MK米客方德SD NAND:无人机存储的高效解决方案

MK米客方德SD NAND:无人机存储的高效解决方案

在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​


在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​


在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​

Read more

openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘)

openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘)

openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘) 项目地址:https://github.com/mithun50/openclaw-termux 作者同时提供两种使用形态:Standalone Flutter App(推荐给大多数人) + Termux CLI 包(适合命令行党)。 一句话:它让你在不 root 的 Android 设备上,一键搭起 OpenClaw AI Gateway,并通过原生 UI 管理启动、日志、Provider 配置,甚至 SSH 远程连接。 这项目解决了什么问题? OpenClaw 本身是一个 AI Gateway/代理网关:

【AI 学习】解锁Claude Skills:开启AI应用新维度

【AI 学习】解锁Claude Skills:开启AI应用新维度

一、Claude Skills 是什么? 1.1 官方定义剖析 Claude Skills 是 Anthropic 公司为其人工智能模型 Claude 打造的一项创新性的功能扩展机制。从 Anthropic 的官方阐述来看,它本质上是一种标准化的、可复用的模块化系统,旨在赋予 Claude 执行特定领域复杂任务的能力 。通过 Claude Skills,用户能够让 Claude 迅速化身为专业领域的 “专家”,完成从常规的文本处理到复杂的业务流程自动化等多样化任务。 举例来说,在文档处理领域,以往使用普通的 AI 模型处理合同文档时,可能需要多次详细地输入指令,要求其提取关键条款、检查格式规范等,且每次处理都需重复这些指令,而借助 Claude Skills,用户只需创建一个专门用于合同处理的 Skill,将合同处理的流程、关键信息提取规则等内容封装其中,后续再处理合同时,Claude 就能自动调用该 Skill,

AI的提示词专栏:“Meta-Prompt”让模型自己生成 Prompt

AI的提示词专栏:“Meta-Prompt”让模型自己生成 Prompt

AI的提示词专栏:“Meta-Prompt”让模型自己生成 Prompt 本文围绕 Meta-Prompt 展开全面解析,先明确其是 “指导模型生成 Prompt 的 Prompt”,实现从 “人设计 Prompt” 到 “模型生成 Prompt” 的跨越,接着阐述其降低设计门槛、提升一致性、优化复杂任务 Prompt、适配动态场景的核心价值。随后详解其 “目标任务定义、输出约束、示例引导、优化方向” 四大核心构成要素,通过教育、职场、技术三大场景提供实战示例与设计思路,还分析了任务定义模糊、输出约束不足等常见问题及解决方案,介绍参数化设计、多轮迭代、领域知识注入等进阶技巧,最后总结其价值并给出从简单场景入手、重视示例等实践建议,助力用户高效设计高质量 Prompt。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、

网络安全:零暴露公网IP访问本地AI服务的一些方法分享,保障数据隐私!

网络安全:零暴露公网IP访问本地AI服务的一些方法分享,保障数据隐私!

如果我们选择本地部署AI模型(如LLaMA、Stable Diffusion)的核心动机之一是对数据隐私的绝对控制! 但当我们需要从外部网络访问这些服务时,就面临两难选择:要么牺牲便利性(只能在内网使用),要么牺牲安全性(将服务暴露至公网)。我这边介绍一种折中的解决方案,实现无需公网IP、零端口暴露的远程安全访问。 公网暴露的潜在威胁 将本地服务的端口通过路由器映射到公网(Port Forwarding),是常见的“暴力”解决方案。但这带来了显著风险: 1. 端口扫描与暴力破解:你的服务IP和端口会暴露在互联网的自动化扫描工具下,可能遭遇持续的登录尝试或漏洞利用攻击。 2. 服务漏洞利用:如果AI服务的Web界面或API存在未修复的漏洞,攻击者可以直接利用。 3. 家庭网络边界被突破:一旦攻击者通过该服务入侵成功,可能进一步渗透到家庭网络中的其他设备。 怎么解决:基于加密隧道的网络隐身 思路是:不让本地服务在公网“露面”,而是让外部访问者通过一条加密的“专属通道”直接进入内网。这可以通过基于零信任网络的P2P VPN工具实现。 具体实现:以Tailscale/Z