# Drone-Hub — คลังความรู้ AI โดรน โรบอท และ IoT ขั้นสูง

> คลังความรู้โดรนภาษาไทย 9 กลุ่ม: พื้นฐาน AI โดรน IoT วิศวกรรม การบินและการนำทาง การทำแผนที่ ภัยพิบัติและสาธารณภัย ระบบสื่อสาร Hula บททดลอง และเครื่องมือดาวน์โหลด พร้อมภาพ ไดอะแกรม และแหล่งอ้างอิง เรียบเรียงจากความรู้ที่ DTI และ AIR School เอื้อเฟื้อประกอบการค้นคว้าเพิ่มเติม

เว็บไซต์นี้เป็นคลังความรู้ภาษาไทยของ "ความรู้โดรน จากหลักการสู่การทดลอง นำไปใช้ในสนามจริง" เผยแพร่โดย PK-Research (https://www.pk-research.work/th/) เนื้อหาพื้นฐานได้รับความอนุเคราะห์ความรู้หลักจาก AIR School (https://www.facebook.com/AIRSCHOOLTHAILAND) ประกอบกับการค้นคว้าเพิ่มเติมและแหล่งข้อมูลอื่น เนื้อหาทั้งหมดสงวนลิขสิทธิ์ อ้างอิงได้โดยระบุแหล่งที่มาเป็น https://drone.pk-research.work

บทความมี JSON-LD (TechArticle / BreadcrumbList) และเวอร์ชันข้อความเต็มรวมอยู่ใน [llms-full.txt](https://drone.pk-research.work/llms-full.txt)

## เส้นทางเรียนและลงมือทดลอง

- [เลือกเส้นทางเรียน](https://drone.pk-research.work/start/): เริ่มต้น ทดลองบน PC พัฒนา AI และเตรียมภาคสนาม พร้อมบันทึกการเรียนใน browser
- [ชุดฝึกพร้อมไฟล์](https://drone.pk-research.work/projects/): ข้อมูลสังเคราะห์ตรวจวัตถุ เส้นทางสำรวจแบบจำลอง ชิ้นส่วน CAD และคำนวณแผนที่; ระบุสิ่งที่ทดสอบแล้วและข้อจำกัด
- [เครื่องมือโต้ตอบ](https://drone.pk-research.work/tools/): confidence / precision / recall จุดศูนย์ถ่วง และแบบฝึกอ่าน METAR
- [บันทึกปัญหา](https://drone.pk-research.work/feedback/): สร้างไฟล์รายงานให้ผู้เรียนเก็บหรือส่งเอง

