待补充
makeecat/Peng
机器人, 飞控/无人机
3/5
🧩 软硬件结合
已发布
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
搜索资源
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。
项目图库
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