5步实现ESP32无人机合规识别：ArduRemoteID开源方案详解

优质文章学习记录

— 3 min read

5步实现ESP32无人机合规识别：ArduRemoteID开源方案详解

【免费下载链接】ArduRemoteIDRemoteID support using OpenDroneID 项目地址: https://gitcode.com/gh_mirrors/ar/ArduRemoteID

面临FAA无人机识别法规的合规难题？ArduRemoteID为您提供完整的开源无人机识别解决方案。这个基于ESP32芯片的开源项目，通过实现MAVLink和DroneCAN协议的OpenDroneID发射器，帮助无人机爱好者轻松满足RemoteID法规要求。

硬件选择与连接指南

ArduRemoteID支持ESP32-S3和ESP32-C3两种主流芯片，兼容7种开发板。推荐使用ESP32-S3开发板，其引脚配置如下：

  • UART TX引脚：18
  • UART RX引脚：17
  • CAN TX引脚：47
  • CAN RX引脚：38

通过USB连接到标有"UART"的端口用于MAVLink通信和调试，或通过UART连接到飞行控制器的RX(17)/TX(18)/GND引脚。CAN连接需要使用标准的CAN收发器连接到引脚47(tx)/38(rx)/GND。

快速配置与固件烧录

首先克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/ar/ArduRemoteID cd ArduRemoteID/RemoteIDModule

安装ESP32支持环境：

make setup

编译项目并上传固件：

make make upload

如果上传失败，按住BOOT按钮并短暂按下RESET按钮进入bootloader模式后重试。

参数配置与合规设置

ArduRemoteID提供丰富的参数配置选项，关键参数包括：

  • LOCK_LEVEL：控制板子锁定级别，防止参数篡改
  • UAS_TYPE：设置无人机类型标识
  • UAS_ID_TYPE和UAS_ID：设置无人机ID信息
  • WEBSERVER_ENABLE：启用内置Web服务器

通过DroneCAN GUI工具可以直观地配置这些参数，确保符合FAA的RemoteID要求。

安全特性与防篡改机制

ArduRemoteID内置多重安全保护：

固件签名验证：使用generate_keys.py脚本生成公私钥对，确保只有经过签名的固件才能升级：

scripts/generate_keys.py

安全参数更新：设置LOCK_LEVEL=1后，只能通过安全命令更新参数：

scripts/secure_command.py --private-key my_private_key.dat UAS_TYPE=3

eFuse保护：LOCK_LEVEL=2时永久设置eFuse，防止非授权固件更新。

多协议支持与生态集成

ArduRemoteID支持四种传输模式：

  • WiFi广播传输
  • WiFi NAN（邻居感知网络）
  • 蓝牙4传统广播
  • 蓝牙5长距离扩展广播

与ArduPilot飞行控制器完美集成，通过MAVLink或DroneCAN协议通信。内置Web服务器提供状态监控和安全固件更新功能，默认访问地址为http://192.168.4.1。

通过这个开源解决方案，无人机爱好者和制造商可以低成本实现FAA合规要求，同时保持系统的灵活性和可定制性。ArduRemoteID不仅提供了技术实现，更是一个完整的合规生态系统。

【免费下载链接】ArduRemoteIDRemoteID support using OpenDroneID 项目地址: https://gitcode.com/gh_mirrors/ar/ArduRemoteID

Read more

如何轻松分析大疆无人机信号？DJI DroneID 信号解析工具全指南

如何轻松分析大疆无人机信号？DJI DroneID 信号解析工具全指南 🛸 【免费下载链接】dji_droneid 项目地址: https://gitcode.com/gh_mirrors/dj/dji_droneid DJI DroneID 信号分析项目（dji_droneid）是一个开源工具集，专为无人机爱好者和研究人员设计，通过软件定义无线电（SDR）技术捕获、解码和分析大疆无人机发射的DroneID信号。该项目提供完整的信号处理流程，从原始IQ数据捕获到最终数据帧解析，支持Octave和MATLAB环境运行，帮助用户深入理解无人机通信机制。 📌 项目核心功能与技术架构 🔍 信号捕获与处理全流程 项目实现了从射频信号到数据帧的完整解析链路，主要包括： * 原始信号采集：支持32位浮点IQ数据文件输入（需配合SDR设备录制） * ZC序列检测：通过归一化互相关算法定位信号中的Zadoff-Chu序列 * 频率校正：自动检测并补偿信号中的频率偏移 * OFDM符号提取：精准提取9个OFDM符号（含2个ZC序列符号） * 相位校正与均衡：解决无线信道引入的