## เตรียมพร้อมและการนำทาง

- [กฎหมายและการขึ้นทะเบียน](https://drone.pk-research.work/knowledge/aviation-law/): แยกหน่วยงาน เตรียมข้อมูล และตรวจเงื่อนไขของภารกิจ
- [กฎหมายโดรนเริ่มจากใคร](https://drone.pk-research.work/knowledge/aviation-law/roles/): แยกเรื่องอากาศยาน วิทยุคมนาคม และพื้นที่ เพื่อไปตรวจข้อมูลกับหน่วยงานที่ตรงเรื่อง
- [เตรียมข้อมูลก่อนขึ้นทะเบียน](https://drone.pk-research.work/knowledge/aviation-law/registration/): จัดข้อมูลบุคคล อากาศยาน และอุปกรณ์ให้ตรวจย้อนกลับได้ ก่อนเข้าสู่ระบบทางการ
- [ตรวจเงื่อนไขก่อนขอปฏิบัติการ](https://drone.pk-research.work/knowledge/aviation-law/flight-permissions/): จัดข้อมูลภารกิจและตรวจข้อจำกัดพื้นที่ วันเวลา และรูปแบบงานจากแหล่งทางการ
- [แบบฝึกเตรียมภารกิจบนคอมพิวเตอร์](https://drone.pk-research.work/practice/mission-readiness/): จัด worksheet ข้อมูลสมมติและค้นหารายการที่ยังขาด ก่อนใช้บริการทางการ
- [ความพร้อมของคนและทีม](https://drone.pk-research.work/knowledge/human-factors/): ประเมินตนเอง แบ่งงาน และตัดสินใจอย่างมีเหตุผล
- [ความพร้อมของผู้บังคับ](https://drone.pk-research.work/knowledge/human-factors/readiness/): สังเกตความล้า ความเครียด สุขภาพ และภาระงานก่อนตัดสินใจรับหน้าที่
- [ทำงานเป็นทีมและมองเห็นสถานการณ์](https://drone.pk-research.work/knowledge/human-factors/teamwork/): แบ่งบทบาท สื่อสารทวนกลับ และจัดภาระงานเพื่อให้ทีมรับรู้สถานะตรงกัน
- [ตัดสินใจเมื่อแผนไม่เป็นไปตามคาด](https://drone.pk-research.work/knowledge/human-factors/decisions/): ใช้ PAVE แยกความเสี่ยงจากแรงกดดัน แล้วทบทวนผลหลังตัดสินใจ
- [แบบฝึก brief และตัดสินใจของทีม](https://drone.pk-research.work/practice/crew-decisions/): ฝึกสื่อสารทวนกลับและบันทึกเหตุผลในสถานการณ์จำลองที่มีแรงกดดัน
- [การนำทางและน่านฟ้า](https://drone.pk-research.work/knowledge/navigation/): เริ่มที่พิกัดและหน่วย อ่านแผนที่ แล้วเข้าใจข้อจำกัดของ GNSS
- [พิกัด ทิศ เวลา และความสูง](https://drone.pk-research.work/knowledge/navigation/coordinates/): แปลงหน่วยและระบุระดับอ้างอิงให้ชัดก่อนอ่านแผนที่หรือเทียบผลการบิน
- [อ่านแผนที่และข่าวสารการบิน](https://drone.pk-research.work/knowledge/navigation/airspace/): ตรวจขอบเขตพื้นที่ทั้งแนวราบ แนวดิ่ง และเวลา ไม่ตัดสินจากสีบนแผนที่เพียงอย่างเดียว
- [GNSS และการนำทางที่มีข้อจำกัด](https://drone.pk-research.work/knowledge/navigation/gnss/): แยกข้อมูลตำแหน่งจากระบบควบคุมและการหลบสิ่งกีดขวาง เพื่ออ่านสถานะอากาศยานอย่างมีบริบท
- [แบบฝึกพิกัด เวลา และระดับอ้างอิง](https://drone.pk-research.work/practice/coordinates/): คำนวณจากข้อมูลสมมติด้วย Python หรือเครื่องคิดเลข แล้วตรวจเฉลยที่แยกหน่วยชัดเจน
- [อากาศและการประเมินภารกิจ](https://drone.pk-research.work/knowledge/meteorology/): อ่านลม เมฆ ข่าวอากาศ และรวบรวมเหตุผลก่อนปฏิบัติการ
- [อ่านลม เมฆ และอากาศใกล้พื้นดิน](https://drone.pk-research.work/knowledge/meteorology/local-weather/): เข้าใจผลของพื้นที่ อุณหภูมิ และลมต่อภารกิจ พร้อมแยกการพยากรณ์จากสิ่งที่สังเกตจริง
- [อ่าน METAR และ TAF ทีละส่วน](https://drone.pk-research.work/knowledge/meteorology/metar-taf/): ถอดรหัสสถานี เวลา ลม ทัศนวิสัย และเมฆ พร้อมเข้าใจขอบเขตของรายงาน
- [รวมข้อมูลอากาศเข้ากับแผนภารกิจ](https://drone.pk-research.work/knowledge/meteorology/mission-briefing/): เปรียบเทียบข้อมูลหลายแหล่งและบันทึกเหตุผลก่อนเลือกทำต่อ ปรับแผน หรือเลื่อนงาน
- [แบบฝึกถอดรหัสและบันทึกอากาศ](https://drone.pk-research.work/practice/weather-briefing/): แยกข้อมูลรายงาน พยากรณ์ และข้อมูลที่ยังขาดด้วยตัวอย่างสมมติ
- [กล้อง IMU และการนำทางขั้นสูง](https://drone.pk-research.work/knowledge/visual-inertial/): แยก VIN/VIO/SLAM ทดลองกับข้อมูล และประเมินผลก่อนเชื่อมระบบจริง
- [VIN, VIO และ SLAM ต่างกันอย่างไร](https://drone.pk-research.work/knowledge/visual-inertial/concepts/): เข้าใจบทบาทกล้อง IMU และการรวมข้อมูล ก่อนเลือกเครื่องมือทดลองการนำทาง
- [ทดลองนำทางจากข้อมูลที่บันทึกไว้](https://drone.pk-research.work/knowledge/visual-inertial/dataset-replay/): เลือกข้อมูล กล้องและ IMU ให้ตรง configuration แล้วเก็บผลที่ทำซ้ำได้
- [ปรับเทียบกล้องและ IMU](https://drone.pk-research.work/knowledge/visual-inertial/calibration/): แยกพารามิเตอร์ภาพ ตำแหน่งติดตั้ง และเวลา เพื่อค้นหาสาเหตุความคลาดเคลื่อนอย่างเป็นระบบ
- [รู้ได้อย่างไรว่าตำแหน่งที่ได้เชื่อถือได้](https://drone.pk-research.work/knowledge/visual-inertial/evaluation/): อ่าน error, alignment และ tracking loss พร้อมเงื่อนไขที่ทำให้การเปรียบเทียบยุติธรรม
- [แบบฝึกอ่านข้อมูลนำทางสังเคราะห์](https://drone.pk-research.work/practice/vio-data/): เริ่มจาก timestamp และ trajectory ที่สร้างเอง ก่อนติดตั้งเครื่องมือ VIO ภายนอก
- [แบบฝึกวัดความคลาดเคลื่อนของ trajectory](https://drone.pk-research.work/practice/trajectory-evaluation/): เปรียบเทียบค่าคลาดเคลื่อนที่สร้างขึ้นเองและอธิบายข้อจำกัดของตัวชี้วัด

