Python编程结合Tello无人机：STEM教育项目制学习实践指南

简介：本资源是一套面向初中阶段STEM教育的Tello无人机Python编程课程设计源码，聚焦物联网、人工智能与项目式学习实践，帮助初学者通过真实硬件操控理解编程逻辑与多学科知识融合。压缩包共38个文件，含17个Python源码（如键盘控制、人脸/球体追踪、手势识别等核心例程）、4个XML配置文件（支撑IDE与环境管理）、3个drawio流程图（清晰呈现主程序与模块调用逻辑）、3个PNG示意图及1个caffemodel深度学习模型文件（支持视觉识别拓展），整体仅1.39MB，轻量易部署。已有426人下载学习，资源结构规范，包含完整项目配置（.iml、.vscode、.idea）、版本控制适配（.gitignore）、许可说明（LICENSE）及README文档，便于教学复用与二次开发。

1. 项目概述：为什么用Python和Tello做STEM教育是个好主意？

如果你正在寻找一个能同时点燃学生对编程、机器人学和人工智能兴趣的课程项目，那么基于Python的Tello无人机STEM课程设计，绝对是一个经过实战检验的“王炸”组合。这不仅仅是因为无人机本身很酷，更深层的原因在于，Tello这款消费级无人机提供了一个近乎完美的软硬件结合实验平台。它价格亲民、安全性高（有保护罩），最关键的是，大疆官方提供了完善的SDK，特别是对Python的支持非常友好。这意味着学生无需从零开始焊接电路或编写底层飞控代码，可以直接在高级语言层面，用几十行Python代码就让无人机起飞、做出各种动作，这种即时反馈的成就感是传统教学难以比拟的。

这个课程设计的核心目标，是通过项目制学习（PBL）的方式，将抽象的编程概念、数学原理和工程思维，具象化为无人机的一次次起飞、悬停、翻越障碍和自动巡航。学生不再是被动地学习for循环或if判断的语法，而是为了“让无人机自动扫描一个房间并绘制地图”这个真实任务，去主动学习和应用这些知识。从简单的顺序执行（起飞→悬停→降落），到引入条件判断（如果电量低于20%则紧急降落），再到循环控制（让无人机沿正方形飞行10圈），最后到复杂的函数封装和面向对象设计（创建一个DroneController类），知识点的引入是阶梯式、任务驱动式的。

适合谁来学习和参考呢？首先是中学和大学的STEM课程教师或社团指导教师，你可以直接复用或改编其中的项目模块。其次是编程或机器人教育的从业者，这套课程体系提供了一个完整的、从入门到进阶的框架。甚至是有一定Python基础的学生或爱好者，你也可以跟着教程，一步步搭建自己的无人机编程环境，实现有趣的自动化飞行。接下来，我们就深入拆解这个课程设计的核心思路与整体架构。

2. 课程整体设计与核心思路拆解

一套成功的STEM课程，其灵魂不在于堆砌了多少炫酷的技术，而在于如何设计一条清晰的学习路径，让学生能够“爬坡而上”，而非“望山生畏”。基于Python的Tello无人机课程，其设计核心可以概括为“三层递进，双线融合”。

2.1 三层能力递进：从遥控器到自动驾驶

课程内容通常被划分为三个循序渐进的阶段，对应学生能力的不同层级。

第一层：基础控制与交互（理解指令与反馈）这个阶段的目标是让学生建立“代码即指令”的直观感受。核心任务是学会通过Wi-Fi与Tello建立通信，并发送最基本的控制命令。学生会接触到：

• 运动指令：takeoff(),land(),move_forward(20),rotate_clockwise(90)等。这里会立刻融入第一个数学知识点：坐标系和单位（厘米、度）。
• 状态查询：get_battery(),get_height()。这引入了编程中“函数返回值”的概念，并让学生理解无人机是一个有状态的智能体。
• 简单序列编程：编写脚本让无人机完成一个预设的固定动作序列，例如起飞→前进1米→左转→后退→降落。这巩固了程序顺序执行的基本结构。

