2026年湖南省大学生智能导航科技创新大赛无人机赛道设计方案报告（实物+报告+B站演示视频）

2026年湖南省大学生智能导航科技创新大赛无人机赛道设计方案报告（实物+报告+B站演示视频）https://www.bilibili.com/video/BV1KXab6GEXb/?spm_id_from=333.1387.homepage.video_card.click&vd_source=6ea1beb17174384a0b3d09d6d35580f6

一、项目概述

1.1 项目背景

无人机精准避障与导航挑战赛以物流配送、矿区巡检等工业场景为应用背景，重点考察参赛队伍利用导航技术、视觉感知技术操控无人机自主通过复杂地形的综合能力。随着无人机在低空物流、设施巡检、应急救援等领域的规模化应用，复杂环境下的自主避障、高精度导航与稳定飞行控制能力已成为无人机系统的核心性能指标。本次竞赛通过设置多类型障碍、限定飞行区域与时间、考核精准起降能力，全面模拟真实作业场景中的技术需求，为无人机导航与避障技术提供验证平台。

1.2 赛项分析

本次竞赛场地为 10m×10m 正方形区域，限高 4m，设置 3 类共 8 个障碍，比赛流程分为自主起飞、障碍穿越、精准降落三个环节，采用积分制评分，得分由障碍穿越得分与飞行时间得分构成。竞赛核心难点在于：一是三类障碍结构差异大，尤其是双框往返障碍对路径规划与姿态控制精度要求高；二是飞行时间与穿越精度存在权衡关系，需在保证成功率的前提下提升飞行效率；三是室内 / 半室内场景下单一导航方式精度不足，需多传感器融合保障定位可靠性。

1.3 设计目标

本方案围绕竞赛规则与技术难点，设计一套 “多源感知 - 智能决策 - 精准控制” 的自主无人机系统，总体目标如下：

1. 功能目标：完整实现自主起飞、全类型障碍自主穿越、精准降落全流程，全程无人工干预；
2. 性能目标：障碍穿越成功率 100%，降落精度控制在 0.6m 以内，单轮总得分不低于 380 分；
3. 合规目标：无人机硬件完全符合竞赛安全规格，轴距小于 450mm，配备全包围护罩，飞行全程符合场地安全要求；
4. 拓展目标：系统具备可移植性与可优化性，可适配不同障碍布局与作业场景。

二、系统总体方案设计

2.1 总体架构

本系统采用分层式架构设计，自下而上分为执行层、控制层、决策层、感知层四个层级，各层级通过标准化接口交互，实现功能解耦与协同运行。

1. 感知层：由摄像头、激光雷达、UWB 定位模块、GPS 模块与 IMU 惯性测量单元组成，负责采集环境图像、障碍距离、无人机位置与姿态等全量信息；
2. 决策层：以树莓派 5B 为核心运算单元，运行 YOLO 目标检测算法、多传感器融合算法与路径规划算法，输出障碍类别、位置信息与飞行决策指令；
3. 控制层：以 Pixhawk 2.4.8 飞控为核心，接收决策层指令，完成无人机姿态稳定、航线跟踪与飞行模式切换；
4. 执行层：由无刷电机、电调、螺旋桨组成动力系统，执行飞控的控制指令，实现无人机的升力输出与姿态调整。

2.2 设计原则

1. 可靠性优先：核心功能采用冗余设计，定位、感知均配备双备份方案，避免单一模块失效导致任务失败；
2. 精度适配：针对起飞、障碍穿越、降落不同阶段的精度需求，匹配对应的传感器与控制算法，兼顾性能与算力成本；
3. 效率优化：在保证穿越成功率的前提下，优化航线与飞行速度，最大化飞行时间得分；
4. 合规性：所有硬件选型与飞行逻辑严格遵循竞赛规则，避免违规扣分与资格取消风险。

