AirSim无人机仿真入门（一）：实现无人机的起飞与降落

Ne0inhk

— 8 min read
AirSim无人机仿真入门（一）：实现无人机的起飞与降落
概述： 安装好所需要的软件和环境，通过python代码控制无人机进行起飞和降落。

参考资料：
1、知乎宁子安大佬的AirSim教程（文字教程，方便复制）
2、B站瑜瑾玉大佬的30天RL无人机仿真教程（视频教程，方便理解）
3、AirSim官方手册（资料很全，不过是纯英文的）

AirSim无人机仿真入门（一）：实现无人机的起飞与降落

1 安装AirSim

1.1 参考教程

宁子安教程：（解密AirSim-初稿）第一章：初识AirSim

1.2 内容梳理

Epic Games是一家游戏公司，就像“腾讯游戏”或者“网易游戏”一样。Unreal Engine（简称UE）是 Epic Games 开发的一款游戏引擎。AirSim 是基于 Unreal Engine开发的一个模拟器，它主要用来模拟无人机（Drone）和自动驾驶汽车的运行环境。

1.3 步骤总结

以下仅是我个人的步骤总结，建议按照以上宁子安的“初识AirSim”教程一步一步安装。

  1. 安装Epic平台： 记得注册账号
  2. 下载UE： 点击Epic平台左边的 “虚幻引擎” 菜单，“库” 里面有不同的虚幻引擎版本，选择4.27.2版本进行安装，这个版本比较适配AirSim。
  3. 安装VS commuty2022： 记得勾选“C++桌面开发” “Windows 10 SDK 10.0.19041”，并在“单个组件”选项卡下选择最新的“.NET Framework SDK”
  4. 安装git bash工具
  5. 克隆AirSim工程： 进自己要安装AirSim的磁盘，git clone。进入目录build.cmd。编译好之后会在 “AirSim\Unreal” 文件夹中生成 “Plugins” 文件夹。这个 “Plugins” 文件夹非常重要。

检验虚拟引擎和AirSim是否安装成功： 使用AirSim自带的Block环境进行测试。

在这里插入图片描述


至此，AirSim 全部安装完成，下面可以直接使用 AirSim 做仿真了。

2 开始使用 AirSim

2.1 参考教程

宁子安教程：（解密AirSim-初稿）第二章：开始使用 AirSim

2.2 内容梳理

从虚幻商城选择一个场景创建工程，把AirSim作为插件导入这个工程中。

2.3 步骤总结

  1. 创建工程： 从虚幻商城中找到场景，创建工程，得到.uproject文件。
  2. 新建C++类： 双击.uproject文件进入关卡编辑器，新建C++类，等待编译完成（这一步耗时较长，而且要关注VS2022的左下角的编译进度），得到.sln文件，至此 “山脉景观” 场景工程创建完成。
  3. 添加AirSim插件： 复制“AirSim\Unreal\Plugins” 文件夹到“LandscapeMountains” 文件夹中。
  4. 修改文件： 修改 “LandscapeMountain.uproject”
    文件，修改“LandscapeMountains\Config\DefaultGame.ini” 文件。
  5. 创建VS工程： 右键点击 “LandscapeMountains.uproject” 文件，选择 “Generate Visual Studio project files” 选项，会生成 “.sln” 工程文件。
  6. 改成多旋翼模式： 把settings.json文件中的仿真模式改为多旋翼。
{"SettingsVersion":1.2, "SimMode":"Multirotor"}
  1. 进入工程： 双击打开 “LandscapeMountains.sln”，设置编译选项为 “DebugGame Editor” 和“Win64”，同时将 “LandscapeMountains” 设为启动项，点击 “调试” -> “开始调试”，或者直接点击 “本地Windows调试器”，这时会自动打开虚幻引擎的关卡编辑器。此时，虚幻引擎编辑器右下角出现了“新插件可用”的提示，说明虚幻引擎已经能够识别到AirSim 插件了。
  2. 设置游戏模式为AirSim： 在关卡编辑器中，将右侧 “世界场景设置” 中的 “游戏模式重载” 设置为“AirSimGameMode”，点击 “保存当前关卡”。
  3. 运行： 点击绿色三角开始仿真
在这里插入图片描述


至此 AirSim 插件已经加载到虚幻引擎场景工程中了。

3 撰写python控制程序

3.1 参考教程

宁子安教程：airsim详细教程(四) - 控制四旋翼起飞和降落(airsim api)

3.2 内容梳理

安装好python的运行环境，主要使用conda虚拟环境的python解释器，pycharm充当编辑器的作用。使用AirSim官方提供的python API，与无人机建立联系，控制无人机的起飞和降落。

3.3 步骤总结

  1. 安装Anaconda并创建环境： 创建虚拟环境，并在该环境中安装必需的包
 pip install msgpack-rpc-python pip install airsim
  1. 安装pycharm： 安装了社区版，是免费的，目前功能够用。
  2. 创建工程： pycharm中创建一个新的python工程，解释器选择上面新建的conda环境中的python解释器：conda的安装路径\envs\airsim\python.exe
  3. 创建python文件： 在新建的python工程中新建一个python File，将下面的代码复制进去：
import airsim ​ # 与 AirSim 仿真器建立连接，并且返回句柄 client = airsim.MultirotorClient() client.confirmConnection() ​ # 获得控制权 client.enableApiControl(True) ​ # 解锁无人机 client.armDisarm(True) ​ # Async函数在执行的时候会立即返回.此时有可能任务还没执行完。在后面加上.join()，就可以让当前函数执行完才执行下一行 client.takeoffAsync().join() client.landAsync().join() ​ # 上锁 client.armDisarm(False)# 释放控制权 client.enableApiControl(False)

