录）。在实战中，你将经历从需求分析、系统设计、代码实现到真机（或仿真）调试的全过程，并学习如何排查通信故障、优化控制参数。
1.4 学习路径与建议：如何高效学习？
为了最大化你的学习收益，我们建议遵循以下路径和策略：
- 顺序学习，不跳步：模块一的基础知识是后续所有内容的支撑。尤其是MAVLink协议，如果理解不透彻，后续的联动开发将寸步难行。建议按章节顺序学习，每章结束后完成课后练习。
- 仿真先行，真机谨慎：课程中所有案例均提供Gazebo仿真环境下的运行方法。强烈建议你先在仿真中跑通所有代码，理解逻辑后再考虑真机实验。真机实验务必在开阔、安全、合法的场地进行，并严格遵守当地无人机法规。
- 动手实践，代码驱动：本课程约70%的内容是实践性的。不要只看代码，一定要亲手敲一遍、运行一遍、修改参数观察效果。遇到报错是好事，解决报错的过程就是能力提升的过程。
- 善用日志与调试工具：学会使用
echo命令查看uORB主题、使用QGroundControl的MAVLink Inspector分析消息、使用gdb或pdb调试程序。这些工具是你排查问题的“眼睛”。 - 建立项目笔记：建议为每个章节建立一个Markdown笔记，记录关键概念、代码片段、遇到的问题及解决方案。这将是你未来工作中最宝贵的参考资料。
1.5 常见误区与总结复盘
在多年的教学和项目实践中，我们发现初学者在学习这类交叉学科课程时，容易陷入以下几个误区。提前了解它们，可以帮助你少走弯路。