1. 课程导入
无人机自主巡航系统，是指无人机在无人工实时遥控或仅需极少人工干预的条件下，依靠机载传感器、导航模块、飞行控制器与任务计算机，按照预设航线或实时感知的环境信息，自主完成起飞、巡航、目标识别、路径调整、降落等完整飞行任务的综合系统。它并非单一硬件或单一软件，而是“感知—决策—执行”闭环的工程化集成体。本课程面向具备基础无人机操作经验或嵌入式开发背景的学员，以实战为导向，从系统架构、硬件选型、飞控调参、感知融合、任务规划到整机联调，逐步搭建一套可复用的自主巡航系统原型。
1.1 自主巡航系统的定义与核心特征
自主巡航系统区别于传统遥控无人机或简单航线飞行器，其核心在于“自主”二字。根据国际民航组织（ICAO）和无人机系统分类标准，自主等级通常分为L0-L5六级。L0为完全人工遥控，L1为辅助飞行（如姿态稳定），L2为执行预设航线但无法应对突发情况，L3为在特定条件下自主决策（如自动避障），L4为高度自主（任务级自主），L5为完全自主（无需人工干预）。本课程实战目标定位于L3-L4级别，即无人机能够在已知或半未知环境中，自主完成巡航任务，并在遇到障碍物、通信中断、低电量等异常情况时，做出合理的局部路径调整或安全决策。
从系统构成来看，一套完整的自主巡航系统必须包含四个子系统：感知子系统（获取环境与自身状态信息）、决策子系统（处理信息并生成控制指令）、执行子系统（将指令转化为物理动作）、通信与地面站子系统（实现人机交互与远程监控）。这四个子系统相互耦合，任何一个环节的短板都会导致整体系统性能下降。例如，即使飞控算法再优秀，如果GNSS信号在树荫下丢失且视觉里程计未融合，无人机仍可能漂移甚至坠毁。
1.2 应用价值与行业需求分析
自主巡航系统在近五年内从军事领域快速扩展到民用市场，其核心驱动力是“降本增效”和“危险替代”。以下从四个典型场景说明其应用价值：
| 应用领域 | 典型任务 | 自主巡航带来的核心价值 | 关键挑战 |
|---|---|---|---|
| 电力巡检 | 输电线路巡检、绝缘子检测 | 替代人工登塔，单架次可巡检10-15公里线路，效率提升5倍以上 | 强电磁干扰、狭小空间避障 |
| 农业植保 | 农田测绘、变量喷洒 | 夜间自主作业，厘米级航线重复精度，减少农药浪费 | 地形起伏、尘土遮挡传感器 |
| 应急搜救 | 灾后区域搜索、物资投送 | 进入危险区域，24小时不间断巡航，热成像辅助定位 | GPS拒止环境、动态障碍物 |
| 物流配送 | 末端配送、医疗样本运输 | 点对点自主飞行，避开拥堵地面交通，时效性可控 | 城市峡谷、法规限制 |
从技术成熟度曲线来看，自主巡航系统正处于“泡沫破裂期”向“稳步爬升期”过渡的阶段。2023-2025年间，随着RTK（实时动态差分）模块成本降至千元以内、机载AI芯片算力突破10TOPS（每秒万亿次操作）、以及开放飞控生态（PX4、ArduPilot）的完善，中小团队搭建自主巡航系统的门槛已大幅降低。本课程正是基于这一技术背景，帮助学员掌握从零搭建的完整方法论。
1.3 课程目标与能力模型
完成本课程后，学员应具备以下六项核心能力：
- 系统架构能力：能够根据任务需求，合理选择无人机平台（多旋翼/固定翼/垂直起降固定翼）、传感器组合（GPS/RTK/视觉/激光）和计算平台（STM32/树莓派/NVIDIA Jetson）。
- 飞控开发能力：掌握PX4或ArduPilot的固件编译、参数调优、日志分析，能够修改飞控源码实现自定义飞行模式。
- 感知融合能力：理解扩展卡尔曼滤波（EKF）的基本原理，能够配置视觉惯性里程计（VIO）与GPS融合，实现室内外无缝定位。
- 任务规划能力：使用QGroundControl或Mission Planner进行航线设计，编写Python脚本调用MAVSDK实现动态任务重规划。
- 安全设计能力：掌握地理围栏、失效保护（Failsafe）、降落伞触发等安全机制，能够进行故障注入测试。
- 调试排障能力：熟练使用MAVLink Inspector、Flight Review等工具，能够从日志中定位振荡、漂移、丢星等常见问题。
1.4 学习路径与章节逻辑
课程30章分为四个递进阶段，每个阶段都有明确的产出物：