Mac Mini M4 跑 AI 模型全攻略：从 Ollama 到 Stable Diffusion 的保姆级配置指南

Mac Mini M4 本地AI模型实战：从零构建你的个人智能工作站 最近身边不少朋友都在讨论，能不能用一台小巧的Mac Mini M4，搭建一个属于自己的AI开发环境。毕竟，不是每个人都有预算去租用云端的高性能GPU，也不是所有项目都适合把数据传到云端处理。我折腾了大概两周，从Ollama到Stable Diffusion，把整个流程走了一遍，发现M4芯片的潜力远超预期。这篇文章，就是把我踩过的坑、验证过的有效配置，以及一些提升效率的小技巧，毫无保留地分享给你。无论你是想本地运行大语言模型进行对话和创作，还是想离线生成高质量的AI图像，这篇指南都能帮你把Mac Mini M4变成一个得力的AI伙伴。 1. 环境准备与基础配置 在开始安装任何AI工具之前，确保你的系统环境是干净且高效的，这能避免后续无数莫名其妙的依赖冲突。Mac Mini M4出厂预装的是较新的macOS版本，但这还不够。 首先，打开“系统设置” -> “通用” -> “软件更新”，确保你的macOS已经更新到可用的最新版本。苹果对Metal图形API和神经网络引擎的优化通常会随着系统更新而提升，这对于后续运
Ubuntu搭建PX4无人机仿真环境(5) —— 仿真环境搭建(以Ubuntu 22.04,ROS2 Humble,Micro XRCE-DDS Agent为例)

Ubuntu搭建PX4无人机仿真环境(5) —— 仿真环境搭建(以Ubuntu 22.04,ROS2 Humble,Micro XRCE-DDS Agent为例)

目录 * 前言 * 1. 准备 * 1.1 下载 PX4 源码 * 方式一： * 方式二： * 1.2 安装仿真依赖 * 1.3 安装 Gazebo * 2. 安装 Micro XRCE-DDS Agent * 3. 编译 PX4 * 4. 通信测试 * 5. 官方 offboard 程序 * 6. offboard 测试 * 参考 前言 本教程基于 ROS2 ，在搭建之前，需要把 ROS2、QGC 等基础环境安装配置完成。但是这块的资料相比较于 ROS1 下的少很多，不利于快速上手和后期开发，小白慎选！ 小白必看：

通俗解释液位传感器在智能家居灌溉系统中的使用

液位传感器如何让家里的花草“自动喝水”？——一次讲透智能灌溉背后的硬核细节 你有没有过这样的经历：出差一周回家，阳台上心爱的绿植已经蔫头耷脑，只因为没人浇水？或者明明记得浇了水，却发现水箱早就空了，水泵还在干转，发出刺耳的噪音？ 这些问题，在传统人工养护模式下几乎无解。但今天，借助一个不起眼的小器件—— 液位传感器 ，我们完全可以构建一套能“自己看水、自己报警、甚至自己加水”的智能灌溉系统。 这听起来像是高科技实验室的产物，其实它早已悄然走进千家万户。接下来，我们就用最接地气的方式，带你一步步揭开它的神秘面纱。 为什么智能灌溉不能没有液位传感器？ 很多人以为，智能灌溉就是“定时浇水”。比如每天早上8点，水泵自动开5分钟。听起来很智能，实则漏洞百出： * 如果水箱没水了怎么办？泵会一直空转，烧坏电机； * 如果上次没用完水，这次又补上一整箱，容易溢出浪费； * 外出时无法查看状态，只能靠猜。 真正的智能，不是按时间做事，而是 根据实际情况做决策 。而要做到这一点，系统必须先“看得见”水在哪里。