实操心得：在第一节课，务必强调安全规范。即使有保护罩，也应在开阔、无风、远离人流的室内环境进行。一个有效的技巧是，让学生先在地面上（不启动电机）运行takeoff()命令，观察无人机的响应（电机不会转动），以此理解“代码发送”和“物理执行”的区别，消除对失控的恐惧。

第二层：传感器集成与条件逻辑（让无人机拥有“感知”）当学生能熟练“指挥”无人机后，课程引入Tello内置的传感器数据，让程序具备感知环境并做出决策的能力。这是从“开环控制”到“闭环反馈”的关键飞跃。

• 视觉反馈：Tello的前置摄像头可以实时传回图像。学生会学习使用OpenCV库来获取视频流 (frame_read.frame) ，并完成诸如人脸追踪、颜色识别（追踪一个红色小球）等任务。这里融合了计算机视觉的入门概念。
• 状态决策：编写程序，实现“如果电量低于15%，则闪烁LED警告并自动降落”（if get_battery() < 15:）。这生动地讲解了if-else条件语句。
• 循环与迭代：实现“持续检测前方是否有障碍物（通过视觉或假设的超声波传感器模拟），直到安全再前进”。这里引入了while循环和break语句的真实应用场景。

第三层：高级任务与算法初探（解决复杂问题）这一层面向学有余力的学生或作为拓展项目，引入更复杂的编程范式和算法思想。

• 函数与模块化：将“执行一个正方形航线”或“人脸追踪”的代码封装成独立的函数，甚至模块（.py文件），主程序通过调用这些函数来组合复杂任务。这是软件工程思维的起点。
• 简单路径规划：给定几个航点坐标，让无人机依次飞抵。这涉及到列表（存储航点）、循环遍历列表等数据结构的知识，并自然引出“路径规划”的概念。
• 多线程/异步编程初体验：为了实现“一边控制飞行一边实时显示摄像头画面”不卡顿，可以浅显地引入多线程的概念，用一个线程处理视频，另一个线程发送控制指令。这为理解现代软件并发处理打下了基础。
• 数据记录与分析：让无人机飞行时，持续记录其高度、速度、电池电量到CSV文件或简单数据库中。飞行结束后，用matplotlib绘制飞行轨迹和状态曲线。这完整串联了数据采集、存储、分析和可视化的全过程，极具工程实践意义。

2.2 双线知识融合：编程与多学科的交汇

课程的另一条主线是知识的横向融合，确保它不只是一个编程课，而是真正的STEM课程。

• 数学（M）：坐标系（无人机的前后左右与全局坐标）、几何（计算多边形的飞行路径、旋转角度）、单位换算（厘米、米、英寸）、甚至初级的三角函数（计算斜向飞行的分解速度）。
• 科学（S）：物理学中的力学（四轴飞行器的升力原理）、能量转换（电池化学能→电能→电机动能）、传感器原理（摄像头如何成像，IMU如何感知姿态）。
• 技术（T）与工程（E）：这是课程的核心。技术层面是Python编程、网络通信（Wi-Fi UDP协议）、计算机视觉。工程层面则贯穿始终：需求分析（我要无人机做什么？）、系统设计（用什么指令和逻辑实现？）、实现与测试（编写代码并试飞）、调试与优化（为什么飞歪了？如何飞得更稳？）——这是一个完整的微型工程闭环。

这种设计思路确保了课程既有清晰的纵向进阶路径，又有丰富的横向知识拓展面，能够适应不同兴趣点和学习速度的学生。

3. 核心模块解析与关键技术实现

有了顶层设计，我们来看看支撑这套课程的几个核心技术模块是如何具体实现的。这里会提供可直接参考的代码片段和关键配置说明。

3.1 环境搭建与基础通信

万事开头难，一个稳定、简单的开发环境是成功的一半。我们强烈推荐使用Python 3.7+和PyCharm或VS Code作为开发环境。

1. 关键库安装：Tello的官方SDK通过UDP协议通信。社区有一个非常易用的第三方封装库djitellopy，它极大地简化了操作。

pip install djitellopy pip install opencv-python # 用于视频流处理 pip install numpy # 数值计算，OpenCV的依赖

