unf01d

外观

无人机项目 — 组员零基础入门路线

约 2236 字大约 7 分钟

ROS2UbuntuSLAMAI

2026-06-11

目标：在正式备赛（7月10日）前，让每位组员具备基本的工具使用能力和环境基础。

预计时间：约 10 天（6月底 — 7月9日），每个人可根据自身基础跳章，不强制齐步走。

第一章：AI Agent 上手 — 找到你的编程副驾驶

本章目标

能熟练使用一款 AI agent，知道它能帮你做什么、不能做什么，用得顺手。

推荐方案

首选组合：Claude Code + ccswitch + DeepSeek V4 Pro

组件作用
Claude CodeAnthropic 官方的 AI 编程 CLI 工具，能读代码、写代码、控制终端、debug
ccswitch模型切换工具，让你在 Claude Code 里切换到其他模型（如 DeepSeek）
DeepSeek V4 Pro国产高性价比模型，编程能力强，价格低，适合学生党

替代选项（任选其一即可，不强制统一）：

工具一句话描述
Codex (OpenAI)OpenAI 的编程 agent，和 Claude Code 类似
OpenCode开源 agent，可本地部署
GitHub Copilot编辑器插件，适合在 VS Code / JetBrains 里用

学习资源

  • 搜索「Claude Code 入门教程」
  • 搜索「ccswitch 配置教程」

验收标准

第二章：Ubuntu 22.04 环境 — 建好工作台

本章目标

  1. 有一个可用的 Ubuntu 22.04 环境
  2. 你的 AI agent 能控制这个 Ubuntu（SSH 进去、或在 Ubuntu 里直接装 agent）
  3. 熟悉命令行的操作方式——不要求精通，但能不害怕地敲命令

推荐方案

首选：WSL（Windows Subsystem for Linux）

优点缺点
Windows 自带，免费仅限 Windows 用户
跟 Windows 文件互通图形界面需要额外配置
轻量，不吃资源部分硬件访问受限
装坏了重装只需 5 分钟

替代方案：

方案适用场景
VirtualBox（免费）Windows / Mac 都可，功能全但吃内存
VMware（免费）同上，性能比 VirtualBox 略好
双系统有现成 Ubuntu 系统的直接跳过本章

核心概念

要让 AI agent 控制 Ubuntu，两条路：

  1. Windows 上装 AI agent → SSH 进 Ubuntu：AI agent 运行在 Windows，通过 SSH 在 Ubuntu 里执行命令
  2. 直接在 Ubuntu 里装 AI agent：Ubuntu 里装 Claude Code / OpenCode，所有操作本地完成

推荐先走路线 1（改动小），熟悉后再考虑路线 2。

需要掌握的 Linux 基本操作（边用边学，不需要先学再用）：

操作命令什么时候用到
看看当前目录pwd每时每刻
列出文件ls -la每时每刻
切换目录cd <path>每时每刻
新建文件夹mkdir <name>创建项目目录
安装软件sudo apt install <name>装 ROS、装工具
更新软件源sudo apt update安装任何东西前
改文件权限chmod +x <file>让脚本可执行
看进程状态htop 或 top卡住了看看谁在吃资源
搜索文本grep "关键词" <file>在代码/日志里找东西
编辑文本nano <file>改配置文件

核心思路：不要专门花时间"学 Linux"。在装环境、解决问题的过程中遇到不懂的命令就问 AI。

学习资源

  • 搜索「WSL2 Ubuntu 22.04 安装教程」
  • 搜索「Linux 常用命令速查」

验收标准

第三章：ROS 2 Humble 入门 — 学会机器人的"操作系统"

本章目标

  1. 用小鱼脚本一键装好 ROS 2 Humble
  2. 理解 ROS 的核心通信模型：节点（Node）、话题（Topic）、消息（Message）
  3. 能在 RViz 和 Gazebo 里看到虚拟无人机