第一阶段（第1-6章）：基础构建。第1章为课程导入；第2-3章讲解无人机动力学模型与坐标系变换，这是理解飞控算法的数学基础；第4章进行硬件选型与组装，学员将亲手完成一架可飞行的四旋翼；第5章完成传感器标定（加速度计、陀螺仪、磁力计、气压计）；第6章进行首次手动飞行与日志采集，建立“数据驱动调试”的思维习惯。
第二阶段（第7-18章）：核心能力。第7-9章深入PX4/ArduPilot架构，学习uORB消息机制、MAVLink协议、以及如何编写自定义模块；第10-12章讲解EKF融合原理、视觉定位（AprilTag、ORB-SLAM3）与激光雷达建图；第13-15章实现避障算法（VFH、DWA、TEB）并集成到飞控；第16-18章开发任务计算机（树莓派/Jetson）与飞控的通信链路，实现Python高层控制。
第三阶段（第19-26章）：系统集成。第19-20章实现自主起降与精准降落（基于RTK或视觉引导）；第21-22章完成复杂航线规划（含禁飞区绕行、动态目标跟踪）；第23-24章集成任务载荷（可见光相机、红外热成像、气体传感器）；第25-26章进行长时间巡航的能耗管理与热管理。
第四阶段（第27-30章）：综合实战。第27章进行系统级联调，制定测试矩阵；第28章开展故障注入（模拟GPS丢失、电机堵转、通信中断），验证安全机制；第29章进行室外10公里巡航实战，完成数据采集与复盘；第30章为课程项目答辩，学员需展示一套完整的自主巡检方案。
1.5 常见误区与学习心态
根据过往教学经验，初学者在接触自主巡航系统时容易陷入以下误区：
- 误区一：重硬件轻软件。认为买昂贵的无人机和传感器就能实现自主巡航。实际上，软件算法（尤其是状态估计和路径规划）才是决定系统性能的上限。建议将60%的学习时间投入到代码阅读与算法实现中。
- 误区二：直接修改高级参数。不理解PID控制原理就盲目调整飞控参数，导致飞行不稳定甚至炸机。本课程会从底层原理讲起，确保学员“知其然更知其所以然”。
- 误区三：忽视安全冗余。在未配置失效保护的情况下进行自主飞行测试。任何自主系统都必须先设计“最坏情况”的应对方案，再进行正常功能开发。
- 误区四：单打独斗。自主巡航涉及机械、电子、控制、计算机视觉、通信等多个领域，建议学员组建2-3人的学习小组，分工协作，互相Review代码与硬件设计。
1.6 课程资源与工具链准备
为了确保学习效果，建议在开课前完成以下环境准备：
# 推荐软件环境（Ubuntu 22.04 LTS）
# 1. 安装PX4 Autopilot固件工具链
git clone https://github.com/PX4/PX4-Autopilot.git --recursive
cd PX4-Autopilot
make px4_sitl gazebo-classic # 验证仿真环境
# 2. 安装QGroundControl地面站
sudo usermod -a -G dialout $USER
wget https://d176tv9ibo4jno.cloudfront.net/latest/QGroundControl.AppImage
chmod +x QGroundControl.AppImage
./QGroundControl.AppImage
# 3. 安装MAVSDK-Python
pip3 install mavsdk
# 4. 安装ROS 2 Humble（用于视觉与规划模块）
sudo apt install ros-humble-desktop
硬件方面，建议准备：Pixhawk 6C飞控（或同等性能）、Ublox F9P RTK模块、树莓派4B（4GB版本）、Intel RealSense D435i深度相机、以及一台支持OpenGL 3.3以上的图形工作站用于仿真。所有硬件清单和采购建议将在第4章详细展开。
最后需要强调的是，自主巡航系统的搭建是一个典型的“系统工程”实践。它要求开发者既要有“分而治之”的模块化思维，又要有“全局最优”的系统观。在后续29章的学习中，我们会反复回到本章提出的“感知—决策—执行”闭环框架，帮助学员建立完整的知识体系。每一次飞行测试、每一行代码调试，都是对系统理解的深化。希望学员保持耐心与好奇心，享受从“飞起来”到“自主飞”的进阶过程。