## วิศวกรรมโดรน

- [พื้นฐาน UAV/UAS และการจำลองบิน](https://drone.pk-research.work/knowledge/fundamentals/): เริ่มจากแยกส่วนประกอบระบบและบทบาทของ simulator ก่อนทดลอง mission และอ่านผลการบิน
- [ออกแบบและประกอบรวมระบบโดรน](https://drone.pk-research.work/knowledge/integration/): แปลงภารกิจเป็นงบน้ำหนัก กำลังไฟ ชุดขับเคลื่อน และข้อกำหนดการเชื่อมต่อที่ตรวจสอบได้
- [CAD และ 3D Printing สำหรับชิ้นส่วนโดรน](https://drone.pk-research.work/knowledge/cad-printing/): สร้างแบบที่แก้มิติได้ ตรวจการประกอบ และอ่าน slicer preview ก่อนผลิตชิ้นงานจริง
- [Payload และคุณภาพข้อมูลสำรวจ](https://drone.pk-research.work/knowledge/payload/): เลือก sensor จากผลลัพธ์ที่ต้องการ พร้อมเข้าใจ calibration, GSD, พิกัดและความถูกต้องของผลประมวลผล
- [การสื่อสารโดรนและ MAVLink](https://drone.pk-research.work/knowledge/communications/): แยก message, transport และ datalink แล้วทดลอง telemetry กับ SITL อย่างเป็นลำดับ
- [Computer Vision และการต่อยอดสู่ Edge AI](https://drone.pk-research.work/knowledge/computer-vision/): พื้นฐาน Computer Vision พร้อมเว็บเทรน AI 5 ทางเลือก ขั้นตอนส่งออกโมเดลไป Edge ความเป็นส่วนตัว และบรรณานุกรม
- [การทดสอบ UAV และการวิเคราะห์หลักฐาน](https://drone.pk-research.work/knowledge/testing/): เขียนเกณฑ์ก่อนทดสอบ เลือก log ให้ตรงคำถาม และตีความสถิติภายใต้ข้อจำกัดของข้อมูล

## การทำแผนที่ด้วยโดรน

- [เส้นทางการทำแผนที่ด้วยโดรน](https://drone.pk-research.work/knowledge/drone-mapping/): ผลลัพธ์แผนที่ ภาพถ่ายสำรวจ พิกัด จุดตรวจอิสระ QGIS ปริมาตร และ GeoAI
- [เลือกเครื่องมือทำแผนที่](https://drone.pk-research.work/knowledge/drone-mapping/#tools): แหล่งซอฟต์แวร์และเงื่อนไขก่อนทดลอง; ไม่อ้างว่ารันแอปภายนอกแล้ว
- [สร้างแผนที่แรก](https://drone.pk-research.work/knowledge/drone-mapping/first-map/): แนวทาง Mygla → WebODM → QGIS ที่ยังไม่ได้ทดลองประมวลผลในงานนี้
- [ชุดฝึกคำนวณแผนที่ ZIP](https://drone.pk-research.work/downloads/mapping/mapping-practice.zip): Python standard library คำนวณ GSD, checkpoint RMSE และปริมาตร; ข้อมูลสังเคราะห์ต้นฉบับ MIT พร้อมคำตอบและรายงานตรวจจริงเฉพาะระบบที่ระบุ
- [รายงานตรวจชุดฝึก](https://drone.pk-research.work/downloads/mapping/mapping-practice/verification-report.json): เวลา UTC, OS/Python, การตรวจในสำเนา temporary และ ZIP, SHA-256 และข้อจำกัด

- [รู้จักผลลัพธ์จากโดรนทำแผนที่](https://drone.pk-research.work/knowledge/drone-mapping/outputs/): แยก Orthomosaic, point cloud, mesh, DSM และ DTM ให้ตรงกับงาน
- [ภาพหลายใบกลายเป็นแผนที่ได้อย่างไร](https://drone.pk-research.work/knowledge/drone-mapping/photogrammetry/): เข้าใจการจับคู่ภาพ ตำแหน่งกล้อง และการสร้างรูปทรงสามมิติ
- [วางแผนบินเก็บภาพสำรวจ](https://drone.pk-research.work/knowledge/drone-mapping/flight-planning/): เชื่อม GSD ภาพซ้อนทับ แนวบิน และภูมิประเทศก่อนเก็บข้อมูล
- [ตั้งค่ากล้องและตรวจคุณภาพภาพ](https://drone.pk-research.work/knowledge/drone-mapping/image-quality/): ตรวจความคม แสง การเคลื่อนไหว และข้อมูลภาพก่อนประมวลผล
- [พิกัดและระดับความสูงของแผนที่](https://drone.pk-research.work/knowledge/drone-mapping/coordinates/): เลือก CRS หน่วย และระดับอ้างอิงให้ถูกก่อนรวมข้อมูล
- [RTK, PPK, GCP และจุดตรวจสอบ](https://drone.pk-research.work/knowledge/drone-mapping/ground-control/): แยกการแก้ตำแหน่ง จุดควบคุม และจุดที่กันไว้ตรวจคุณภาพ
- [ตรวจความถูกต้องและแก้ปัญหาแผนที่](https://drone.pk-research.work/knowledge/drone-mapping/accuracy/): ฝึกคำนวณ checkpoint RMSE แยกแนวราบและแนวดิ่ง ตรวจ bias และวิเคราะห์สาเหตุของแผนที่ผิดรูป
- [วิเคราะห์และจัดหน้าแผนที่ด้วย QGIS](https://drone.pk-research.work/knowledge/drone-mapping/qgis/): เปิด GeoTIFF สร้าง GeoPackage วัดพื้นที่ด้วยหน่วยที่ตรวจได้ และจัดหน้า PDF พร้อม CRS วันที่ และแหล่งข้อมูล
- [ภูมิประเทศและปริมาตรจากโดรน](https://drone.pk-research.work/knowledge/drone-mapping/terrain-volume/): เลือก DSM หรือ DTM สร้างเส้นชั้นความสูง และฝึกคำนวณปริมาตรพร้อมตรวจผลของฐาน grid และช่องว่าง
- [เลือกแผนที่ให้ตรงภารกิจ](https://drone.pk-research.work/knowledge/drone-mapping/applications/): กำหนดคำถาม ข้อมูลตรวจภาคพื้น และผลส่งมอบสำหรับเกษตร ก่อสร้าง สิ่งแวดล้อม และสำรวจหลังภัยพิบัติ
- [GeoAI และการเผยแพร่แผนที่](https://drone.pk-research.work/knowledge/drone-mapping/geoai/): ฝึกแปลง orthomosaic เป็น mask และ vector ด้วย SamGeo ตรวจ segmentation กับข้อมูลอ้างอิง แล้วเตรียมชั้นข้อมูลสำหรับเว็บ

