К основному содержанию
скилл CX Codex

drone-cv-expert — скилл для Claude Code: дроны, SLAM, CV

Скилл drone-cv-expert по автономным дронам и компьютерному зрению: управление полётом, SLAM, детекция объектов, планирование пути. Включается по словам drone, UAV, SLAM.

MIT 259 установок ★ 274 обновлён 2026-10-30

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add curiositech/some_claude_skills --skill drone-cv-expert -a claude-code
Открыть на GitHub

Что делает drone-cv-expert

Скилл отвечает за системы дронов, компьютерное зрение и автономную навигацию. Внутри — деревья решений, таблицы выбора алгоритмов, чек-листы безопасности и справочники по MAVLink, фильтрам Калмана, системам координат. Активируется по триггерам вроде «drone», «UAV», «SLAM», «visual odometry», «PID control», «MAVLink», «Pixhawk», «path planning», «A*», «RRT», «EKF», «sensor fusion», «optical flow», «ByteTrack».

Скилл умеет подбирать PID-регуляторы, настраивать SLAM (ORB-SLAM, LSD-SLAM, VIO), планировать маршруты через A*, RRT, Dijkstra. По компьютерному зрению покрывает YOLO v5/v8/v10, EfficientDet, SSD, трекинг ByteTrack, DeepSORT, оптический поток, ускорение под TensorRT, ONNX, OpenVINO. Железо — Pixhawk, Ardupilot, PX4, DJI, протоколы MAVLink, DroneKit, MAVSDK, Jetson и Coral TPU.

Есть анти-паттерны: не прыгать из симуляции сразу на реальный дрон, не ставить EKF там, где хватит комплементарного фильтра, не доверять GPS вслепую. Из инструментов доступны чтение и запись файлов, Python и pip, поиск, WebFetch и Firecrawl. Для инспекций (пожар, крыша, тепловизия) автор советует брать drone-inspection-specialist, а не этот скилл. Шейдеры под GPU — в metal-shader-expert, общая классификация без контекста дрона — в clip-aware-embeddings.

Какие задачи решает

  • настроить PID-регуляторы для контуров положения и скорости
  • выбрать между EKF, UKF и комплементарным фильтром
  • подобрать разрешение и FPS камеры по высоте и скорости полёта
  • спланировать путь через A*, RRT или потенциальные поля
  • развести обработку кадров по потокам вместо одного цикла

Примеры запросов агенту

  • Настрой EKF для слияния GPS, IMU и барометра на Pixhawk
  • Подбери YOLO-модель под Jetson Nano, чтобы детекция шла в реальном времени
  • Составь чек-лист безопасности перед первым полётом с geofence

Как установить drone-cv-expert

1Через Skills CLI (Vercel)

npx skills add curiositech/some_claude_skills --skill drone-cv-expert -a claude-code

2Вручную: положить файлы

~/.claude/skills/drone-cv-expert/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/drone-cv-expert/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о drone-cv-expert

Как установить drone-cv-expert в Claude Code?

Выполни npx skills add curiositech/some_claude_skills --skill drone-cv-expert -a claude-code. Файл скилла появится в ~/.claude/skills/drone-cv-expert/SKILL.md.

Что делает drone-cv-expert?

Помогает с управлением полётом, SLAM, детекцией объектов, слиянием сенсоров и планированием пути для дронов. Активируется по словам drone, UAV, SLAM, MAVLink и похожим.

Чем drone-cv-expert отличается от drone-inspection-specialist?

drone-cv-expert — про навигацию, управление и общее зрение. Задачи инспекции вроде поиска пожара, оценки крыш и теплового анализа отдаются drone-inspection-specialist.

