【亲测免费】 ArduRemoteID 项目教程
1. 项目介绍
ArduRemoteID 是一个开源项目,旨在为无人机提供符合 FAA 标准的 RemoteID 支持。该项目通过实现 MAVLink 和 DroneCAN 的 OpenDroneID 发射器,为无人机提供了一种发射解决方案,以满足 FAA 的 RemoteID 要求。此外,该项目还旨在符合欧盟的 RemoteID 法规。
ArduRemoteID 支持多种硬件平台,包括 ESP32-S3 和 ESP32-C3 芯片,并提供了多种传输模式,如 WiFi 广播、WiFi NAN、蓝牙 4 和蓝牙 5 等。该项目还支持通过 MAVLink 或 DroneCAN 与 ArduPilot 飞行控制器进行通信。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统已经安装了以下工具和库:
- Arduino CLI
- Python 3
- Pymavlink
2.2 安装依赖
首先,安装 ESP32 支持:
cd ~/arduremoteid/RemoteIDModule
make setup
2.3 编译项目
使用 make 命令编译项目:
make
2.4 上传固件
将编译好的固件上传到 ESP32 设备:
make upload
如果上传失败,请按住 BOOT 按钮,然后短暂按下 RESET 按钮以进入 bootloader 模式,然后重试。
2.5 连接到飞行控制器
您可以通过以下方式将 ESP32-S3 连接到飞行控制器:
- 通过 USB 连接到标有 "UART" 的端口,用于 MAVLink 和调试。
- 通过 UART 连接到飞行控制器的 RX(17)/TX(18)/GND 引脚。
- 通过 CAN 连接到飞行控制器的 CAN 端口,使用标准的 CAN 收发器连接到引脚 47(tx)/38(rx)/GND。
3. 应用案例和最佳实践
3.1 无人机 RemoteID 合规
ArduRemoteID 可以帮助无人机制造商满足 FAA 和欧盟的 RemoteID 法规要求。通过将 ArduRemoteID 模块集成到无人机中,制造商可以确保其产品符合当地的法规要求,并通过 FAA 的 DoC(Declaration of Conformance)认证。
3.2 安全性和防篡改
ArduRemoteID 提供了安全签名和锁定功能,以防止篡改。通过设置 LOCK_LEVEL 参数,制造商可以锁定板子,防止通过 DroneCAN 或 MAVLink 接口更改参数。只有在使用安全密钥对和安全命令时,才能在锁定状态下更改参数。
3.3 多平台支持
ArduRemoteID 支持多种硬件平台,包括 ESP32-S3 和 ESP32-C3,这使得它适用于各种无人机平台。此外,它还支持通过 MAVLink 或 DroneCAN 与 ArduPilot 飞行控制器进行通信,提供了灵活的集成选项。
4. 典型生态项目
4.1 ArduPilot
ArduPilot 是一个开源的自动驾驶系统,广泛用于无人机、无人车和无人船。ArduRemoteID 与 ArduPilot 紧密集成,通过 MAVLink 或 DroneCAN 接口与飞行控制器通信,提供 RemoteID 支持。
4.2 OpenDroneID
OpenDroneID 是一个开源的无人机识别标准,ArduRemoteID 实现了这一标准,并通过 MAVLink 和 DroneCAN 协议与飞行控制器通信,确保无人机符合 RemoteID 法规。
4.3 DroneCAN
DroneCAN 是一个开源的无人机通信协议,ArduRemoteID 支持通过 DroneCAN 与飞行控制器通信,提供了一种高效、可靠的通信方式。
通过这些生态项目的支持,ArduRemoteID 为无人机提供了全面的 RemoteID 解决方案,帮助制造商和用户满足法规要求,并确保无人机的安全性和合规性。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00