## โดรนเพื่อภัยพิบัติและสาธารณภัย

- [โดรนเพื่อการจัดการภัยพิบัติและสาธารณภัย](https://drone.pk-research.work/knowledge/disaster-management/): เลือกภารกิจให้ตรงคำถาม ฝึกอ่านภาพและส่งข้อมูลที่ตรวจสอบได้ ตั้งแต่เตรียมพร้อมจนถึงฟื้นฟู
- [เตรียมทีมและข้อมูลก่อนเกิดภัย](https://drone.pk-research.work/knowledge/disaster-management/preparedness/): จัดข้อมูลฐาน อุปกรณ์ บทบาท และการซ้อมรับส่งข้อมูล เพื่อเริ่มภารกิจได้โดยไม่ต้องออกแบบกระบวนการใหม่ระหว่างเหตุ
- [ประสานภารกิจและน่านฟ้ากู้ภัย](https://drone.pk-research.work/knowledge/disaster-management/coordination/): เชื่อมผู้ร้องขอ ผู้ควบคุม และศูนย์บัญชาการ พร้อมแผนหยุดภารกิจและช่องทางส่งผลที่ตกลงกัน
- [แผนที่ประเมินสถานการณ์อย่างรวดเร็ว](https://drone.pk-research.work/knowledge/disaster-management/rapid-mapping/): เปลี่ยนภาพเป็นแผนที่เบื้องต้นที่มีเวลา พิกัด แหล่งข้อมูล และรายการจุดที่ต้องตรวจยืนยัน
- [น้ำท่วม: จากภาพสู่จุดที่ต้องตรวจ](https://drone.pk-research.work/knowledge/disaster-management/floods/): แยกขอบเขตน้ำที่มองเห็นออกจากความลึกและความปลอดภัยของเส้นทาง แล้วผสานข้อมูลโดรน ดาวเทียม และภาคพื้น
- [ค้นหาผู้ประสบภัยด้วย RGB และภาพความร้อน](https://drone.pk-research.work/knowledge/disaster-management/search-rescue/): อ่านภาพปกติและภาพความร้อนร่วมกัน รู้ข้อจำกัดสิ่งบดบัง และส่งต่อจุดต้องสงสัยให้ตรวจยืนยัน
- [AI คัดกรองภาพและความเสียหาย](https://drone.pk-research.work/knowledge/disaster-management/disaster-ai/): เริ่มจากป้ายกำกับและงานที่ต้องการ วัดผลกับข้อมูลที่แยกจากการฝึก และให้คนตรวจผลก่อนส่งต่อ
- [ไฟป่าและอัคคีภัย: ภาพความร้อนและการประสานงาน](https://drone.pk-research.work/knowledge/disaster-management/wildfire/): อ่านจุดความร้อนร่วมกับบริบทและเวลา พร้อมเข้าใจข้อจำกัดการบินและการทำงานร่วมกับอากาศยานดับเพลิง
- [ดินถล่ม อาคาร และโครงสร้างเสียหาย](https://drone.pk-research.work/knowledge/disaster-management/damage-assessment/): บันทึกสิ่งที่มองเห็นและการเปลี่ยนแปลงก่อน–หลัง เพื่อส่งจุดตรวจให้ผู้เชี่ยวชาญ โดยแยกภาพสำรวจออกจากการรับรองความมั่นคง
- [ลำเลียงเวชภัณฑ์และสิ่งของจำเป็น](https://drone.pk-research.work/knowledge/disaster-management/relief-logistics/): ออกแบบตั้งแต่คำขอและข้อจำกัดสินค้า ไปจนถึงการรับมอบ โดยประเมินทั้งคุณภาพสินค้าและหลักฐานส่งถึงผู้รับ
- [สื่อสารและส่งข้อมูลเมื่อเครือข่ายขัดข้อง](https://drone.pk-research.work/knowledge/disaster-management/emergency-comms/): แยกการควบคุมอากาศยาน ข้อความสถานะ และไฟล์ภาพ แล้วออกแบบทางสำรองและการยืนยันรับข้อมูล
- [ส่งข้อมูลให้ศูนย์บัญชาการและคุ้มครองผู้ประสบภัย](https://drone.pk-research.work/knowledge/disaster-management/data-handover/): สร้างรายงานที่มีที่มา เวลา และสถานะการตรวจ พร้อมจำกัดข้อมูลอ่อนไหวให้เหมาะกับผู้รับ
- [ฝึกซ้อมภารกิจบนคอมพิวเตอร์และประเมินทีม](https://drone.pk-research.work/knowledge/disaster-management/drills/): เริ่มจากข้อมูลสังเคราะห์ ฝึกตรวจรายงาน ส่งต่อ และทบทวนข้อผิดพลาด ก่อนต่อยอด simulator และอุปกรณ์จริง