2. 连接与基础控制模板：以下是一个最简化的“Hello Dron”程序，包含了连接、起飞、悬停、降落的全流程。

from djitellopy import Tello import time # 1. 创建Tello对象并连接 tello = Tello() tello.connect() # 确保电脑已连接到Tello的Wi-Fi网络 # 2. 检查基础状态 print(f"电池电量: {tello.get_battery()}%") # 3. 起飞与悬停 tello.takeoff() time.sleep(3) # 悬停3秒，观察稳定性 # 4. 执行简单动作 tello.move_forward(50) # 前进50厘米 tello.rotate_counter_clockwise(90) # 左转90度 tello.move_left(30) # 左移30厘米 # 5. 降落并结束 tello.land() # tello.end() # 在较新版本的djitellopy中，通常不需要显式调用end()

注意事项：tello.connect()成功的前提是你的电脑（或树莓派）已经连接到了Tello发出的Wi-Fi热点（名称通常为TELLO-XXXXXX）。第一次连接时，系统可能会提示“无互联网连接”，请选择“是，继续使用”。飞行指令是异步的，即发送指令后函数立即返回，无人机会在后台执行该动作。time.sleep(n)是为了等待上一个动作执行完毕，否则指令会堆积导致错乱。

3.2 视频流处理与计算机视觉入门

让无人机“看见”是世界，是课程最吸引人的部分之一。djitellopy让获取视频流变得非常简单。

1. 开启视频流并显示：

from djitellopy import Tello import cv2 tello = Tello() tello.connect() tello.streamon() # 开启视频流 frame_read = tello.get_frame_read() # 获取帧读取器 while True: img = frame_read.frame # 获取当前帧，这是一个numpy数组 # 在图像上显示电池电量 cv2.putText(img, f"Battery: {tello.get_battery()}%", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow("Tello Video Stream", img) # 显示窗口 # 按'q'键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 清理资源 tello.streamoff() cv2.destroyAllWindows()

2. 实现一个简单的颜色追踪示例：我们以追踪一个明显的绿色物体为例，展示如何将视觉感知转化为控制指令。

import cv2 import numpy as np from djitellopy import Tello tello = Tello() tello.connect() tello.streamon() frame_read = tello.get_frame_read() # 定义绿色的HSV阈值范围 (Hue, Saturation, Value) lower_green = np.array([35, 50, 50]) upper_green = np.array([85, 255, 255]) tello.takeoff() while True: img = frame_read.frame hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 创建掩膜，只保留绿色部分 mask = cv2.inRange(hsv, lower_green, upper_green) # 寻找掩膜中的轮廓 contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) if contours: # 找到最大的轮廓 largest_contour = max(contours, key=cv2.contourArea) # 计算该轮廓的外接矩形和中心点 x, y, w, h = cv2.boundingRect(largest_contour) center_x = x + w // 2 center_y = y + h // 2 # 在图像上画出矩形和中心点 cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.circle(img, (center_x, center_y), 5, (255, 0, 0), -1) # 简单的控制逻辑：让目标保持在画面中央 frame_center_x = img.shape[1] // 2 frame_center_y = img.shape[0] // 2 # 计算偏移量 error_x = center_x - frame_center_x error_y = center_y - frame_center_y # 根据偏移量发送微调指令（这里需要根据实际情况调整增益和死区） if abs(error_x) > 30: if error_x > 0: tello.move_right(20) else: tello.move_left(20) if abs(error_y) > 30: if error_y > 0: tello.move_down(20) else: tello.move_up(20) cv2.imshow("Mask", mask) cv2.imshow("Tracking", img) if cv2.waitKey(1) & 0xFF == ord('q'): break tello.land() tello.streamoff() cv2.destroyAllWindows()