python与AirSim的通信机制： AirSim API 使用的是 TCP/IP 中的 msgpack-rpc 协议，可以用两台不同的电脑来做仿真，一台跑 AirSim 和 Unreal（仿真），另一台跑 python程序（算法）。当 AirSim 开始仿真的时候，会打开 41451 端口，并监听这个端口的需求。python 程序使用 msgpack serialization 格式向这个端口发送 RPC 包，就可以与AirSim进行通信了。如果41451 端口已经被其他程序使用了，那么可以通过 settings 文件改变AirSim使用的端口号。使用这种网络通信协议的方式，可以将 AirSim 和 python程序隔离，互不干扰。所以不需要修改 AirSim 的任何源代码，就可以满足非常多的仿真需求；而且即使python程序中断了，AirSim 的仿真也可以继续进行。示例：一台跑仿真，一台跑python程序

server_ip ="192.168.0.10"# 示例 IP 地址 port =41451 client = airsim.MultirotorClient(ip=server_ip, port=port)

运行代码： 在右上角点击绿色三角形运行python程序，仿真中的四旋翼会先起飞到一定高度，然后降落。

在这里插入图片描述

4 注意事项

问题： 我发现进行仿真的时候，我的UE界面没有显示三个摄像头的画面，跟原教程截图的不一样。

在这里插入图片描述

解决方法： 修改settings.json 文件打开无人机的三个摄像头窗口

"SubWindows":[{"WindowID":0, "ImageType":0, "CameraName":"front_center", "Visible": true}, {"WindowID":1, "ImageType":3, "CameraName":"front_center", "Visible": true}, {"WindowID":2, "ImageType":5, "CameraName":"front_center", "Visible": true}]

其中，ImageType 的值表示图像类型：

在这里插入图片描述


CameraName的值表示是哪一个相机：

在这里插入图片描述


在这里插入图片描述

至此，AirSim 环境已成功安装，并实现了使用 Python 程序控制无人机的功能。这可以视作 AirSim 入门的“Hello World”示例，后续的算法迁移正在进行中…

Read more

一步到位！VSCode Copilot 终极魔改：智谱 GLM-4.6 接入 + 任意大模型适配

VSCode Copilot 接入 GLM-4.6 方法 安装 vscode-zhipuai 插件后，在 VSCode 设置中添加以下配置： { "zhipuai.apiKey": "你的API_KEY", "zhipuai.model": "GLM-4" } 通过 Ctrl+Shift+P 调出命令面板，执行 ZhipuAI: Toggle Chat 即可激活对话窗口。该插件支持代码补全、对话和文档生成功能。 任意大模型适配方案 修改 VSCode 的 settings.json 实现通用 API 对接： { "ai.

By Ne0inhk
AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现 * 0. 前言 * 1. CycleGAN 基本原理 * 2. CycleGAN 模型分析 * 3. 实现 CycleGAN * 小结 * 系列链接 0. 前言 CycleGAN 是一种用于图像转换的生成对抗网络(Generative Adversarial Network, GAN)，可以在不需要配对数据的情况下将一种风格的图像转换成另一种风格，而无需为每一对输入-输出图像配对训练数据。CycleGAN 的核心思想是利用两个生成器和两个判别器，它们共同学习两个域之间的映射关系。例如，将马的图像转换成斑马的图像，或者将苹果图像转换为橙子图像。在本节中，我们将学习 CycleGAN 的基本原理，并实现该模型用于将夏天的风景图像转换成冬天的风景图像，或反之将冬天的风景图像转换为夏天的风景图像。 1. CycleGAN 基本原理 CycleGAN 是一种无需配对的图像转换技术，它可以将一个图像域中的图像转换为另一个图像域中的图像，而不需要匹配这两个域中的图像。它使用两个生成器和两个判别器，其中一个生成器将一个域中的图像

By Ne0inhk
CarelessWhisper: Turning Whisper into a Causal Streaming Model——将 Whisper 转变为因果流式模型

CarelessWhisper: Turning Whisper into a Causal Streaming Model——将 Whisper 转变为因果流式模型

这篇题为《CarelessWhisper: Turning Whisper into a Causal Streaming Model》的研究论文，提出了一种将非因果的Transformer语音识别模型（如Whisper）改造为低延迟、实时流式语音识别模型的方法。以下是其主要研究内容的概括总结： 一、研究背景与问题 * 现状：Whisper 等先进语音识别模型在离线转录中表现出色，但由于其编码器的非因果性（需依赖未来上下文），无法直接用于低延迟实时流式转录。 * 挑战：现有流式化方法存在计算效率低、延迟高、需额外模块或多轮解码等问题。 二、核心方法 1. 因果编码器改造 * 在 Whisper 的编码器中引入因果掩码（causal masking），使其仅依赖过去和当前语音帧，不依赖未来信息。 * 提出分块注意力机制，支持以固定块大小（如 40、100、300 ms）逐步处理语音流。 2. 轻量级微调策略 * 使用 LoRA（

By Ne0inhk

【AIGC】即梦omnihuaman-api调用实现

即梦数字人视频生成（Streamlit Demo） 基于 火山引擎即梦（Jimeng）CV API 的数字人视频生成示例项目。 支持 图片 + 音频驱动 的数字人视频生成流程，集成了主体检测、Mask 选择、Prompt 控制、视频生成与下载等完整功能，适合 内部测试 / 技术演示 / 二次开发。 一、功能概览 ✅ 核心功能 * 🔐 AK / SK 在线填写 * 支持火山引擎 Access Key / Secret Key 在页面中直接输入 * 无需写死在代码中，便于多账号切换 * api key申请地址：https://console.volcengine.com/iam/keymanage * 🖼 图片上传（人物图像） * 支持 JPG / PNG

By Ne0inhk