- [ชุดฝึกสถานการณ์สังเคราะห์ ZIP](https://drone.pk-research.work/downloads/disaster/disaster-tabletop.zip): CSV และแบบรายงานเพื่อฝึกตรวจข้อมูลบน PC; ไม่ใช่ข้อมูลเหตุจริงหรือผลทดลอง AI

## เครื่องมือและดาวน์โหลด

- [ArduPilot SITL](https://drone.pk-research.work/resources/f01/): จำลอง Copter บิน waypoint แล้ว RTL; เก็บ log และ parameter ก่อน/หลัง
- [PX4 SITL + Gazebo](https://drone.pk-research.work/resources/f02/): รัน x500 เปลี่ยนลมและ mission แล้วเปรียบเทียบ tracking error
- [QGroundControl](https://drone.pk-research.work/resources/f03/): ต่อ SITL ดู telemetry วาง waypoint และ export mission
- [Mission Planner](https://drone.pk-research.work/resources/f04/): เปิด Simulation เรียน flight mode และอ่าน DataFlash log
- [Webots](https://drone.pk-research.work/resources/f05/): เปิดตัวอย่าง quadrotor ตรวจภาพกล้องและค่าจาก sensor จำลอง
- [gym-pybullet-drones](https://drone.pk-research.work/resources/f06/): เริ่ม pid.py แล้ว downwash.py; เปรียบเทียบ error กับแรงรบกวนก่อนเรียน PPO
- [JSBSim](https://drone.pk-research.work/resources/f07/): เปิด aircraft model ตัวอย่าง เปลี่ยนมวลหรือ CG และบันทึก response
- [OpenVSP + VSPAERO](https://drone.pk-research.work/resources/i01/): สร้างปีกเปลี่ยน span/chord แล้วเปรียบเทียบ geometry และผลวิเคราะห์
- [eCalc xcopterCalc](https://drone.pk-research.work/resources/i02/): เปลี่ยน motor-prop-battery-payload ดูกระแส thrust และเวลาโดยประมาณ
- [KiCad](https://drone.pk-research.work/resources/i03/): วาด schematic สาย power/connector และบอร์ดจ่ายไฟตัวอย่าง ตรวจ ERC/DRC
- [SimScale](https://drone.pk-research.work/resources/i04/): จำลองแขนรับน้ำหนักแบบ static เปลี่ยนความหนาและ mesh เปรียบเทียบ displacement
- [FreeCAD](https://drone.pk-research.work/resources/c01/): ออกแบบ camera mount แบบ parametric เปลี่ยนรูยึดและ export STEP/STL
- [OpenSCAD](https://drone.pk-research.work/resources/c02/): เขียน parameter ระยะรูและความหนา สร้าง spacer หลายขนาดและ export STL
- [PrusaSlicer](https://drone.pk-research.work/resources/c03/): นำ STL เข้า เปลี่ยน orientation/wall/infill เปรียบเทียบ preview เวลาและวัสดุ
- [Onshape](https://drone.pk-research.work/resources/c04/): สร้าง camera mount และ assembly ใน browser แล้ว export แบบทดลอง
- [Autodesk Fusion](https://drone.pk-research.work/resources/c05/): ออกแบบชิ้นส่วนเดียวกับ FreeCAD เพื่อเปรียบเทียบ workflow และ export
- [ODM](https://drone.pk-research.work/resources/p01/): ประมวลผลภาพ aerial ชุดเล็กเป็น orthophoto/point cloud แล้วเปิดใน QGIS
- [WebODM](https://drone.pk-research.work/resources/p02/): ใช้ Banana เรียน3D reconstruction แล้ว Mygla เรียนแผนที่
- [COLMAP](https://drone.pk-research.work/resources/p03/): นำภาพวัตถุหลายมุมสร้าง sparse reconstruction แล้วดู reprojection error
- [QGIS](https://drone.pk-research.work/resources/p04/): เปิด orthophoto/DSM ตรวจ CRS วัดระยะ และคำนวณ raster index
- [CloudCompare](https://drone.pk-research.work/resources/p05/): เปิด point cloud วัดระยะ ทำ registration และ cloud-to-cloud distance
- [Agisoft Metashape](https://drone.pk-research.work/resources/p06/): ใช้ชุดภาพเดียวกับ WebODM เปรียบเทียบเวลา reconstruction และ output