这个例子生动地展示了“感知-决策-控制”的完整循环：获取图像→处理图像（HSV转换、阈值分割）→提取信息（计算目标中心）→制定策略（与画面中心比较）→执行动作（左右上下移动）。

3.3 任务封装与高级功能设计

随着项目复杂度的提升，我们需要更好的代码组织方式。

1. 创建无人机控制类：将无人机的操作封装成一个类，提高代码的复用性和可读性。

class TelloDrone: def __init__(self): self.tello = Tello() self.is_connected = False self.video_stream_on = False def connect_drone(self): """连接无人机""" self.tello.connect() self.is_connected = True print(f"Connected! Battery: {self.tello.get_battery()}%") def start_video_stream(self): """开启视频流""" if not self.is_connected: print("Not connected!") return self.tello.streamon() self.video_stream_on = True print("Video stream started.") def fly_square(self, side_length_cm=50): """飞一个正方形航线""" if not self.is_connected: print("Not connected!") return for i in range(4): self.tello.move_forward(side_length_cm) self.tello.rotate_counter_clockwise(90) # 左转90度 time.sleep(1) # 每次转弯后稍作停顿 def land_and_disconnect(self): """降落并断开连接""" if self.is_connected: if self.video_stream_on: self.tello.streamoff() self.tello.land() # self.tello.end() # 按需调用 print("Drone landed and disconnected.") # 使用示例 if __name__ == "__main__": my_drone = TelloDrone() my_drone.connect_drone() my_drone.tello.takeoff() time.sleep(2) my_drone.fly_square(100) my_drone.land_and_disconnect()

2. 实现航点导航：我们可以设计一个列表来存储航点，然后让无人机依次访问。

def fly_waypoints(self, waypoints): """ 飞往一系列航点 :param waypoints: 列表，每个元素是 (x, y, z) 元组，单位厘米。 假设x:右为正，y:前为正，z:上为正（相对于起飞点） """ for wp in waypoints: x, y, z = wp # 注意：Tello的move_xxx指令是相对于无人机当前机头方向的。 # 简单的实现：先旋转到对准目标点的大致方向（需要计算偏航角，这里简化） # 更复杂的实现需要结合视觉里程计或外部定位。 print(f"Flying to waypoint: {wp}") # 这里是一个简化版的顺序执行：上升/下降 -> 前后 -> 左右 if z != 0: self.tello.move_up(z) if z > 0 else self.tello.move_down(-z) if y != 0: self.tello.move_forward(y) if y > 0 else self.tello.move_back(-y) if x != 0: self.tello.move_right(x) if x > 0 else self.tello.move_left(-x) time.sleep(2) # 到达后稳定一下 # 定义航点：起飞点(0,0,0) -> 飞到(0, 100, 50) -> 飞到(50, 100, 50) -> 返回(0,0,50) waypoint_list = [(0, 100, 50), (50, 100, 50), (0, 0, 50)] my_drone.fly_waypoints(waypoint_list)

这个航点飞行示例虽然简单，但引入了任务规划和相对坐标控制的概念。在高级课程中，可以在此基础上集成视觉SLAM（即时定位与地图构建）的概念，让无人机实现真正的自主导航。

4. 课程项目实战案例设计

理论需要结合实践。下面设计三个由浅入深的课程项目，每个项目都对应不同的能力阶段，并附上核心实现思路。

4.1 项目一：无人机空中艺术家（适合初学者）

项目目标：编程控制无人机在空中“画”出简单的几何图形或字母轨迹（通过LED灯或想象一条光迹）。

核心技能：基础运动指令、循环、函数。

实现思路：

1. 定义图形函数：编写如draw_square(side),draw_circle(radius),draw_letter(‘A’)等函数。画圆可以通过逼近多边形来实现（例如，正36边形）。
2. 运动分解：以正方形为例，就是四次move_forward(side)和rotate_clockwise(90)的循环。
3. 用户交互：设计一个简单的命令行菜单，让用户选择要绘制的图形和大小。
4. 拓展挑战：尝试绘制更复杂的图形，如五角星。这需要计算旋转角度（例如，画五角星的外角是144度）。

