📚 课程目录第4章伴随计算机选型

4. 伴随计算机选型

伴随计算机是无人机实现自主感知、规划与控制的“第二大脑”。它并不替代飞控，而是与飞控形成分工：飞控负责高频、硬实时的姿态稳定与电机控制，伴随计算机负责视觉SLAM、目标检测、路径规划、任务决策等计算密集但实时性要求相对宽松的任务。选型的本质，是在算力、接口、供电、散热、重量五个约束之间寻找可行解，而不是单纯追求最高算力。

选型的第一原则：先明确任务画像，再反推硬件。任务画像包括算法类型（视觉/激光/多传感器融合）、模型规模、目标帧率、传感器数量、飞行时长与整机起飞重量上限。脱离任务谈算力，必然导致过配或欠配。

一、核心原理：五维约束的耦合关系

伴随计算机的五个约束并非独立，而是相互耦合。算力越高，通常功耗越大；功耗越大，散热需求越强；散热结构（风扇、散热片、导热垫）又增加重量与体积；而重量增加会压缩电池容量或缩短续航，进而影响供电设计。因此选型是一个多目标优化问题，需要建立约束模型。

可以用一个简化的约束不等式来描述可行性：

P_compute + P_sensor + P_comm ≤ P_budget
W_compute + W_cooling + W_battery ≤ W_mtow - W_frame - W_payload
T_junction = T_ambient + P_dissipated × R_thermal ≤ T_junction_max
算力 FPS ≥ 算法需求帧率 × 安全系数(1.3~1.5)

其中 P_budget 由电池放电能力与飞控供电余量决定，W_mtow 是最大起飞重量，R_thermal 是散热路径热阻。任何一项越界，方案都不可行。

二、方法流程：从任务到硬件的五步选型法

任务画像：列出算法清单，标注每个算法的输入分辨率、模型参数量、目标帧率。例如 YOLOv8n 检测 1080p@30fps，ORB-SLAM3 双目@20fps。
算力估算：用实测或厂商基准数据估算所需 TOPS 与内存带宽，预留 1.3~1.5 倍安全系数。
接口盘点：统计相机路数与类型（MIPI CSI-2、USB3、GigE）、激光雷达（以太网/UART）、飞控通信（UART/CAN）、图传与数传链路。
供电核算：计算峰值功耗与平均功耗，确认电池电压（常见 4S~6S，14.8~22.2V）与 BEC/DC-DC 输出能力，留 20% 余量。
散热与重量校核：根据环境温度与热阻估算结温，选择被动或主动散热；称重后确认整机 MTOW 不超限。

三、典型平台对比与场景案例

下表给出三类常见伴随计算机的选型参考，实际选型需结合具体任务微调。

平台类型	典型算力	功耗	重量	适用场景
树莓派 5 / 轻量 SBC	~0.1 TOPS（CPU）	5~12 W	50~100 g	轻量视觉、通信中继、教学验证
Jetson Orin Nano	20~40 TOPS	7~15 W	100~200 g	目标检测、视觉SLAM、中型无人机
Jetson Orin NX / AGX	70~275 TOPS	15~60 W	200~600 g	多传感器融合、高精度建图、大型平台

案例：某 5kg 级四旋翼执行电力巡检，需实时检测绝缘子缺陷并回传。任务画像为 YOLOv8s@1080p@25fps，加一路图传编码。选用 Jetson Orin Nano 8GB，峰值功耗约 15W，配 5V/5A DC-DC，铝制散热片加 40mm 风扇，整机增重约 180g，电池由 6S 10000mAh 供电，续航从 28min 降至 22min，满足任务要求。

四、误区与复盘

常见误区一：只看 TOPS 不看内存带宽。很多模型瓶颈在内存带宽而非算力，选型时必须关注 LPDDR 容量与带宽。误区二：忽略持续功耗与峰值功耗差异，散热按平均功耗设计，导致高负载降频。误区三：接口数量够但协议不匹配，例如相机是 MIPI 而主板只有 USB，需额外转接板，增加重量与故障点。

复盘要点：选型完成后应做一次“满载压力测试”，在真实环境温度下连续运行目标算法 30 分钟，记录 CPU/GPU 频率、结温、功耗与帧率。若出现降频或帧率不达标，优先优化散热与供电，再考虑降模型或换平台。同时保留 15%~20% 的算力与接口余量，为后续算法迭代留出空间。

实用建议：建立一张选型检查表，逐项打勾——算力达标、内存充足、接口匹配、供电余量≥20%、结温≤85℃、增重≤整机5%、成本可控。七项全部通过，方案才可进入采购与集成阶段。

伴随计算机选型不是一次性动作，而是伴随任务演进的持续权衡。掌握五维约束分析方法，才能在算力、接口、供电、散热与重量之间找到真正可飞的平衡点。