- [PIX4D GSD Calculator](https://drone.pk-research.work/resources/p07/): ใส่ sensor width/focal length/height/image size แล้วเทียบ GSD สองความสูง
- [MAVProxy + MAVExplorer](https://drone.pk-research.work/resources/m01/): รับ SITL แล้วส่ง telemetry ไป GCS อีกตัว; เปิด log ด้วย MAVExplorer
- [pymavlink](https://drone.pk-research.work/resources/m02/): อ่าน HEARTBEAT และ ATTITUDE จาก SITL แล้ว export CSV
- [MAVSDK](https://drone.pk-research.work/resources/m03/): เริ่ม telemetry example แล้วทดสอบ mission API กับ PX4 SITL
- [Wireshark](https://drone.pk-research.work/resources/m04/): จับ loopback UDP ของ SITL ดู packet rate/ช่วงขาดหายและบันทึก PCAP
- [GNU Radio](https://drone.pk-research.work/resources/m05/): สร้าง signal+noise+filter flowgraph และดู spectrum โดยไม่ใช้วิทยุจริง
- [OpenCV](https://drone.pk-research.work/resources/v01/): ทำสี/threshold/edge แล้ว calibration ด้วยภาพ chessboard ตัวอย่าง
- [Ultralytics YOLO](https://drone.pk-research.work/resources/v02/): ทดลอง inference บนไฟล์ของตน เปลี่ยน confidence แล้ววัด precision/recall
- [PyTorch](https://drone.pk-research.work/resources/v03/): ฝึก classifier ขนาดเล็ก แยก train/validation/test แล้ว export model
- [ONNX Runtime](https://drone.pk-research.work/resources/v04/): รันโมเดล ONNX เดียวกันบน CPU วัด latency median/p95 แล้วเทียบ provider
- [CVAT Community](https://drone.pk-research.work/resources/v05/): label ภาพของตน20ภาพ ตรวจ annotation แล้ว export format สำหรับฝึก
- [Google Colab](https://drone.pk-research.work/resources/v06/): เปิด notebook ประมวลผลภาพและรันโมเดลเล็ก บันทึกผลออกนอก runtime
- [Roboflow](https://drone.pk-research.work/resources/v07/): ใช้ภาพที่เผยแพร่ได้ ทำ label/train และดูผลใน workflow ทดลอง
- [Edge Impulse](https://drone.pk-research.work/resources/v08/): ใช้ไฟล์ภาพทำโครงการจำแนกหรือ FOMO แล้วดู latency estimate ก่อน export
- [Picamera2](https://drone.pk-research.work/resources/v09/): พื้นฐาน PC ใช้ OpenCV+ไฟล์ภาพ; ขั้นต่อยอดใช้ Pi capture แล้วเทียบ exposure
- [jetson-inference](https://drone.pk-research.work/resources/v10/): พื้นฐาน PC ใช้ ONNX Runtime; บน Jetson ทดลอง detectNet และวัด FPS/power
- [ArduPilot WebTools](https://drone.pk-research.work/resources/t01/): ใช้ log ดู HardwareReport, FilterReview, PIDReview แล้วเปรียบเทียบ parameter offline
- [PlotJuggler](https://drone.pk-research.work/resources/t02/): เปิด CSV/log จัดกราฟ target/actual และบันทึก layout สำหรับเทียบ run
- [pyulog](https://drone.pk-research.work/resources/t03/): อ่าน ULog จาก SITL ดู topics และ export CSV เพื่อทำสถิติ
- [PX4 Flight Review](https://drone.pk-research.work/resources/t04/): เปิด public log ตัวอย่าง ดู estimator/vibration/tracking แล้วจึงใช้ log จำลองของตน
- [Jupyter Notebook](https://drone.pk-research.work/resources/t05/): ทำสมุดบันทึกการทดลองรวม input/version/กราฟ/ข้อสรุปและ export รายงาน
- [SciPy](https://drone.pk-research.work/resources/t06/): ใช้ข้อมูลจำลองคำนวณค่าเฉลี่ย CI และ one-sided t-test ตาม requirement
- [MicaSense imageprocessing](https://drone.pk-research.work/resources/p08/): เปิด sample capture ทำ radiometric correction, band alignment และ reflectance

