负责中大型工业级无人机全场景感知系统设计，主导多传感器融合算法开发与避障策略优化，支撑物流配送、巡检等任务的低空安全飞行，协同硬件、飞控团队完成从需求落地到量产验证的全周期交付。

• 主导设计基于激光雷达+双目视觉+毫米波雷达的多模态感知系统，针对城市楼宇间、山区峡谷等复杂电磁/光学干扰场景，提出改进型卡尔曼滤波与注意力机制融合的时空同步方案，解决传统方案中动态目标漏检率高的问题（漏检率从8.7%降至2.1%），支撑某物流客户300+架次夜间配送任务零碰撞事故。
• 优化基于深度学习的动态避障决策算法，基于PyTorch搭建YOLOv8+PointPillars多任务学习模型，实现障碍物类别（静态/动态）、速度、碰撞风险的实时分类，在100Hz采样频率下推理延迟压缩至18ms（较原方案提升40%），已集成至公司主力机型并通过民航局II类适航测试。
• 牵头完成感知系统抗干扰专项，针对电磁环境中GPS欺骗、激光雷达互闪等风险，设计自适应噪声抑制滤波器与跨传感器一致性校验机制，外场测试中成功拦截97%的人工模拟干扰攻击，相关成果形成企业标准《无人机多源感知抗干扰技术规范》。
• 推动感知模块量产化落地，协调供应链完成激光雷达选型验证（对比5家供应商，选定1550nm波长产品，探测距离提升至250m@10%反射率），主导编写测试用例327项，支撑产线良率从82%提升至95%，年度降本超200万元。

聚焦车载与消费级无人机的环境感知算法开发，重点突破多源数据融合、目标跟踪等技术瓶颈，为客户提供高可靠性的环境理解解决方案。

• 开发基于毫米波雷达与单目视觉的目标跟踪系统，采用联邦卡尔曼滤波实现多传感器量测信息融合，在雨雾天气下对行人/车辆的跟踪准确率从78%提升至91%，支撑某车企L4级自动驾驶测试车完成10万公里路测。
• 针对低光照场景下的视觉感知失效问题，设计基于GAN的图像增强网络与自适应直方图均衡联合方案，将夜间目标检测召回率从65%提升至88%，相关专利《一种基于生成对抗网络的低光照目标检测方法》已进入实审阶段。
• 搭建多传感器标定与测试平台，使用高精度转台与棋盘格标定板完成激光雷达-相机外参标定（误差<0.5°），制定《多传感器联合标定操作手册》，将团队标定效率提升3倍，支撑3个重点项目按时交付。

负责无线传感器网络（WSN）的信号处理与干扰抑制算法研发，保障工业物联网场景下数据传输的稳定性与低时延。

• 优化WSN中基于OFDM的物理层抗多径干扰算法，设计自适应信道估计与均衡模块，通过导频符号动态调整均衡器抽头系数，将误码率从10^-3降低至10^-5，支撑某智慧工厂100+节点的实时数据采集系统稳定运行。
• 开发基于压缩感知的稀疏信号重构算法，针对传感器节点低功耗需求，减少数据传输量35%的同时保证重构信号信噪比>20dB，帮助客户降低节点电池更换频率（从每月1次延长至每季度1次）。
• 参与5G小基站干扰协调方案设计，利用图论建模邻区干扰关系，提出基于博弈论的功率分配策略，仿真显示小区边缘用户速率提升22%，相关成果应用于某运营商试点网络。

高分辨率多模态光电吊舱系统研发及实战化验证

• 项目背景：应急测绘、公共安全领域对无人机任务载荷提出“高分辨率+多模态融合+小型化”需求，现有光电吊舱存在多传感器时空同步误差大（≥50ms）、可见光镜头动态范围不足（≤60dB）、重量超标（≥2kg）导致无人机续航下降20%的痛点。我的总体职责是主导吊舱系统架构设计、核心技术攻关及公安/应急实战场景验证。
• 关键难题与技术：1. 多传感器（可见光/红外/激光雷达）时空同步依赖传统软件插值，误差累积严重；2. 可见光成像在暴雨/强光场景下细节丢失，无法满足救援定位需求；3. 小型化与高性能矛盾——传统铝合金结构导致重量超标，影响无人机挂载能力。技术上需融合FPGA硬件同步、低照度成像算法、碳纤维复合结构设计等专业领域知识。
• 核心行动与创新：1. 主导定义“传感器-链路-处理”分层架构，采用Zynq UltraScale+ MPSoC作为核心处理平台，通过IEEE 1588 PTP协议+FPGA硬件时间戳，将多传感器时空同步误差压缩至≤5ms；2. 针对强光场景，选型1英寸大光圈CMOS镜头（F1.2光圈），结合自研轻量级GAN网络（参数量仅2.3M）实现动态范围扩展至85dB，保留暴雨中被困人员的衣物纹理；3. 创新碳纤维复合材料拓扑优化设计，将散热通道集成至结构件内部，替代传统风冷系统，使吊舱重量降至1.3kg，较上一代减重38%。
• 项目成果与价值：1. 性能指标：时空同步误差≤5ms、动态范围85dB、重量1.3kg，均优于行业竞品20%以上；2. 实战验证：在2023年京津冀抗洪救援中，完成120平方公里受灾区域高分辨率测绘（分辨率0.05m/pixel），定位3处被困人员准确率98%，被应急管理部列为“应急装备推荐目录”产品；3. 商业价值：成为公司年度核心产品，当年营收占比22%，申请3项发明专利（1项授权），推动公司进入公安系统供应商名录。

电力巡检激光雷达点云数据处理与三维建模系统优化

• 项目背景：电力行业无人机巡检需快速获取杆塔倾斜度、导线弧垂等关键参数，但当时主流激光雷达点云处理存在速度慢（单架次10GB数据需3小时配准）、噪声大（滤波后丢失杆塔边缘细节）、建模纹理模糊等问题，导致人工复核成本占比40%。我的职责是优化点云配准、滤波及三维建模算法，提升处理效率与精度。
• 关键难题与技术：1. 传统ICP算法对大规模点云（单架次10GB+）配准耗时久；2. 电力杆塔点云含大量噪声（如植被、鸟类干扰），DBSCAN滤波易丢失杆塔细杆特征；3. 三维模型纹理映射不准确，无法满足可视化巡检需求。需结合GPU并行计算、语义分割等技术解决。
• 核心行动与创新：1. 改进NDT（正态分布变换）算法，优化体素网格大小（从0.2m缩小至0.1m）并结合CUDA并行计算，将配准时间从3小时缩短至15分钟内；2. 引入杆塔先验形状模型（圆柱/角钢几何约束），改进DBSCAN算法参数，保留95%以上的杆塔细杆特征，倾斜度测量误差从5%降至1%以内；3. 采用U-Net网络进行点云语义分割（区分杆塔/植被/导线），结合多视图立体视觉（MVS）实现精准纹理映射，模型纹理准确率提升至95%。
• 项目成果与价值：1. 算法性能：点云处理速度提升12倍、倾斜度测量误差≤1%、纹理准确率95%，达到电力行业“快速巡检”标准；2. 落地应用：在国家电网江苏电力巡检项目中，完成500基杆塔的自动化处理，节省60%人工复核成本，系统被纳入公司电力巡检解决方案核心模块；3. 学术成果：发表EI论文《基于改进NDT和GPU加速的无人机激光雷达点云配准方法》，为后续激光雷达载荷产品奠定了算法基础。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。