迅翼SwiftWing | ROS 固定翼开源仿真平台正式发布!

经过前期内测调试,ROS固定翼开源仿真平台今日正式上线!现平台除适配PX4+ROS环境外,也已实现AP+ROS环境下的单机飞行控制仿真适配。欢迎大家通过文末链接查看项目地址以及具体使用手册。

1 平台简介

ROS固定翼仿真平台旨在实现固定翼无人机决策、规划和控制仿真,区别于传统基于Matlab/Simulink的仿真方案:

  • 高度封装:平台将基础无人机控制算法封装为可复用的类,从而有效简化了开发流程。同时,对各类基础数据的获取进行了封装,确保了数据访问的便捷性和一致性,极大提升了开发效率和数据处理的稳定性。

  • 分层解耦:基于模块化的分层架构设计,平台实现了规划层与控制层的解耦,省去了底层控制器设计和动力学建模的复杂过程。用户只需专注于上层控制算法的编写,避免了繁琐的底层细节,降低了开发门槛,提升了开发效率,为用户提供了更为流畅和高效的仿真体验。

  • 验证迅速:用户无需接触底层 PX4 控制逻辑,只需通过封装好的类接口读取状态数据并发送控制指令。同时,底层控制机型可灵活切换,使得验证过程更为迅速和高效,极大提升了开发和测试的便捷性。

2 技术框架

我们对整体架构进行了二次修改,完善了整体仿真流程,也简化了仿真二次开发流程,对于新手上手更加友好。

整体架构基于模块化设计,将仿真功能拆分为3个ROS功能包:uav_controller、single_demo、multi_demo,以提高系统的可扩展性以及可维护性。

  • uav_controller 功能包封装了固定翼和垂直起降无人机的底层控制器,支持姿态、位置和速度的精准控制。功能包提供了基于状态机设计的单机控制节点文件,具备高度灵活性和可扩展性。通过启动该功能包中的单机控制节点,用户可以实现一键起飞无人机、接收外部控制指令以及切换飞行模式,为复杂飞行任务的实现提供了高效可靠的解决方案。
  • single_demo 功能包 旨在为用户提供单机数据的实例化获取,是用户进行二次开发的主要入口和核心目录。该功能包包含了 spawn-uav.py 文件,封装了常用的 MAVROS 话题数据订阅逻辑。用户只需在主程序中导入 uav 类,即可通过调用其属性轻松获取无人机的状态数据,如位置、速度、姿态等。这种高度封装的设计,不仅降低了开发复杂度,还显著提升了数据获取的便捷性和开发效率,为用户的二次开发提供了强大的支持。
  • multi_demo 功能包 提供了一个 leader-follower 集群控制框架的实例,支持灵活配置编队队形、领航者轨迹和跟随者数量。用户可以根据需求自由指定这些参数,从而实现高度可定制的集群控制方案。该实例具有良好的扩展性,便于用户在此基础上进行应用开发和功能拓展。
    整体架构如下:

整体流程为:

  • 从uav_controller中选择一款机型(固定翼、垂起),启动单机底层控制节点;
  • 在single_demo中编写自己的上层控制代码,启动上层控制节点;
  • 仅需一条roslaunch指令,即可开启仿真。

这样架构下,用户只需要专心编写自己的上层控制代码,底层控制节点可切换、可扩展。

3. demo演示

我们已经实现一些可供大家快速上手的demo演示:

  • 基于导航向量场方法的轨迹跟踪方法

    • demo演示:圆形轨迹

    • demo演示:螺旋上升

    • demo演示:斜圆轨迹

  • 基于无奇异点导航向量场方法的轨迹跟踪方法

    • demo演示:李萨如曲线

    • demo演示:多项式轨迹(多项式轨迹,轨迹可自定义)

  • 基于LQR控制器的多机leader-follower编队飞行控制

    • demo演示(折线轨迹,轨迹可自定义)

4. 后续进展

后续计划:

  • 添加多机混合机型编队仿真;
  • 适配AP+ROS2以及PX4+ROS2;
  • 添加视觉、激光雷达等其他传感器支持。

5. 附录

项目地址:

https://gitee.com/swiftwing007/swiftwing-simulation

https://github.com/SwiftWing001/swiftwing-simulation

使用文档:

https://swiftwing001.github.io/swiftwing-simulation-tutorial/

END

后续会陆续带来规划、控制相关的文章、仿真分享。
迅翼SwiftWing致力于固定翼技术共享,汇聚固定翼领域技术极客,推动固定翼技术持续创新!

相关推荐
蓝黑20204 分钟前
从Vant图标的CSS文件提取图标文件
前端·css·python·vant
勤劳的进取家30 分钟前
XML、HTML 和 JSON 的区别与联系
前端·python·算法
码商行者1 小时前
精通Python (10)
开发语言·python
xiao5kou4chang6kai41 小时前
Python人工智能在气象中的应用,包括:天气预测、气候模拟、降雨量和降水预测、气象数据分析、气象预警系统
python·气象数据分析·天气预测·气候模拟.·降雨量和降水预测·气象预警系统
周杰伦_Jay2 小时前
Ubuntu20.4和docker终端指令、安装Go环境、安装搜狗输入法、安装WPS2019:保姆级图文详解
linux·python·ubuntu·docker·centos
从零开始学习人工智能3 小时前
安装指南:LLaMA Factory、AutoGPTQ 和 vllm
人工智能·python·深度学习·算法
是小白_鸭3 小时前
(RAG系列)FastGPT批量添加索引
python·ai·语言模型
蒙娜丽宁3 小时前
【人工智能】Python中的自动化机器学习(AutoML):如何使用TPOT优化模型选择
人工智能·python·自动化
测试19984 小时前
接口测试之postman的使用
自动化测试·软件测试·python·测试工具·职场和发展·测试用例·postman
jerry2011084 小时前
python之二维几何学习笔记
开发语言·python·算法