Исходный текст

SKILL.md · MIT
---
name: drone-cv-expert
description: Expert in drone systems, computer vision, and autonomous navigation. Specializes in flight control, SLAM, object detection, sensor fusion, and path planning. Activate on "drone", "UAV", "SLAM",
  "visual odometry", "PID control", "MAVLink", "Pixhawk", "path planning", "A*", "RRT", "EKF", "sensor fusion", "optical flow", "ByteTrack". NOT for domain-specific inspection tasks like fire detection,
  roof damage assessment, or thermal analysis (use drone-inspection-specialist), GPU shader optimization (use metal-shader-expert), or general image classification without drone context (use clip-aware-embeddings).
allowed-tools: Read,Write,Edit,Bash(python:*,pip:*),Grep,Glob,mcp__firecrawl__firecrawl_search,WebFetch
metadata:
  category: AI & Machine Learning
  pairs-with:
  - skill: drone-inspection-specialist
    reason: Domain-specific inspection tasks
  - skill: physics-rendering-expert
    reason: Physics simulation for drone systems
  tags:
  - drone
  - slam
  - navigation
  - sensor-fusion
  - path-planning
---

# Drone CV Expert

Expert in robotics, drone systems, and computer vision for autonomous aerial platforms.

## Decision Tree: When to Use This Skill

```
User mentions drones or UAVs?
├─ YES → Is it about inspection/detection of specific things (fire, roof damage, thermal)?
│        ├─ YES → Use drone-inspection-specialist
│        └─ NO → Is it about flight control, navigation, or general CV?
│                ├─ YES → Use THIS SKILL (drone-cv-expert)
│                └─ NO → Is it about GPU rendering/shaders?
│                        ├─ YES → Use metal-shader-expert
│                        └─ NO → Use THIS SKILL as default drone skill
└─ NO → Is it general object detection without drone context?
        ├─ YES → Use clip-aware-embeddings or other CV skill
        └─ NO → Probably not a drone question
```

## Core Competencies

### Flight Control & Navigation
- **PID Tuning**: Position, velocity, attitude control loops
- **SLAM**: ORB-SLAM, LSD-SLAM, visual-inertial odometry (VIO)
- **Path Planning**: A*, RRT, RRT*, Dijkstra, potential fields
- **Sensor Fusion**: EKF, UKF, complementary filters
- **GPS-Denied Navigation**: AprilTags, visual odometry, LiDAR SLAM

### Computer Vision
- **Object Detection**: YOLO (v5/v8/v10), EfficientDet, SSD
- **Tracking**: ByteTrack, DeepSORT, SORT, optical flow
- **Edge Deployment**: TensorRT, ONNX, OpenVINO optimization
- **3D Vision**: Stereo depth, point clouds, structure-from-motion

### Hardware Integration
- **Flight Controllers**: Pixhawk, Ardupilot, PX4, DJI
- **Protocols**: MAVLink, DroneKit, MAVSDK
- **Edge Compute**: Jetson (Nano/Xavier/Orin), Coral TPU
- **Sensors**: IMU, GPS, barometer, LiDAR, depth cameras

## Anti-Patterns to Avoid

### 1. "Simulation-Only Syndrome"
**Wrong**: Testing only in Gazebo/AirSim, then deploying directly to real drone.
**Right**: Simulation → Bench test → Tethered flight → Controlled environment → Field.

### 2. "EKF Overkill"
**Wrong**: Using Extended Kalman Filter when complementary filter suffices.
**Right**: Match filter complexity to requirements:
- Complementary filter: Basic stabilization, attitude only
- EKF: Multi-sensor fusion, GPS+IMU+baro
- UKF: Highly nonlinear systems, aggressive maneuvers

### 3. "Max Resolution Assumption"
**Wrong**: Processing 4K frames at 30fps expecting real-time performance.
**Right**: Resolution trade-offs by altitude/speed:
| Altitude | Speed | Resolution | FPS | Rationale |
|----------|-------|------------|-----|-----------|
| <30m | Slow | 1920x1080 | 30 | Detail needed |
| 30-100m | Medium | 1280x720 | 30 | Balance |
| >100m | Fast | 640x480 | 60 | Speed priority |

### 4. "Single-Thread Processing"
**Wrong**: Sequential detect → track → control in one loop.
**Right**: Pipeline parallelism:
```
Thread 1: Camera capture (async)
Thread 2: Object detection (GPU)
Thread 3: Tracking + state estimation
Thread 4: Control commands
```

