MAVLink 技术文档
1. 安装指南
生成 C 头文件
在 Ubuntu LTS 20.04 或 22.04 上安装最小 MAVLink 环境的步骤如下:
# 安装依赖
sudo apt install python3-pip
# 将 mavlink 克隆到您选择的目录
git clone https://github.com/mavlink/mavlink.git --recursive
cd mavlink
# 安装 pymavlink 的依赖
python3 -m pip install -r pymavlink/requirements.txt
然后可以从 /mavlink 目录为 message_definitions/v1.0/common.xml 生成 MAVLink2 C 库:
python3 -m pymavlink.tools.mavgen --lang=C --wire-protocol=2.0 --output=generated/include/mavlink/v2.0 message_definitions/v1.0/common.xml
在 cmake 中使用
要在 cmake 中包含头文件,将其本地安装在例如 install 目录中:
cmake -Bbuild -H. -DCMAKE_INSTALL_PREFIX=install -DMAVLINK_DIALECT=common -DMAVLINK_VERSION=2.0
cmake --build build --target install
然后在使用 CMakeLists.txt 文件时获取依赖项:
find_package(MAVLink REQUIRED)
add_executable(my_program my_program.c)
target_link_libraries(my_program PRIVATE MAVLink::mavlink)
并将本地安装目录传递给 cmake(根据您的目录结构进行调整):
cd ../my_program
cmake -Bbuild -H. -DCMAKE_PREFIX_PATH=../mavlink/install
完整示例请查看 examples/c。
注意: 虽然我们在 cmake 中使用了 target_link_libraries,但它实际上并没有链接到 MAVLink,因为这是一个仅包含头文件的库。
其他说明
使用 C 库的说明在 Using C MAVLink Libraries (mavgen) 中有所介绍。
注意: 安装 MAVLink 工具链 解释了如何在其他 Ubuntu 平台和 Windows 上安装 MAVLink,而 生成 MAVLink 库 解释了如何为项目支持的其他编程语言构建 MAVLink。
2. 项目的使用说明
MAVLink 是一个用于无人机和/或地面控制站之间通信的非常轻量级、仅包含头文件的消息库。它主要由定义为 XML 文件的不同的系统("方言")的消息集规范组成,以及将它们转换为适当源代码的 Python 工具(支持的语言列表请查阅官方文档)。
MAVLink 非常适合用于通信带宽有限的应用程序。其参考实现以 C 语言编写,针对内存和闪存受限的系统进行了高度优化。它已在众多产品中经过现场验证,作为不同制造商组件之间的互操作性接口。
3. 项目 API 使用文档
本项目不提供直接的 API 文档,因为 MAVLink 是一个生成库。用户需要根据定义的 XML 文件生成特定语言的源代码,然后在自己的项目中使用生成的源代码。具体的生成和使用方法请参考官方文档中的相关指南。
4. 项目安装方式
MAVLink 的安装方式已在“安装指南”一节中详细描述,主要包括以下步骤:
- 安装依赖
- 克隆 MAVLink 仓库
- 安装 pymavlink 的依赖
- 生成 C 库(或其他支持语言的库)
- 在 cmake 项目中包含 MAVLink 库
请按照上述步骤进行安装,并根据需要调整参数。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00