三、硬件系统详细设计

3.1 无人机平台本体

采用 F450 改进型四旋翼机架，实际轴距 420mm，满足竞赛 “轴距小于 450mm” 的要求；机架采用红白高强度工程塑料材质，兼顾结构强度与轻量化；配备全包围螺旋桨护罩，防止碰撞障碍时螺旋桨损坏，同时符合竞赛安全规格。 动力系统采用 2212 型无刷电机搭配 30A 电调，配合 1045 正反桨，最大推力可达 4kg，整机起飞重量约 1.2kg，推重比大于 3:1，具备充足的动力余量应对障碍穿越时的机动动作；起落架采用加高设计，为底部机载设备预留安装空间，同时保障降落稳定性。

3.2 飞行控制系统

主控采用 Pixhawk 2.4.8 开源飞控，内置三轴陀螺仪、三轴加速度计、磁力计与气压计，可实现多维度姿态感知与稳定控制。飞控运行 PX4 开源固件，支持定点悬停、航线飞行、自主起降等多种飞行模式，具备完善的故障保护机制。 飞控接口分配如下：MAIN 输出通道连接四个电调，实现电机转速控制；RC 输入接口连接乐迪 R9DS 接收机，接收 SBUS 遥控信号，用于调试与紧急干预；GPS 接口外接 GPS 模块，UART 接口连接 UWB 定位模块与上位机树莓派 5B，实现数据交互；I2C 接口外接激光雷达，获取距离数据。

3.3 上位机处理单元

采用树莓派 5B 作为机载上位机，搭载 4 核 Cortex-A76 处理器，主频 2.4GHz，配备 8GB 运行内存，具备充足的算力运行视觉识别与路径规划算法。树莓派 5B 通过 USB 接口与 Pixhawk 飞控建立通信，采用 MAVLink 协议传输指令与状态数据；通过 CSI 接口连接高清摄像头，实现图像采集；通过 GPIO 接口连接 UWB 定位模块，实现定位数据的高速读取。 相比前代产品，树莓派 5B 的算力提升显著，可满足 YOLO 算法实时推理的需求，同时体积小巧、功耗低，适配机载安装场景。

3.4 多源感知系统

1. 视觉感知模块：采用 1080P 高清广角摄像头，帧率 30fps，安装于无人机正前方，视角覆盖飞行前方障碍区域。摄像头采集的实时图像传输至树莓派 5B，由 YOLO 轻量化算法完成三类障碍的识别与定位，输出障碍的类别、中心坐标与置信度。
2. 激光雷达模块：采用一维激光雷达，安装于无人机前部，测量范围 0.1m-12m，精度 ±2cm，用于辅助测量无人机与障碍的直线距离，弥补视觉算法在距离估算上的误差，保障穿越障碍时的安全余量。
3. 组合定位系统：采用 UWB+GPS 融合定位方案，场地内部署 4 个 UWB 基站，无人机搭载 UWB 标签，定位精度可达 ±10cm，满足室内场地的高精度定位需求；GPS 模块作为室外备用定位方案，同时为系统提供绝对位置参考。两者通过扩展卡尔曼滤波（EKF）融合，结合飞控 IMU 数据，输出高频率、高可靠性的位置与速度信息。
4. 遥控接收模块：采用乐迪 R9DS 9 通道接收机，支持 SBUS 信号输出，通信距离可达 1km，主要用于赛前调试、参数校准与紧急情况下的手动接管，符合竞赛备用操控要求。

3.5 电源系统

采用 3S 2200mAh 锂电池作为动力电源，放电倍率 25C，可支持约 8 分钟的连续飞行，满足单轮比赛 5 分钟的时长要求；采用独立 5V BEC 模块为飞控、树莓派与传感器供电，避免动力电源波动影响电子设备稳定性；电源模块配备电压检测与低电量报警功能，实时监控电量状态。

四、软件系统设计与算法实现

4.1 底层飞控软件

Pixhawk 飞控运行 PX4 v1.13 版本固件，完成基础的姿态控制、定高定点与航线执行功能。通过 QGroundControl 地面站完成参数校准，包括陀螺仪校准、加速度计校准、磁力计校准与遥控器校准，优化姿态控制 PID 参数，提升悬停稳定性与航线跟踪精度。 针对竞赛场景，自定义飞行任务模式：飞控接收上位机发送的目标点与速度指令，实时调整飞行姿态，实现平滑的航线过渡；设置失控保护逻辑，当通信中断或定位失效时，自动触发悬停与缓慢降落程序，避免坠机。