教学要点：重点讲解如何将复杂的空间运动分解为一系列简单的原子指令，这是计算思维中“分解”能力的绝佳训练。

4.2 项目二：智能仓库巡检员（适合中级学者）

项目目标：模拟仓库巡检，无人机从起点自动飞至预设的多个“货架”点（用不同颜色的二维码或AprilTag标记），在每一点悬停并“扫描”（通过摄像头识别标记ID并拍照记录），最后返回起点。

核心技能：视觉识别、状态机、列表遍历、文件操作。

实现思路：

1. 标记识别：使用pyzbar库识别二维码，或使用apriltag库识别AprilTag。获取标记的唯一ID和位置信息。
2. 任务清单：创建一个任务列表，例如[{'id': 1, 'x': 100, 'y': 0}, {'id': 2, 'x': 100, 'y': 100}]。
3. 状态机控制：程序主循环是一个状态机：
   • 状态“前往目标”：根据当前任务点的坐标，控制无人机飞过去。这里可以使用前面提到的航点飞行逻辑，但需要更精确的控制（可能需要结合视觉伺服）。
   • 状态“识别标记”：到达大致位置后，悬停，开启摄像头识别特定标记。如果识别成功，拍照保存（文件名包含标记ID和时间），并切换到下一个任务点；如果超时未识别，则执行错误处理（如记录日志、尝试重新定位或跳过）。
4. 数据记录：将每次扫描成功的标记ID、时间戳、拍摄的图片文件名记录到一个日志文件（如JSON或CSV）中。

教学要点：本项目引入了有限状态机（FSM）这一重要的编程范式，用于管理复杂任务的流程。同时，它结合了感知（识别）、决策（状态转换）、执行（飞行）和数据管理，是一个微型的工业应用仿真。

4.3 项目三：协同飞行与灯光秀（适合高级/团队项目）

项目目标：控制多架（2-3架）Tello无人机，实现编队飞行或协同完成一个灯光表演（利用Tello机身的LED灯）。

核心技能：多线程/异步编程、网络通信同步、简单的编队算法。

实现思路：

1. 集中式控制架构：一台主机作为“指挥中心”，通过Wi-Fi分别连接到每一架Tello。每架无人机在程序中对应一个独立的Tello对象。
2. 同步机制：这是最大挑战。不能简单地顺序发送指令，因为网络延迟和执行时间差异会导致不同步。
   • 时间同步：指挥中心广播一个“开始时间戳”，所有无人机根据本地时钟计算延迟后同步开始执行预设的脚本。
   • 指令队列：为每架无人机维护一个指令队列。指挥中心按节奏（例如每秒10条）向所有无人机同时发送当前时刻应该执行的指令。
   • 状态反馈与调整：无人机定时向主机汇报自身位置（通过视觉或里程计估算），主机根据编队队形的偏差，发送微调指令。
3. 编队算法：最简单的可以是“领导-跟随者”模式。指定一架为长机，其飞行路径由程序设定。其他僚机则始终以长机为参考，保持一个固定的相对偏移（如左前方1米，下方0.5米）进行飞行。
4. LED灯光控制：使用tello.set_led(r, g, b)指令，根据飞行节奏或音乐节拍（如果接入音频分析）改变灯光颜色，实现简单的灯光秀。

重要警告：多机飞行风险极高！必须在极其开阔、无干扰的室内空间进行，且每架无人机之间、无人机与障碍物之间保持绝对安全的距离。建议初期仅在模拟器或极低高度、低速下进行测试。安全永远是第一位的。

