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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00