4.2 障碍物视觉识别算法

采用 YOLO 轻量化版本作为障碍检测算法，针对竞赛三类障碍（obs1 方形框、obs2 圆形框、obs3 双框往返）制作专属数据集，包含不同角度、不同距离、不同光线条件下的障碍样本共 1200 张，完成标注与模型训练。 为适配树莓派 5B 的算力，对模型进行量化剪枝优化，将模型体积压缩至原有的 30%，推理速度提升至 25FPS 以上，满足实时性要求。算法输出内容包括：障碍类别标签、边界框坐标、中心像素坐标与置信度，当置信度大于 0.7 时判定为有效检测。针对 obs3 双框障碍，算法额外识别左右框的位置关系，为往返穿越决策提供依据。

4.3 多传感器融合导航算法

采用扩展卡尔曼滤波（EKF）实现多传感器数据融合，以 IMU 惯性测量数据为预测基准，融合 UWB 定位、GPS 与气压计数据，输出无人机的三维位置、速度与姿态信息。 针对竞赛场地特点，设计分阶段定位策略：起飞与降落阶段，以 UWB 定位为主，结合 AprilTag 视觉定位，实现厘米级精度；障碍穿越阶段，UWB 与视觉定位互补，当 UWB 信号受遮挡时，由视觉里程计辅助定位，保障位置信息连续稳定。融合算法运行于树莓派 5B，输出频率 50Hz，满足飞控的实时控制需求。

4.4 避障决策与路径规划

1. 全局路径规划：赛前根据场地障碍分布，预规划基础飞行航线，依次经过每个障碍的中心位置，生成全局航点序列，保证飞行路径整体最优，减少无效航程。
2. 局部动态避障：飞行过程中，视觉识别与激光雷达实时检测障碍的实际位置，当障碍与预设位置存在偏差时，动态调整穿越点坐标，修正局部航线。针对不同障碍类型设计专属穿越逻辑：
   • obs1 方形框、obs2 圆形框：识别框体中心，控制无人机从中心位置直线穿越，保持飞行速度平稳；
   • obs3 双框往返障碍：识别左、右框位置，按照 “左进右出” 的规则，先穿越左框，横向平移后从右框穿出，完成往返动作。
3. 速度规划：根据障碍间距与类型动态调整飞行速度，障碍间过渡段采用高速飞行，接近障碍时减速，穿越后再加速，平衡飞行时间与穿越精度。

4.5 精准降落算法

采用 “粗定位 + 精确定位” 的双阶段降落策略：第一阶段，无人机通过 UWB 定位返回起降区上方，悬停在 2m 高度；第二阶段，启动视觉精准定位，识别起降坪中心的 AprilTag 标签，计算无人机与标签的相对位置偏差，逐步修正位置，缓慢下降，最终平稳降落。该方案可将降落精度控制在 0.6m 以内，满足满分评分标准。

4.6 地面站交互系统

采用 QGroundControl 作为地面站软件，实现飞行状态实时监控、参数在线调试与任务规划功能。地面站可显示无人机位置、姿态、电量、传感器状态等信息，同时可实时查看摄像头画面与障碍识别结果，便于赛前调试与赛中状态监控。

五、竞赛任务执行策略

5.1 起飞阶段策略

起飞前完成系统全自检，包括飞控传感器状态、电池电压、通信链路、视觉算法加载状态，确认全部正常后启动任务。采用自主起飞模式，无人机垂直上升至 2m 高度后自动悬停，保持机头方向锁定，悬停 10 秒确认姿态稳定后，进入障碍穿越阶段。该阶段严格控制起飞平稳性，避免剧烈晃动与漂移，确保起飞环节满分。