教学要点：这是分布式系统、实时系统和控制理论的入门实践。学生将直面并发控制、网络延迟、系统容错等真实世界中的工程难题，对计算思维的提升是颠覆性的。

5. 教学实施要点与常见问题排坑指南

即使有了完善的课程设计和代码，在实际教学过程中，你依然会踩到无数的“坑”。下面是我从大量实践中总结出的经验。

5.1 硬件与环境准备清单

1. 无人机：大疆Tello或Tello EDU。EDU版本支持更丰富的编队SDK，适合多机项目。确保每台无人机至少配备2-3块备用电池和一台多口充电器。一块电池的续航仅约10-13分钟。
2. 安全设备：** propeller guards（螺旋桨保护罩）必须全程安装！** 准备一个开阔的室内场地，清除所有易碎品和障碍物。地面可以铺设体操垫或泡沫垫，缓冲意外跌落。
3. 计算设备：笔记本电脑（Windows/macOS/Linux均可），确保有可用的USB端口和稳定的Wi-Fi网卡。对于视频处理，建议使用性能较好的CPU。也可以使用树莓派4B/5作为机载计算机，实现更自主的边缘计算，但这属于进阶内容。
4. 网络环境：Tello会创建一个独立的Wi-Fi热点。确保教学场所没有太多同频段（2.4GHz）的Wi-Fi干扰，否则会导致控制延迟增高甚至断连。一个技巧是将Tello的Wi-Fi信道固定在相对空闲的信道上（需通过官方App设置）。

5.2 课堂组织与安全管理

• 分组策略：建议2-3名学生一组，共用一台无人机和一台电脑。这样既能保证动手机会，又能促进协作和讨论。
• 飞行前检查表：必须养成习惯。每次飞行前，小组需口头或书面确认：
  • 保护罩已安装牢固。
  • 电池电量大于50%。
  • 场地清空，上方无吊灯、风扇。
  • 程序中的起飞指令已被注释，等待教师检查后再解除注释。
• 紧急处理流程：所有学生必须知道紧急停止的方法：
  • 软件急停：在控制程序中，始终保留一个全局热键（如空格键）触发emergency()函数（djitellopy中为tello.emergency()），该命令会立即停止电机。
  • 物理急停：如果程序无响应，直接用手从上方快速握住无人机机身（注意避开旋转的螺旋桨），将其提起离地，电机会因检测到负载异常而自动停转。

5.3 典型问题与解决方案速查表

以下表格整理了开发和学习过程中最常见的问题及其排查思路：

5.4 评估与拓展建议

如何评估学生的学习成果？单纯的代码审查是不够的。

• 过程性评估：观察学生在调试无人机不按预期飞行时的表现。他们是盲目尝试，还是有条理地检查连接、电量、指令顺序、灯光反馈？这考察的是工程调试能力。
• 项目展示：举办一个小型“无人机挑战赛”，设定主题（如“最优路径快递员”、“最酷空中舞蹈”），让学生以小组形式展示他们的作品。这考察的是综合应用、创新和表达能力。
• 报告与反思：要求学生撰写简短的项目报告，描述设计思路、遇到的问题及解决方案、以及如果再做一次会如何改进。这培养了归纳总结和元认知能力。

对于学得快的同学，可以引导他们进行拓展：

• 接入外部传感器：通过树莓派的GPIO接口连接超声波传感器或激光测距模块，让Tello获得更精确的避障能力。
• 算法优化：尝试用PID控制器来优化颜色追踪的平滑度；尝试用A*或Dijkstra算法规划更高效的巡检路径。
• 仿真先行：在真实的无人机上测试前，可以在如AirSim、Gazebo等仿真环境中进行大量、零风险的算法验证，这本身就是一项宝贵的技能。

最后，我个人最深的体会是，这个课程最大的价值往往不是学生写出了多么精妙的代码，而是他们眼中闪烁的光芒——当一行行枯燥的字符最终转化为无人机腾空而起的那个瞬间，理论照进了现实，创造的热情被真正点燃。作为教师或组织者，你需要做的不仅是传授知识，更是营造一个安全、开放、充满挑战和鼓励探索的环境，然后，退后一步，看着他们飞翔。

本文还有配套的精品资源，点击获取