推荐方案

安装：小鱼一键脚本

wget http://fishros.com/install -O fishros && . fishros

不用手动配软件源、不用手动调依赖——这个脚本会帮你搞定一切。按提示选择「ROS 2 Humble」即可。

核心概念

ROS 就是机器人各部件之间"打电话"的系统。 四个概念必须理解：

概念比喻在本项目中对应的
节点（Node）一个人相机驱动是一个节点、SLAM 算法是一个节点、飞控是一个节点
话题（Topic）对讲机频道/camera 话题传图像、/cmd_vel 话题传速度指令、/imu 话题传姿态数据
发布者（Publisher）朝频道喊话的人相机节点往 /camera 话题发图像
订阅者（Subscriber）听频道的人SLAM 节点从 /camera 话题收图像
[相机节点] --发布--> /camera 话题 --订阅--> [SLAM 节点]
[飞控节点] --订阅--> /cmd_vel 话题 <--发布-- [决策节点]

两个关键工具：

工具干什么的
RVizROS 的"可视化窗口"，能看到传感器数据、轨迹、地图，直观理解机器人"眼中"的世界
Gazebo3D 物理仿真器，虚拟无人机在这里飞，有重力、碰撞、传感器，跟真机飞行逻辑一样

学习资源

  • 搜索「ROS2 话题通信 Python 示例」
  • 搜索「Gazebo 无人机仿真 ROS2」
  • 让你的 AI agent 帮你写第一个 ROS 2 Python 程序

验收标准

第四章：机器人算法初探 — SLAM 与导航

本章目标

了解 SLAM 和路径规划是干什么的，知道它们的输入输出是什么，能在仿真里跑起来一个简单的 demo。

这一章定位是 "初探"——知道算法干什么、输入输出是什么、怎么跑起来。深挖和调优留到正式备赛的阶段二/三。

核心概念

SLAM = Simultaneous Localization and Mapping（同时定位与建图）

无人机在没有 GPS 的房间里，边飞边画地图，同时在地图里定位自己。 就像闭着眼睛走进陌生房间，靠摸墙判断自己的位置，同时在脑子里构建房间的布局。

输入输出
相机图像（眼睛看到什么）无人机的位置和姿态（x, y, z, roll, pitch, yaw）
IMU 数据（加速度 + 角速度）飞行的轨迹（走过的路线）
激光雷达/深度数据（距离信息）稀疏或稠密的三维地图点

推荐的 SLAM 方案（按新手友好度排序）：

方案特点适合
RTAB-Map有现成 ROS 2 包，开箱即用，自带回环检测新手首选
ORB-SLAM3学术界标杆，精度高，但参数多、学习曲线陡进阶挑战

导航与路径规划：

  • A* 算法：在已知地图中找到从 A 到 B 的最短路径。核心思想 10 分钟就能理解——适合第一个上手
  • 势场法：目标点产生"引力"，障碍物产生"斥力"，无人机被合力推着走
  • 边界探索（Frontier Exploration）：地图中已知和未知区域的交界处就是下一个要去探索的目标

三个核心传感器（你不需要精通，但要知道每个给 SLAM 提供什么信息）：

传感器提供什么在仿真里的话题
IMU加速度（知道自己在动）、角速度（知道自己在转）/imu
相机RGB 图像（看到周围的样子）/camera
深度相机/激光雷达距离信息（前面多远有东西）/depth_camera 或 /scan

学习路径

看视频理解概念 → 让 AI 解释开源代码 → 在 Gazebo 仿真里跑起来 → 改参数看效果变化
  1. 先看 B 站 SLAM 科普视频，能回答"SLAM 解决什么问题"
  2. 装 RTAB-Map：sudo apt install ros-humble-rtabmap-ros
  3. 让 AI 帮你写一个启动脚本，跑通「Gazebo 仿真 → RTAB-Map → RViz 看到地图」
  4. 改几个参数（特征点数量、地图分辨率），看地图质量怎么变
  5. 有兴趣的就看 ORB-SLAM3 论文摘要，了解更前沿的思路

学习资源

  • 搜索「SLAM 通俗解释」
  • 搜索「RTAB-Map ROS2 tutorial」
  • 搜索「A* path planning python tutorial」
  • 搜索「Gazebo drone SLAM simulation」
  • 让 AI 解释：「ORB-SLAM3 和 RTAB-Map 的核心区别是什么？」

验收标准