无人机与PX4基础：多旋翼无人机组成、PX4飞控架构、主要模块与工作原理
在开始学习PX4与AI边缘识别之前，必须先建立对无人机硬件平台和飞控软件架构的整体认知。多旋翼无人机是一个典型的嵌入式实时系统，它由机械结构、动力系统、传感器、计算单元和通信链路共同构成。PX4作为当前最成熟的开源飞控固件，其架构设计直接决定了我们后续编写AI识别程序、接入MAVLink消息、控制飞行行为的可行路径。本章将拆解多旋翼无人机的物理组成，梳理PX4的内部模块与数据流，并说明各模块如何协同完成从“感知”到“执行”的闭环。
上图展示了从硬件到应用层的完整链路。PX4飞控固件运行在FMU（Flight Management Unit）上，通过传感器驱动获取原始数据，经过状态估计模块融合出姿态和位置信息，再由控制模块计算电机指令，最终通过混控器输出到电调。机载计算机作为AI边缘识别的主要载体，通过MAVLink协议与PX4进行双向通信——既接收飞控的状态数据，也能发送任务指令或位置设定点。
2.1 多旋翼无人机的硬件组成与关键部件
多旋翼无人机（以四旋翼为例）的硬件系统可以划分为五个子系统：机架与动力、传感器、飞控计算单元、通信链路、电源管理。每个子系统都有明确的工程约束，理解这些约束是后续进行AI集成和飞控调参的基础。
| 子系统 | 核心部件 | 关键参数/接口 | 对AI任务的影响 |
|---|---|---|---|
| 动力系统 | 电机、电调、螺旋桨、电池 | KV值、最大推力、PWM频率（400Hz）、电压范围 | 载重限制AI计算硬件重量；电池续航决定任务窗口 |
| 传感器 | IMU、磁力计、气压计、GPS | IMU更新率≥500Hz，GPS精度1-2m | 视觉识别结果需要与IMU数据融合才能实现稳定悬停跟随 |
| 飞控硬件 | STM32F7/H7、IO协处理器 | UART×6+、SPI、I2C、CAN、PWM输出 | 串口资源决定AI计算机连接方式；计算资源有限，AI推理需在机载电脑完成 |
| 通信链路 | 数传（915MHz/2.4GHz）、接收机 | MAVLink波特率57600-921600 | 高带宽需求（如图传）需单独链路，避免挤占飞控通信 |
| 电源管理 | PMU（电源管理单元）、BEC | 5V/3A稳定输出，电压检测精度±0.1V | AI计算机（如Jetson）功耗高，需独立稳压模块 |
在实际项目中，一个常见的误区是只关注飞控本身而忽略动力系统的冗余设计。例如，当AI识别到目标并需要快速加速跟踪时，如果电机推力余量不足，飞控输出的控制指令会迅速饱和，导致跟踪失败甚至姿态失稳。因此，在选型阶段就要根据无人机总重量（含AI设备）估算悬停油门百分比，通常建议悬停油门在40%-60%之间。
2.2 PX4飞控架构：从NuttX到应用层
PX4基于NuttX实时操作系统（RTOS）构建，采用模块化设计。每个功能模块（如传感器驱动、EKF2、多旋翼控制器）都是一个独立的POSIX进程，模块之间通过uORB（Micro Object Request Broker）消息总线进行异步通信。这种架构带来了两个关键优势：一是模块崩溃可以单独重启而不影响整个系统；二是新增自定义模块（如AI识别结果注入）非常方便，只需订阅或发布对应的uORB主题即可。
核心原理：uORB消息总线
uORB是PX4内部的数据中枢。例如，IMU驱动发布 sensor_imu 主题，EKF2订阅该主题并发布 vehicle_attitude 和 vehicle_local_position，多旋翼位置控制器订阅位置主题，输出 actuator_controls_0 给混控器。这种发布/订阅模式解耦了模块间的依赖关系。当我们在机载计算机上运行AI识别时，可以通过MAVLink将识别结果（如目标相对位置）发送给PX4，PX4内部将其转换为 vehicle_setpoint 消息，从而改变飞行行为。
PX4的主要模块及其职责如下：
- 传感器驱动层：负责读取IMU、磁力计、气压计、GPS等原始数据，进行滤波和校准，并以固定频率发布到uORB。该层直接与硬件寄存器打交道，对实时性要求最高。
- 状态估计模块（EKF2）：使用扩展卡尔曼滤波器融合多传感器数据，输出飞行器在本地坐标系（NED）和全局坐标系（经纬度）下的姿态、位置、速度。EKF2是PX4最复杂的模块之一，其参数调优直接影响飞行品质。
- 控制模块：包括角度控制器（mc_att_control）和位置控制器（mc_pos_control）。位置控制器输出期望姿态角，角度控制器输出期望角速度，最终转换为期望推力向量。
- 混控器（Mixer）：将控制模块输出的期望推力、滚转、俯仰、偏航力矩映射到每个电机的PWM/DShot指令。对于四旋翼，混控器根据机架类型（X型或+型）进行矩阵运算。
- MAVLink模块：负责与地面站（QGroundControl）、机载计算机或其他MAVLink设备通信。它维护通信链路状态，处理消息的打包、发送、接收和路由。
- Commander模块：管理飞行模式（手动、定高、位置、任务、Offboard等），并处理安全逻辑（如遥控失联、低电量保护）。
理解PX4的模块划分对于AI开发者至关重要。例如，当我们要实现“AI识别到目标后自动跟踪”功能时，通常有两种路径：一是通过Offboard模式，由机载计算机直接发送速度或位置设定点；二是通过修改或扩展PX4内部模块，将AI输出作为新的控制输入源。前者更简单、更安全，是课程后续章节的重点。
