第四章 嵌入式平台搭建：STM32/PX4/ArduPilot平台选择、RTKLIB移植、EKF状态估计器配置、传感器融合框架搭建
各位同学，欢迎来到第四章。这一章，咱们要真刀真枪地干硬件和底层软件了。
说实话，很多做无人机飞控的朋友，一听到「嵌入式平台搭建」就头大。觉得不就是选个板子、刷个固件嘛？其实不然。你想想看，RTK厘米级定位要落地，底层平台选不对，后面全是坑。我当年在做一个农业植保机的项目时，就因为平台选型没想清楚，导致RTK数据融合进去后，EKF直接发散，飞机在天上画八字……嗯，那场面，至今难忘。
所以这一章，我会把三个主流平台——STM32、PX4、ArduPilot——掰开了讲。告诉你哪个场景该用哪个，RTKLIB怎么移植进去，EKF怎么配，传感器融合框架怎么搭。全是实战经验，没有废话。
4.1 平台选型：STM32、PX4、ArduPilot，到底选哪个？
这个问题，几乎每个做RTK融合的人都会问。我的回答很简单：看你的产品定位和团队基因。
咱们先看一张对比表，心里有个底：
| 平台 | 核心优势 | RTK融合难度 | 适合场景 |
|---|---|---|---|
| STM32裸机/FreeRTOS | 完全自主可控，资源占用极低 | 高（需手写EKF） | 定制化飞控、工业级产品 |
| PX4 (NuttX) | 生态成熟，EKF2内置，支持RTK即插即用 | 中（需配置参数） | 科研、快速原型验证 |
| ArduPilot (ChibiOS) | 代码可读性好，传感器驱动丰富 | 中低（有现成RTK插件） | 教育、开源社区项目 |
我个人习惯：如果是做量产产品，我会选STM32+FreeRTOS。为什么？因为PX4和ArduPilot虽然方便，但里面有很多你不需要的模块，占Flash、占RAM，而且出了问题你很难改底层。但如果你是在做科研或者快速验证，PX4的EKF2模块直接支持RTCM数据输入，省事很多。
4.2 RTKLIB移植：从PC到嵌入式
RTKLIB是RTK定位的灵魂。但它的原始代码是跑在PC上的，要移植到STM32这类MCU上，有几个坎必须过。
第一步：裁剪RTKLIB
RTKLIB的源码里，有很多你不需要的东西。比如图形界面、文件读写、TCP通信。我们只需要核心解算引擎。我建议只保留以下模块：
rtkcmn.c— 公共函数rtkpos.c— 定位解算rtknav.c— 导航滤波rtkobs.c— 观测数据处理rtkcmn.h— 头文件
第二步：内存管理改造
RTKLIB在PC上喜欢用malloc动态分配内存。但在STM32上，尤其是实时性要求高的场景，动态分配是大忌。我建议全部改成静态数组，或者使用FreeRTOS的pvPortMalloc。
看一段我实际改过的代码：
// 原版RTKLIB代码
double *obs = (double *)malloc(sizeof(double) * MAXOBS);
// 移植到STM32后的代码
#define MAX_OBS_STATIC 32
static double obs_buf[MAX_OBS_STATIC];
double *obs = obs_buf;你看，就这么简单。但很多新手会忽略这一步，导致程序跑着跑着就HardFault了。
4.3 EKF状态估计器配置
EKF（扩展卡尔曼滤波）是RTK融合的核心。说白了，它就是把GPS/RTK的位置、IMU的加速度和角速度、磁力计的航向，全部揉在一起，输出一个最靠谱的姿态和位置。
EKF的状态向量，我一般这样定义：
// 22维状态向量
// [0:2] — 位置 (NED坐标系, 米)
// [3:5] — 速度 (NED坐标系, 米/秒)
// [6:8] — 姿态四元数
// [9:11] — 加速度计偏置
// [12:14] — 陀螺仪偏置
// [15:17] — 地磁偏置
// [18:20] — 风速 (如果你做室外飞行)
// [21] — 气压计高度偏移配置EKF时，有几个关键参数必须调：
- 过程噪声协方差矩阵Q：这个值设大了，EKF会太相信IMU，导致位置漂移；设小了，又跟不上动态变化。我一般先设一个经验值，然后通过实际飞行日志反推。
- 观测噪声协方差矩阵R：RTK的观测噪声，我通常设0.02米（水平）和0.05米（垂直）。注意，RTK的垂直精度天生比水平差，这个要区分开。
- 初始化协方差矩阵P：第一次上电时，P矩阵要设大一点，让EKF快速收敛。我习惯设成单位矩阵乘以100。
4.4 传感器融合框架搭建
框架搭得好，后面写代码就像搭积木。我推荐一个分层架构，大家可以直接复用：
// 伪代码：传感器融合主循环
while(1) {
// 1. 数据采集层
imu_data = read_imu(); // 200Hz
gps_data = read_rtk_uart(); // 10Hz (RTCM数据)
mag_data = read_magnetometer(); // 100Hz
// 2. 时间同步层
// 注意：IMU和GPS的时间戳必须对齐！
sync_data = time_sync(imu_data, gps_data);
// 3. EKF预测步 (IMU驱动)
ekf_predict(sync_data.imu, dt);
// 4. EKF更新步 (观测驱动)
if (new_gps_available) {
ekf_update_gps(sync_data.gps);
}
if (new_mag_available) {
ekf_update_mag(sync_data.mag);
}
// 5. 输出层
output_position(ekf_get_position());
output_attitude(ekf_get_attitude());
}这个框架，说白了就是「谁有数据谁说话」。IMU负责高频预测，GPS/RTK负责低频修正。磁力计只在航向漂移时拉一把。
关于传感器融合，我再强调三点：
- 时间戳是命根子：IMU和GPS的时间戳必须统一。我习惯用STM32的定时器捕获GPS的PPS脉冲，然后给IMU数据打上硬件时间戳。软件时间戳？误差太大，别用。
- 数据质量要打分：不是所有GPS数据都能进EKF。我会根据RTK的定位状态（单点解、浮点解、固定解）给每个观测值一个权重。固定解的权重最高，单点解直接扔掉。
- 别忘了磁力计校准：硬铁和软铁校准不做，EKF的航向估计会偏到姥姥家。我一般在飞控上电后，让用户拿着飞机转几个「8」字，自动完成校准。
本章知识体系总览
下面这张图，是我用SVG画的本章核心逻辑。你可以把它当成一个「导航图」，随时回来对照：
这张图把本章的四个核心模块串起来了。你从平台选型开始，然后移植RTKLIB，接着配置EKF，最后搭融合框架。每一步都踩实了，厘米级定位自然就出来了。
好了，第四章的内容就到这里。记住，嵌入式开发没有捷径，但有了正确的框架和参数，你能少走很多弯路。下一章，我们会深入RTCM电文的解析与注入，到时候见。