【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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07