2.3 工作原理：从传感器数据到电机指令的完整链路
以一次典型的姿态稳定飞行为例，PX4的工作流程可以分解为以下步骤：
- 数据采集：IMU以500Hz-1000Hz的频率读取加速度和角速度，GPS以5Hz-10Hz更新位置，气压计以50Hz更新高度。
- 状态估计：EKF2将上述数据与磁力计数据融合，输出频率约250Hz的车辆姿态（四元数）和位置（NED坐标系）。
- 控制计算：位置控制器（10Hz-50Hz）比较期望位置与实际位置，输出期望姿态角；姿态控制器（250Hz）比较期望姿态与实际姿态，输出期望角速度；角速度控制器（500Hz）输出期望扭矩。
- 混控输出：混控器将期望推力与扭矩转换为4个电机的PWM占空比，通过IO协处理器输出到电调。
- 执行反馈：电机转速变化导致机体运动，IMU再次感知运动变化，形成闭环。
整个链路的延迟通常在10ms-20ms之间。对于AI边缘识别应用，这意味着从“AI检测到目标”到“无人机开始响应”至少需要增加一个MAVLink传输周期（通常10ms-50ms）加上飞控内部处理时间。因此，在实时性要求高的场景（如高速目标跟踪）中，应尽量将AI推理结果直接注入PX4内部（通过自定义uORB消息），而不是通过地面站中转。
实战经验：在PX4的Offboard模式下，机载计算机通过MAVLink发送 SET_POSITION_TARGET_LOCAL_NED 消息，消息频率建议在10Hz-30Hz之间。如果频率过低，飞控会因超时退出Offboard模式；如果频率过高，会占用大量串口带宽。推荐使用MAVSDK的 offboard 插件，它内部处理了消息频率和超时逻辑。
2.4 案例拆解：为AI视觉无人机配置PX4环境
假设我们要搭建一台用于“目标识别与跟随”的四旋翼无人机，机载计算机选用树莓派4B（功耗约7W），AI模型使用YOLOv5s。以下是硬件连接与PX4配置的完整过程。
背景与约束：无人机轴距450mm，总重量约1.8kg（含电池和树莓派），悬停油门约55%。飞控为Pixhawk 6C（STM32H743），树莓派通过USB转TTL连接飞控的TELEM2串口，波特率921600。树莓派同时连接一个USB摄像头，用于实时视频流输入。
初始现象：直接连接后，树莓派无法与飞控通信，QGroundControl显示“No MAVLink connection”。
分析过程：首先检查串口设备是否识别（ls /dev/ttyUSB*），然后确认飞控TELEM2端口是否已启用MAVLink。通过排查发现，Pixhawk 6C的TELEM2默认用于GPS，需要修改参数 SER_TEL2_BAUD 为921600，并将 MAV_1_CONFIG 设置为TELEM2。
操作步骤：
# 1. 在QGroundControl中连接飞控，进入参数设置
# 2. 修改参数：
# SER_TEL2_BAUD = 921600
# MAV_1_CONFIG = TELEM2
# MAV_1_MODE = Onboard
# 3. 重启飞控
# 4. 在树莓派上测试连接：
python3 -c "import pymavlink.mavutil as mavutil; m = mavutil.mavlink_connection('/dev/ttyUSB0', baud=921600); m.wait_heartbeat(); print('connected')"结果对比：修改参数后，树莓派成功接收到心跳包，MAVLink消息延迟约5ms。进一步测试，通过MAVSDK发送Offboard速度指令，无人机能够平滑响应。
风险与代价：TELEM2被占用后，如果需要外接GPS，必须改用其他串口（如TELEM1或UART4）。此外，921600波特率对线材质量敏感，建议使用屏蔽双绞线，长度不超过30cm。
复盘经验：PX4的串口配置是AI集成中最常见的故障点。建议在飞控组装完成后，先用QGroundControl验证所有外设通信正常，再连接机载计算机。同时，在树莓派上使用 mavlink-router 或 mavproxy 可以同时管理多个MAVLink连接，便于调试。
2.5 常见误区与总结
风险提示：不要将AI计算机直接连接到飞控的电源输出端。树莓派或Jetson的瞬时电流可能达到3A以上，而飞控的BEC通常只提供1A-2A电流，直接连接会导致电压跌落，引起飞控重启。正确做法是使用独立的5V/5A UBEC，并从电池主电源取电。
以下是初学者在PX4与AI集成中容易犯的错误：
- 忽视传感器校准：加速度计、陀螺仪、磁力计的校准质量直接影响EKF2的估计精度。如果AI识别到的目标位置与飞控实际位置偏差大，往往不是AI算法的问题，而是传感器未校准。
- 混淆Offboard与任务模式：Offboard模式要求外部持续发送设定点，而任务模式由飞控自主执行预先上传的航点。AI动态规划路径时应使用Offboard，固定航线巡检应使用任务模式。
- 忽略MAVLink消息超时：PX4默认在500ms内未收到Offboard消息就会退出该模式。如果AI推理耗时较长（如超过200ms），需要设计心跳机制或降低推理频率。
- 直接修改PX4源码而不做单元测试：虽然PX4支持自定义模块，但任何修改都应先在仿真环境（如Gazebo + PX4 SITL）中验证，再上真机。