## ทดลองบนคอมพิวเตอร์

- [ภารกิจจำลองและ Return to Launch](https://drone.pk-research.work/labs/l01/): รู้จัก mission, flight mode และเงื่อนไขกลับจุดเริ่มต้น
- [การรักษาเส้นทางเมื่อมีลมจำลอง](https://drone.pk-research.work/labs/l02/): วัดความคลาดเคลื่อนของการติดตามเส้นทาง
- [เปรียบเทียบชุดขับเคลื่อน](https://drone.pk-research.work/labs/l03/): เห็นผลของ payload ต่อ thrust/current/endurance estimate
- [ความหนากับการโก่งตัวของแขน](https://drone.pk-research.work/labs/l04/): แยกผลของ geometry, material และ boundary condition
- [สร้างขายึดกล้องแบบพารามิเตอร์](https://drone.pk-research.work/labs/l05/): สร้างแบบที่แก้ระยะรูได้โดยไม่วาดใหม่
- [อ่านแนวพิมพ์จาก slicer](https://drone.pk-research.work/labs/l06/): ประเมินผล orientation/wall/infill ก่อนพิมพ์
- [ภาพหลายมุมสู่โมเดล3D](https://drone.pk-research.work/labs/l07/): เข้าใจ reconstruction และตรวจ output ที่ได้
- [จัดแนวภาพ multispectral](https://drone.pk-research.work/labs/l08/): เข้าใจ band alignment และ radiometric correction
- [อ่าน MAVLink telemetry จาก SITL](https://drone.pk-research.work/labs/l09/): เชื่อม message-level กับ network packet
- [หยุดและต่อ link จำลอง](https://drone.pk-research.work/labs/l10/): บันทึกพฤติกรรมเมื่อ telemetry ขาดหาย
- [Calibration กล้องด้วยภาพตัวอย่าง](https://drone.pk-research.work/labs/l11/): ประมาณ camera matrix และ distortion
- [ประเมินโมเดลตรวจจับภาพ](https://drone.pk-research.work/labs/l12/): วัดความแม่นยำและ latency บน PC
- [วิเคราะห์ filter จาก flight log](https://drone.pk-research.work/labs/l13/): อ่าน spectrum และผลของ filter แบบ offline
- [ตีความผลทดสอบ endurance](https://drone.pk-research.work/labs/l14/): เลือกทิศ hypothesis และแยกค่าเฉลี่ยจากความเชื่อมั่นรายเที่ยวบิน

- [ข้อมูลตัวอย่าง](https://drone.pk-research.work/datasets/)
- [กิตติกรรมประกาศ DTI และ AIR School](https://drone.pk-research.work/acknowledgements/)

## เนื้อหาพื้นฐาน AI โดรน และ IoT

- [หัวข้อที่ 1: ความปลอดภัยและพื้นฐานการบิน](https://drone.pk-research.work/topic-1/): สรุปเนื้อหาหัวข้อที่ 1: ภัยไซเบอร์ต่อโดรน กฎหมายการบินโดรนไทย ประเภท UAV กายวิภาคควอดคอปเตอร์ Flight Controller และหลักการควบคุม PID
- [หัวข้อที่ 2: AI และการควบคุมระบบอัตโนมัติ](https://drone.pk-research.work/topic-2/): สรุปเนื้อหาหัวข้อที่ 2: การเขียนโปรแกรมโดรนแบบบล็อก (BlockCode) ภารกิจ Waypoint อัตโนมัติ AI และ Computer Vision การเทรน Object Detection ด้วย YOLO/Ultralytics และการประยุกต์ Aerial Mapping & GIS
- [หัวข้อที่ 3: Robotics & Autonomous Systems](https://drone.pk-research.work/topic-3/): สรุปเนื้อหาหัวข้อที่ 3: ระบบปฏิบัติการหุ่นยนต์และการควบคุมฝูงโดรน (Swarm) อินเทอร์เน็ตของสรรพสิ่งทางทหาร (IoMT) เครือข่าย LoRa/Mesh สำหรับพื้นที่ไร้สัญญาณ และการเขียนโปรแกรม SOS Beacon–Receiver

## เอกสารเจาะลึกและงานวิจัยเพิ่มเติม

- [เนื้อหาเจาะลึก: อินเทอร์เน็ตของสรรพสิ่งทางทหาร (IoT) เครือข่าย LoRa/Mesh และการประยุกต์ใช้งานจริง](https://drone.pk-research.work/deep-dive/module06-iomt/): เจาะลึก Internet of Military Things (IoMT/IoBT) สถาปัตยกรรม LoRaWAN ระบบ LoRa SOS Beacon–Receiver กรณีใช้งานด้านภัยพิบัติและความมั่นคง กฎหมายคลื่นความถี่ LoRa ในไทย และสถาปัตยกรรม ISR ภาคสนาม
- [ภูมิทัศน์เทคโนโลยีโดรน: การควบคุมอัตโนมัติ ปัญญาประดิษฐ์ การค้นหา-ติดตามเป้าหมาย Anti-Drone Data Link และการใช้งานด้านสาธารณภัย](https://drone.pk-research.work/deep-dive/drone-technology-landscape/): ภาพรวมภูมิทัศน์เทคโนโลยีโดรน 6 ด้าน: การควบคุมอัตโนมัติ (PX4/ArduPilot) AI และ Computer Vision การค้นหา-ติดตามเป้าหมาย Anti-Drone (Counter-UAS) เทคโนโลยี Data Link และการใช้งานด้านสาธารณภัยและความมั่นคง
- [เนื้อหาเจาะลึก: การประสานฝูงโดรน (Swarm Drone) ผ่านโครงข่ายสื่อสาร LoRa Mesh Network](https://drone.pk-research.work/deep-dive/swarm-drone-lora-mesh/): เจาะลึกการประสานฝูงโดรน (Swarm Coordination) ผ่านโครงข่าย LoRa Mesh: ข้อจำกัดของ Wi-Fi Mesh สถาปัตยกรรมไฮบริด LoRa + IEEE 802.11s ระบบเฝ้าระวังฉุกเฉินด้วย LoRaWAN/GNSS และความปลอดภัยของโครงข่าย
- [เนื้อหาเจาะลึก: MQTT และ Eclipse Mosquitto สำหรับระบบโดรนและ IoT](https://drone.pk-research.work/deep-dive/mqtt-mosquitto/): เจาะลึก MQTT Publish-Subscribe และ Eclipse Mosquitto สำหรับโดรนและ IoT: การปิดช่องโหว่ด้วย TLS และ Dynamic Security Plugin การใช้กับ ROS 2 จุดเชื่อมกับ ChirpStack และเครื่องมือทดสอบ MQTT.fx
- [เนื้อหาเจาะลึก: จาก Embedded System สู่ AI Robot และ ROS](https://drone.pk-research.work/deep-dive/embedded-ai-ros/): จาก Embedded System สู่ AI Robot: เหตุผลที่ระบบฝังตัวต้องมี AI ฮาร์ดแวร์ Edge AI (Jetson, Kria, Raspberry Pi) กล้องและ Sensor Fusion แนวคิด ROS Node/Topic และสถาปัตยกรรมครบวงจรที่เชื่อมกลับสู่ MQTT
- [เนื้อหาเจาะลึก: ยุทธวิธีการบินโดรนภาคสนามและการกู้ภัย](https://drone.pk-research.work/deep-dive/tactical-field-drone/): ยุทธวิธีการบินโดรนภาคสนามและการกู้ภัย: การรับมือการรบกวนสัญญาณ (Jamming) และการนำทางสำรอง อุปสรรคภูมิประเทศ-ภูมิอากาศ-แบตเตอรี่ การวางแผนบินประหยัดพลังงาน กล้อง กิมบอล Thermal Sensor และทักษะบังคับด้วยมือ

