负责公司全系列工业级无人机多传感器融合感知系统设计、避障算法迭代及复杂场景验证，主导解决城市楼宇、山区等动态环境下的感知延迟与误判问题，支撑物流/巡检场景的自主飞行安全。

• 主导设计基于激光雷达+双目视觉+毫米波雷达的多源异构感知系统，采用时间同步触发电路（精度±0.5ms）与ROS2 DDS中间件实现数据帧对齐，针对城市高楼群导致的点云畸变问题，提出基于法向量聚类的动态点云滤波算法，将感知建图误差从0.3m降至0.12m，支撑某电网巡检项目在30层楼宇间的稳定绕飞。
• 核心优化避障决策逻辑，针对传统A*算法在密集障碍物场景下的路径震荡问题，引入强化学习（PPO算法）训练局部路径规划器，结合IMU预积分补偿无人机姿态扰动，在模拟测试中使紧急制动响应时间从180ms缩短至110ms，实测复杂仓库环境中碰撞率下降57%。
• 牵头解决电磁干扰场景下的传感器失效问题，通过搭建暗室测试平台复现2.4GHz/5.8GHz频段干扰，提出基于自适应陷波滤波的雷达信号处理方案，配合视觉特征点跟踪（ORB-SLAM3）的重定位冗余设计，将电磁干扰下的感知失效概率从12%降至2%，保障某应急物资运输项目在高压变电站周边的可靠运行。
• 建立感知系统全生命周期测试标准，开发自动化测试脚本（Python+Gazebo仿真），覆盖雨雾（能见度50m）、强光（10万lux）、沙尘（PM10>500μg/m³）等6类极端环境，推动感知模块MTBF（平均无故障时间）从800小时提升至1500小时，支撑产品通过民航局RTCA DO-365A适航认证。

聚焦消费级无人机视觉避障功能开发，负责单目/双目视觉感知算法优化及多场景适配，解决低光照、动态遮挡等场景下的障碍物检测延迟与识别准确率问题。

• 基于OpenCV与深度学习框架（PyTorch）重构视觉感知 pipeline，针对夜间弱光场景（照度<10lux），设计自适应直方图均衡化（CLAHE）预处理模块与轻量级YOLOv5s目标检测头，将障碍物检测帧率从15fps提升至28fps，识别准确率从79%提高至91%，支撑某运动相机品牌联名款无人机夜景跟拍功能落地。
• 解决动态遮挡场景下的目标丢失问题，提出基于光流法（Lucas-Kanade）与卡尔曼滤波的目标跟踪融合方案，在行人穿梭的公园场景测试中，目标连续跟踪时长从2.3秒延长至5.8秒，避障决策稳定性显著提升，该方案获公司年度技术创新奖。
• 参与首款量产机型避障功能调优，搭建半物理仿真平台（结合Vicon动作捕捉与真实场景投影），完成12类典型障碍物（树木/电线杆/人群）的数据库标注（累计50万帧），推动视觉避障模块量产良率从85%提升至96%，助力机型首月销量突破10万台。

负责无人机传感器模组（摄像头/IMU/气压计）的硬件设计与调试，保障感知数据采集的稳定性与时序一致性，为上层算法提供高质量输入。

• 主导设计双目视觉模组硬件方案，选型1/2.5英寸500万像素全局快门CMOS（SONY IMX298），配合FPGA（Xilinx Artix-7）实现硬件同步触发，解决高速运动下图像模糊与视差计算误差问题，模组输出图像信噪比（SNR）达到42dB，满足算法对特征点提取的需求。
• 优化IMU与视觉数据的时间同步电路，采用SPI接口+硬件中断触发机制，将同步误差从±15ms压缩至±3ms，配合后端卡尔曼滤波补偿，使视觉-惯性里程计（VIO）的定位漂移率从0.5%/s降至0.15%/s，支撑早期消费级无人机的室内悬停稳定性。
• 解决传感器模组在高温（60℃）下的热漂移问题，通过热仿真（ANSYS Icepak）优化PCB布局，增加温度传感器（DS18B20）与补偿算法，将IMU零偏稳定性从0.8°/h提升至0.3°/h，保障无人机在夏季户外作业时的感知可靠性。

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。