待补充 makeecat/Peng

机器人, 飞控/无人机 3/5 🧩 软硬件结合 已发布
makeecat 140 Stars 未知 BOM 完整度: 0/5 教程完整度: 0/5
待补充

项目简介

A minimal quadrotor autonomy framework in Rust (Mac, Linux, Windows)


Peng是一个用Rust编写的轻量级四旋翼自主飞行框架,专注于为无人机开发者提供实时动力学仿真、轨迹规划与控制的一站式解决方案。项目以“最小化”为核心设计理念,通过简洁的代码结构和高效的Rust实现,降低了四旋翼算法研究与原型验证的门槛。核心功能包括高保真度的四旋翼动力学仿真,支持可配置的质量、惯性参数以及可选的RK4积分器来提升精度;内置IMU和深度传感器模拟,可生成深度图数据;控制层面采用经典PID控制器,支持位置与姿态控制,并具备积分饱和抑制机制,允许用户灵活调节控制频率。轨迹规划方面,Peng提供了丰富的规划器,涵盖最小加加速度直线轨迹、利萨如曲线、圆形轨迹、避障规划、最小加加速度航点导航、二次多项式航点导航以及降落规划,满足从基础运动到复杂环境导航的多种需求。可视化与调试通过集成rerun.io实现实时3D渲染,支持深度图显示和状态遥测日志记录,所有参数均可通过YAML配置文件动态调整。项目解决了传统四旋翼仿真框架通常过于臃肿、依赖复杂或性能不足的问题,特别适合需要快速迭代算法、验证控制逻辑或进行教学演示的开发者与研究人员。技术栈以Rust为核心,利用其内存安全和高并发特性,通过多线程深度渲染提升性能,并依赖rerun.io提供跨平台的可视化支持。无论是学术研究中的轨迹优化实验,还是工业场景下的自主飞行原型开发,Peng都能以极低的配置成本提供可靠的仿真环境。

标签

项目特点

**纯Rust实现**:利用Rust的内存安全和零成本抽象,提供高性能和可靠性。
**高保真度动力学仿真**:支持可配置的质量、惯性参数,并可选RK4积分器提升仿真精度。
**内置传感器模拟**:集成IMU和深度传感器,能生成深度图数据,方便感知算法测试。
**经典PID控制**:支持位置与姿态控制,具备积分饱和抑制机制,控制频率可灵活调节。
**丰富的轨迹规划器**:提供最小加加速度直线轨迹、利萨如曲线、圆形轨迹、避障规划、最小加加速度航点等多种规划器。
**模块化设计**:代码结构清晰,易于扩展和定制,适合研究与原型验证。

技术规格

编程语言
仿真类型
积分器
传感器模拟
控制器类型
控制特性
轨迹规划器
许可证
GitHub星数
仓库地址

项目资源

物料清单 (BOM)

物料名称 数量 参考价格 备注
Rust编译器 1 必需,用于编译项目
Cargo 1 Rust包管理器,必需
nalgebra 1 线性代数库
rand 1 随机数生成
serde 1 序列化/反序列化
image 1 图像处理(深度图生成)

能力画像

**记忆与知识检索**:2/5 — 项目本身不涉及知识检索,但文档和代码注释清晰,便于查阅。
**动手与操作**:3/5 — 需要配置Rust环境和编译,但整体流程简单,适合动手实践。
**编程与算法**:4/5 — 核心是Rust编程和四旋翼控制算法,需要理解PID、轨迹规划等概念。
**设计与建模**:3/5 — 涉及动力学模型配置和轨迹设计,但框架已提供基础模型。
**实验与调试**:4/5 — 内置仿真和传感器模拟,方便调试和验证算法。
**协作与分享**:2/5 — 开源项目,可通过GitHub贡献代码或提issue,但社区规模较小。
**学习与研究**:5/5 — 非常适合学习四旋翼控制、Rust编程和机器人仿真。
**系统集成**:3/5 — 模块化设计,可集成到更大系统中,但需要一定Rust和机器人知识。

所需技能

Rust编程基础 四旋翼动力学与控制理论(PID、轨迹规划) 基本数学知识(线性代数、微积分) 使用Git和命令行工具 了解传感器模拟(IMU、深度传感器)

适用场景

四旋翼控制算法的快速原型验证
无人机轨迹规划与避障算法研究
Rust在机器人领域的应用学习
学术研究中的仿真实验(如动力学仿真、传感器模拟)
无人机竞赛或项目中的控制模块开发
教学演示,帮助学生理解四旋翼飞行原理