## เครื่องมืออ้างอิง: บล็อกคำสั่ง Hula (HighGreat)

- [ภาพรวมคู่มือบล็อกคำสั่ง Hula](https://drone.pk-research.work/hula/): บล็อกคำสั่ง 10 หมวด รวม 66 บล็อก พร้อมหน้าที่ เงื่อนไข และตัวอย่าง
- [หมวด Flight order](https://drone.pk-research.work/hula/flight/): คำสั่งควบคุมการเคลื่อนที่ของโดรน ทุกโปรแกรมต้องเริ่มด้วย Take off และจบด้วย Landing เสมอ (9 บล็อก)
- [หมวด Laser](https://drone.pk-research.work/hula/laser/): คำสั่งควบคุมการยิงเลเซอร์บนตัวโดรน (2 บล็อก)
- [หมวด Sensor](https://drone.pk-research.work/hula/sensor/): อ่านค่าจากเซนเซอร์ต่างๆ บนโดรน และควบคุมอุปกรณ์เสริม (10 บล็อก)
- [หมวด Multimedia](https://drone.pk-research.work/hula/multimedia/): ควบคุมกล้อง กิมบอล และการบันทึกวิดีโอ (3 บล็อก)
- [หมวด AI-Recognition](https://drone.pk-research.work/hula/ai/): จดจำ QR code, เส้นเดินทาง, ท่าทาง, ป้ายสัญลักษณ์ และวัตถุ ด้วยกล้อง (รวมฟังก์ชัน AI-Apply) (11 บล็อก)
- [หมวด Control](https://drone.pk-research.work/hula/control/): ควบคุมลำดับการทำงานของโปรแกรม: หน่วงเวลา วนซ้ำ เงื่อนไข และหยุดสคริปต์ (7 บล็อก)
- [หมวด Events](https://drone.pk-research.work/hula/events/): จุดเริ่มต้นของสคริปต์ — ทุกโปรแกรมต้องมีอย่างน้อย 1 บล็อกจากหมวดนี้ (4 บล็อก)
- [หมวด Operators](https://drone.pk-research.work/hula/operators/): คำนวณตัวเลข เปรียบเทียบค่า และจัดการข้อความ (8 บล็อก)
- [หมวด Variables](https://drone.pk-research.work/hula/variables/): เก็บค่าตัวแปรและชุดข้อมูล (list) เพื่อใช้ระหว่างโปรแกรม (11 บล็อก)
- [หมวด My Blocks](https://drone.pk-research.work/hula/myblocks/): สร้างบล็อกคำสั่งของตัวเองเพื่อลดการต่อบล็อกซ้ำๆ (1 บล็อก)
- [ตัวอย่างโปรแกรม 5 ระดับ](https://drone.pk-research.work/hula/examples/): บินตรงไปข้างหน้าแล้วลงจอด; บินเป็นรูปสี่เหลี่ยมจัตุรัสด้วยลูป Repeat; บินเป็นรูปดาว 5 แฉกไขว้กลาง พร้อมไฟกระพริบ; บินสำรวจ เลี่ยงสิ่งกีดขวางอัตโนมัติ นับจำนวนครั้งและยิงเตือน; ภารกิจค้นหาและยิงเป้าหมาย QR Code แบบหลายเธรดขนาน

## Optional

- [Sitemap](https://drone.pk-research.work/sitemap-index.xml)
- [RSS](https://drone.pk-research.work/rss.xml)
- [ค้นหา](https://drone.pk-research.work/search/)