5.2 障碍穿越阶段策略

按照场地布局顺序依次穿越 8 个障碍，采用 “分段验证、逐段通过” 的策略：每到达一个障碍前，减速并确认障碍识别结果，修正位置后平稳穿越；穿越完成后，加速飞向下一个障碍。针对 obs3 双框障碍，设置专门的动作逻辑，穿越前确认左右框的位置，穿越过程中保持高度稳定，横向平移时速度平缓，避免碰撞框体。 全程保留安全余量，无人机与障碍边框保持至少 20cm 的距离，降低触碰风险；若出现轻微触碰且可继续飞行，及时调整姿态，不影响后续任务执行。

5.3 精准降落阶段策略

完成最后一个障碍穿越后，自动规划返回航线，以适中速度返回起降区上空；到达降落点上方后，先悬停稳定，再启动视觉精准降落程序。降落过程中实时监测姿态与高度，下降速度控制在 0.5m/s 以内，确保降落平稳，避免倾倒翻覆。

5.4 时间优化策略

飞行时间得分是总成绩的重要组成部分，在保证成功率的基础上，通过以下方式优化时间：

1. 优化全局航线，减少障碍间的绕行距离；
2. 合理设置过渡段飞行速度，在可控范围内提升巡航速度；
3. 简化障碍识别与决策流程，降低算法延迟；
4. 优化起飞与降落的垂直速度，缩短起降耗时。

六、系统测试与性能验证

6.1 模块测试

1. 飞控姿态测试：测试无人机定点悬停稳定性，10 秒内平面漂移小于 30cm，高度波动小于 10cm，满足起飞姿态锁定要求；
2. 视觉识别测试：在场地不同位置测试三类障碍的识别效果，平均识别置信度 0.85 以上，最远识别距离 8m，识别延迟小于 50ms，满足实时性要求；
3. 定位精度测试：UWB 定位在场地内平均误差小于 10cm，结合视觉降落的最终落点误差小于 0.5m，满足精度要求。

6.2 全流程集成测试

按照竞赛规则完成多轮全流程试飞，测试结果显示：系统可完整完成自主起飞、8 个障碍穿越、精准降落全流程，全程无人工干预；障碍穿越成功率 100%，无触碰剐蹭；单轮最快飞行时间 78 秒，障碍穿越得分 220 分，飞行时间得分 182 分，总得分 402 分，达到设计目标。

6.3 异常场景测试

模拟定位偏差、光线变化、轻微触碰等异常场景，验证系统的容错能力。测试结果表明，系统可通过多传感器融合修正定位偏差，通过图像预处理适应光线变化，轻微触碰后可快速恢复稳定姿态，具备较强的可靠性。

七、安全性与可靠性设计

7.1 硬件安全

无人机配备全包围螺旋桨护罩，防止碰撞时桨叶损坏与人员伤害；所有机载设备均采用减震安装，降低飞行震动对传感器的影响；电源系统配备短路保护与过放保护，避免电池故障。

7.2 软件安全

飞控内置低电量返航、失控保护、姿态异常保护等故障处理机制；上位机设置心跳检测，当飞控通信异常时，自动触发紧急悬停指令；视觉识别设置置信度阈值，避免误识别导致错误决策。

7.3 操作安全

严格遵守竞赛安全规定，赛前检查设备状态，飞行过程中人员处于安全区域；设置紧急停止开关，出现危险情况时可立即切断动力；全程保留手动接管权限，应对突发状况。

八、总结与展望

本方案针对无人机精准避障与导航挑战赛的需求，完成了从硬件选型、系统集成到算法设计、策略制定的全流程设计，构建了一套自主、稳定、高效的无人机竞赛系统。测试结果表明，系统各项性能指标均满足竞赛要求，具备较强的竞争力。 后续将进一步优化视觉识别的鲁棒性，提升复杂光线环境下的识别稳定性；优化动态路径规划算法，进一步缩短飞行时间；同时拓展系统的应用场景，将竞赛技术成果向物流巡检、室内作业等实际场景转化。