UAS-Project-STM32

下位机STM32端无人船/无人车程序，配合树莓派、英伟达Jetson Nano等上位机端程序使用

亮点概要：

STM32采用类操作系统式框架，任务可分不同频率被调用。优点是该框架可以提高系统灵活性，降低系统耦合性。这么做的还有许多无人机飞控厂家，如crazypony等。
下位机工程可选择编译，只需要改动一个宏定义，系统即可进行相应改变，自动选择传感器元件。主要应用于对GY901与MPU6050+HML5883两套惯性测量装置同时兼容，无缝切换。
传感器上电自动自检，自动校准，保障数据精度
GPS模块采用先进的UBX协议，系统上电前自动配置GPS输出必要信息，滤除不必要信息，大幅提高数据处理效率

上、下位机内部数据缓冲区采用先进的环形缓冲区，大幅降低数据高速传输时的丢包率，提高上下位机对数据处理速度
STM32采用有限状态机设计，可通过遥控器进入不同状态，执行不同操作。提高系统灵活性。
采用先进的Madgwick梯度下降姿态解算算法，较以前的卡尔曼滤波方法大幅降低了下位机对数据迭代的次数，采用此方法仅需10Hz的采样速度即可收敛至当前载具的姿态
Madgwick梯度下降姿态解算算法，这是最终实现的算法。首先它的好处就是对迭代次数、传感器采样频率要求很低，而这恰好弥补了Kalman滤波器的缺点——吃性能。由于下位机采用STM32F1系列，时钟频率最高72Mhz，这也就使想要在32上同时采用姿态解算算法和控制是不太可行的。梯度下降实际上是一种在机器学习中应用的比较广泛的算法，普遍用在优化问题上。也就是说，梯度下降中的“下降”可以理解为使一个函数的输出值与理论值之间误差逐步下降，用在姿态解算上也就是使解算姿态与真实姿态之间误差逐步下降。
GPS模块由于需要实时接收大量数据，严重占用MCU任务处理时间，因此加入了DMA。并且在工程中配置为DMA与中断处理两种可选方式选择编译，提高了效率、灵活性。

GPS模块使用Ublox的M8（有一块自带HMC5883磁力计的版本）
姿态传感器使用MPU6050
遥控器使用WFR07\WFT07 具体连线请参考本目录下的两幅图片
车体电机说明：
- 使用前两个轮子使用舵机转向(舵机型号与连线参考本目录下的舵机线.png)
- 后两个轮子各用一个电机驱动（使用PID控制两电机转速基本相同）。
- 如果车体不同，直接删掉原脚本，按照相类似的函数定义方法在脚本中修改即可

1.将本文件下载到某个文件夹下
2.打开Keil5,编译，下载到STM32中
3.按照【STM32资源使用情况.xlsx】表格，将相应的传感器连线
以上就可以了。此外，如果不连接上位机的话，将只能遥控控制；如果接了上位机，则可以进行定点巡航、采点等。

STM32型号为ZET6，由于使用了定时器8，因此必须使用大容量产品。
上位机负责和地面站通信，路线规划等等，可以移植到ROS上。
下位机就用比较简单的架构，大体上就是把姿态解算、电机控制等任务分5，10，50，100Hz的频率运行。
树莓派使用Python脚本在后台以进程的形式运行（如果使用的是非ROS版上位机程序的话）
建议使用非ROS版上位机程序，原因：开发环境容易配置（只需要Python），并且稳定性好。
上位机端非ROS版Github地址
上位机端ROS版Github地址
姿态解算算法的解释与实机演示视频