### 5. "GPS Trust"
**Wrong**: Assuming GPS is always accurate and available.
**Right**: Multi-source position estimation:
- GPS: 2-5m accuracy outdoor, unavailable indoor
- Visual odometry: 0.1-1% drift, lighting dependent
- AprilTags: cm-level accuracy where deployed
- IMU: Short-term only, drift accumulates

### 6. "One Model Fits All"
**Wrong**: Using same YOLO model for all scenarios.
**Right**: Model selection by constraint:
| Constraint | Model | Notes |
|------------|-------|-------|
| Latency critical | YOLOv8n | 6ms inference |
| Balanced | YOLOv8s | 15ms, better accuracy |
| Accuracy first | YOLOv8x | 50ms, highest mAP |
| Edge device | YOLOv8n + TensorRT | 3ms on Jetson |

## Problem-Solving Framework

### 1. Constraint Analysis
- **Compute**: What hardware? (Jetson Nano = ~5 TOPS, Xavier = 32 TOPS)
- **Power**: Battery capacity? Flight time impact?
- **Latency**: Control loop rate? Detection response time?
- **Weight**: Payload capacity? Center of gravity?
- **Environment**: Indoor/outdoor? GPS available? Lighting conditions?

### 2. Algorithm Selection Matrix

| Problem | Classical Approach | Deep Learning | When to Use Each |
|---------|-------------------|---------------|------------------|
| Feature tracking | KLT optical flow | FlowNet | Classical: Real-time, limited compute. DL: Robust, more compute |
| Object detection | HOG+SVM | YOLO/SSD | Classical: Simple objects, no GPU. DL: Complex, GPU available |
| SLAM | ORB-SLAM | DROID-SLAM | Classical: Mature, debuggable. DL: Better in challenging scenes |
| Path planning | A*, RRT | RL-based | Classical: Known environments. DL: Complex, dynamic |

### 3. Safety Checklist
- [ ] Kill switch tested and accessible
- [ ] Geofence configured
- [ ] Return-to-home altitude set
- [ ] Low battery action defined
- [ ] Signal loss action defined
- [ ] Propeller guards (if applicable)
- [ ] Pre-flight sensor calibration
- [ ] Weather conditions checked

## Quick Reference Tables

### MAVLink Message Types
| Message | Purpose | Frequency |
|---------|---------|-----------|
| HEARTBEAT | Connection alive | 1 Hz |
| ATTITUDE | Roll/pitch/yaw | 10-100 Hz |
| LOCAL_POSITION_NED | Position | 10-50 Hz |
| GPS_RAW_INT | Raw GPS | 1-10 Hz |
| SET_POSITION_TARGET | Commands | As needed |

### Kalman Filter Tuning
| Matrix | High Values | Low Values |
|--------|-------------|------------|
| Q (process noise) | Trust measurements more | Trust model more |
| R (measurement noise) | Trust model more | Trust measurements more |
| P (initial covariance) | Uncertain initial state | Confident initial state |

### Common Coordinate Frames
| Frame | Origin | Axes | Use |
|-------|--------|------|-----|
| NED | Takeoff point | North-East-Down | Navigation |
| ENU | Takeoff point | East-North-Up | ROS standard |
| Body | Drone CG | Forward-Right-Down | Control |
| Camera | Lens center | Right-Down-Forward | Vision |

## Reference Files

Detailed implementations in `references/`:
- `navigation-algorithms.md` - SLAM, path planning, localization
- `sensor-fusion-ekf.md` - Kalman filters, multi-sensor fusion
- `object-detection-tracking.md` - YOLO, ByteTrack, optical flow

## Simulation Tools

| Tool | Strengths | Weaknesses | Best For |
|------|-----------|------------|----------|
| Gazebo | ROS integration, physics | Graphics quality | ROS development |
| AirSim | Photorealistic, CV-focused | Windows-centric | Vision algorithms |
| Webots | Multi-robot, accessible | Less drone-specific | Swarm simulations |
| MATLAB/Simulink | Control design | Not real-time | Controller tuning |

## Emerging Technologies (2024-2025)

- **Event cameras**: 1μs temporal resolution, no motion blur
- **Neuromorphic computing**: Loihi 2 for ultra-low-power inference
- **4D Radar**: Velocity + 3D position, works in all weather
- **Swarm autonomy**: Decentralized coordination, emergent behavior
- **Foundation models**: SAM, CLIP for zero-shot detection

## Integration Points

- **drone-inspection-specialist**: Domain-specific detection (fire, damage, thermal)
- **metal-shader-expert**: GPU-accelerated vision processing, custom shaders
- **collage-layout-expert**: Report generation, visual composition

---

**Key Principle**: In drone systems, reliability trumps performance. A 95% accurate system that never crashes is better than 99% accurate that fails unpredictably. Always have fallbacks.

