AirSim无人机仿真入门（一）：实现无人机的起飞与降落

优质文章学习记录

— 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

用 FPGA 实现 PCIe 传输，开源核 LitePCIe 深度解读

在高速数据交换、服务器加速卡、嵌入式系统里， PCIe 接口几乎是“必备武器”。但对于很多 FPGA 工程师来说，自己实现一条 PCIe 通道从零起步仍然很困难——涉及 TLP 层、BAR 映射、DMA 引擎、收发逻辑、时钟域交叉、PHY 配置…… 好消息是，有一个开源项目 LitePCIe 为你扫清了这条路。 ✅ 项目简介 LitePCIe 是一个由 Enjoy‑Digital（https://github.com/enjoy-digital） 组织维护的“轻量级且可配置”的 PCIe 核心。它主要特点包括： * 支持多种 FPGA 设备：例如 Xilinx 7 系列（可达
OpenClaw爆火倒逼低代码AI变革：从工具赋能到生态重构

OpenClaw爆火倒逼低代码AI变革：从工具赋能到生态重构

2026年开春，科技圈最大的现象级事件，莫过于OpenClaw的“封神式”爆发。这个诞生仅4个月、GitHub星标突破28万、超越Linux内核登顶全球开源榜单的AI工具，以“AI智能体执行网关”的定位，打破了传统AI“只聊天不干活”的困局，用“自然语言指令→自动执行”的全闭环，让“一个人+AI=一个团队”从梦想照进现实。         当全网都在跟风“养龙虾”（网友对部署OpenClaw的趣味戏称），讨论其如何自动化处理办公、开发、运维等重复性工作时，深耕低代码领域的从业者们更敏锐地捕捉到一个信号：OpenClaw的爆火，本质是AI从“对话层”向“执行层”跨越的标志，而这恰恰是低代码AI长期以来的核心痛点。低代码作为“普惠开发”的核心载体，与AI的深度融合早已是行业共识，但如何让AI从“辅助配置”升级为“主动执行”，让低代码平台真正实现“零代码开发、全流程自动化”，始终没有明确的行业路径。         OpenClaw的出现，
【花雕学编程】Arduino BLDC 之机器人IMU角度读取 + PID控制 + 互补滤波

【花雕学编程】Arduino BLDC 之机器人IMU角度读取 + PID控制 + 互补滤波

基于 Arduino 平台实现 BLDC 机器人 IMU 角度读取 + 互补滤波 + PID 控制，构成了一个典型的姿态闭环控制系统。该架构是自平衡机器人（如两轮平衡车、倒立摆）或稳定云台的核心技术栈。它通过 互补滤波 融合 IMU 原始数据以获得精准姿态角，再利用 PID 控制器 计算出维持平衡所需的电机驱动力矩，驱动 BLDC 电机 执行动作。 1、主要特点 传感器融合：互补滤波（Complementary Filter） 这是系统的“感知中枢”，解决了单一传感器无法同时满足动态与静态精度需求的矛盾。 频域分割策略：互补滤波本质上是一个频域滤波器。它利用低通滤波（LPF）处理加速度计数据，提取低频的重力方向分量（长期稳定，用于修正漂移）；同时利用高通滤波（HPF）处理陀螺仪数据，提取高频的角速度变化分量（动态响应快，

801-203_各无人机厂家对RemoteID支持情况汇总

1. 大疆DJI 参考链接：大疆无人机RemoteID支持情况 DJI航拍无人机的RID广播信息包含以下信息： 1. ID等身份认证 2. 无人机的纬度、经度、几何高度和速度 3. 控制站的纬度、经度和几何高度的指示 4. 时间信息、紧急状态信息 支持RID的航拍无人机型号 大疆无人机支持RID型号列表 序号无人机机型支持情况备注1DJI Mavic 4 Pro支持2DJI Flip支持3DJI Air 3S支持4DJI Neo支持WIFI直连模式下和脱控模式下不支持5DJI Mini 4K支持V01.07.0400 及以后6DJI Avata 2V01.00.0300 及以后7DJI Mini 4 Pro支持V01.00.0400 及以后8DJI Air 3支持V01.00.1200 及以后9DJI Mini 3支持V01.