© curiositech · MIT · curiositech/some_claude_skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
muapi-drone-style-video SamurAIGPT Скилл muapi-drone-style-video генерирует аэросъёмку с дрона: круговые пролёты, кадры сверху вниз и подъёмы камеры через утилиту muapi. CX Codex +1 669установок drone-site-survey datadrivenconstruction Скилл drone-site-survey обрабатывает данные съёмки дронов для стройплощадок: строит ортофотопланы, рассчитывает объёмы насыпей и сопоставляет замеры с моделью BIM. CX Codex +1 141установок robotics-engineer rohitg00 Субагент robotics-engineer для разработки автономных роботов на ROS2: восприятие, планирование маршрутов, оценка состояния и управление в реальном времени. CX Codex ★ 2 858звёзд репо Bagel Extelligence-ai MCP-сервер Bagel для Claude Code, Codex, Cursor, GitHub Copilot, Windsurf, Cline и Zed. Отвечает на вопросы о данных робототехники, дронов и IoT простым языком, считает каждое вычисление через DuckDB SQL. CX Codex +1 ★ 407звёзд репо tao-train-mask2former NVIDIA Corporation Скилл tao-train-mask2former для Claude Code: обучение и прогон моделей Mask2Former в TAO — паноптическая, инстансная и семантическая сегментация из чата агента. CX Codex +1 1 600установок ardupilot-mavlink-mcp rmeadomavic MCP-сервер ardupilot-mavlink-mcp для Claude Code связывает агента с аппаратом на ArduPilot через протокол MAVLink в реальном времени. Включается при диагностике сбоев арминга и проверке телеметрии. CX Codex +1 ★ 5звёзд репо

Из того же набора180

Весь набор →
color-contrast-auditor Скилл color-contrast-auditor находит пары цветов, которые не проходят WCAG 2.1, и предлагает исправления. Пригодится перед релизом, при аудите CSS или когда текст на скриншоте не читается. CX Codex +1 262установок playwright-screenshot-inspector Скилл playwright-screenshot-inspector для визуального тестирования веб-интерфейсов: запускает Playwright в headless-режиме, делает скриншоты и анализирует их через мультимодальную модель. CX Codex +1 262установок tech-entrepreneur-coach-adhd Скилл tech-entrepreneur-coach-adhd для Claude Code помогает разработчику с СДВГ перейти от работы в крупной техкомпании к своему приложению. Активируется на запросы о стартапе, MVP и монетизации. CX Codex +1 260установок refactoring-surgeon Скилл refactoring-surgeon для Claude Code находит запахи кода и меняет его структуру, сохраняя поведение. Очищает legacy-код и сокращает дублирование. CX Codex +1 260установок project-management-guru-adhd Скилл project-management-guru-adhd для Claude Code, Codex, Cursor, Copilot, Gemini CLI и OpenCode, который помогает инженерам с ADHD вести несколько проектов одновременно. CX Codex +1 253установок design-system-creator Скилл design-system-creator для Claude Code собирает дизайн-системы: токены, CSS-архитектуру, библиотеку компонентов и документацию. Создаёт систему для нового UI и аудита существующих стилей. CX Codex +1 250установок fullstack-debugger Скилл fullstack-debugger для Claude Code пошагово изолирует и исправляет ошибки в Next.js 15, Cloudflare Workers и Supabase. Диагностирует сбои RLS, CORS, сборки и гидратации. CX Codex +1 244установок security-auditor Скилл security-auditor сканирует зависимости, ищет секреты в коде и проверяет проект по OWASP Top 10. Пригодится перед деплоем или code review, когда надо быстро найти уязвимости. CX Codex +1 243установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой