负责公司中大型工业级无人机全场景感知与避障系统的全周期开发，涵盖多传感器融合方案设计、动态障碍物检测算法优化、嵌入式端实时计算模块实现及外场复杂环境验证，确保系统满足民航局适航标准下复杂场景（如城市楼宇群、山区峡谷、人群密集区）的避障可靠性要求。

• 主导设计基于激光雷达（16线Velodyne）+ 可见光相机（Sony IMX586）+ 毫米波雷达（TI IWR6843）的多源异构感知系统，通过ROS2 Humble框架搭建低延迟数据链路，解决传感器时间同步误差（原±15ms→±2ms）与空间校准偏差（原±5cm→±1cm）问题；采用改进的扩展卡尔曼滤波（EKF）融合点云与视觉特征，实现动态障碍物（如无人机、车辆、行人）的轨迹预测，将系统对30m/s速度目标的响应时间从120ms压缩至80ms，支撑公司在电力巡检场景的订单交付量同比提升40%。
• 针对城市峡谷环境GPS信号遮挡导致的定位漂移问题，提出基于点云语义地图的SLAM辅助避障策略：利用PointPillars网络提取点云特征，结合ORB-SLAM3优化位姿估计，在深圳华强北商圈实测中，定位精度从0.8m提升至0.2m，避障系统成功规避突发横穿的快递无人机（距离0.6m），相关方案申请发明专利1项（已受理）。
• 优化嵌入式端感知计算效率：基于STM32H7+Zynq UltraScale+ MPSoC平台，将YOLOv5s目标检测模型量化为INT8格式，推理耗时从45ms降至22ms；设计双缓冲队列机制解决点云与图像数据竞争问题，系统在高负载（同时处理10类障碍物）下丢包率从7%降至0.5%，通过中国电科院50小时极端环境（暴雨、沙尘）压力测试。
• 建立多维度测试验证体系：搭建半物理仿真平台（Gazebo+RViz），模拟12类典型障碍物（包括透明玻璃、反光水面）；主导100+小时外场实测（覆盖高原、海岛、城市），推动系统在50m/s高速飞行下仍保持0.5m安全距离，符合《民用无人驾驶航空器系统安全运行管理规定》中L3级避障要求。

聚焦无人机视觉与激光雷达融合感知算法开发，重点突破低光照、小目标、动态遮挡场景下的障碍物检测难题，支撑公司消费级无人机从室内向室外复杂环境的场景拓展。

• 开发基于深度学习的多模态融合检测算法：将Faster R-CNN与PointRCNN结合，设计注意力门控机制融合可见光图像语义与点云几何特征，在暗光（照度<10lux）环境下对行人检测准确率从68%提升至89%；通过迁移学习适配无人机算力限制（Jetson TX2），模型体积压缩至原1/3，推理速度达18fps，满足实时性需求。
• 解决动态遮挡场景下的目标跟踪失效问题：提出基于时空上下文的改进SORT算法，引入光流法预测被遮挡目标的运动轨迹，在无人机跟拍场景中，对临时被树木遮挡的行人重识别成功率从52%提升至78%，支撑公司在户外跟拍无人机的市场占有率提升25%。
• 主导传感器标定工具链开发：基于OpenCV与Matlab联合编程，设计自动化标定流程，支持激光雷达-相机-IMU的外参在线标定，标定耗时从4小时缩短至20分钟，标定精度（重定位误差）从±3cm提升至±1cm，大幅降低量产阶段的校准成本。
• 参与某省应急管理厅无人机救援项目：针对森林火灾场景，优化算法对高温烟雾的鲁棒性，通过添加温度传感器数据作为辅助特征，系统在烟雾浓度>50%环境下的障碍物（如倒木、电线）检测召回率从75%提升至92%，项目验收评分95分（行业平均88分）。

负责工业级传感器（激光雷达、惯性导航）的数据采集与预处理模块开发，优化嵌入式平台的实时性与可靠性，为上层感知算法提供高质量输入数据。

• 开发多传感器数据同步采集系统：基于STM32F4+DMA技术，实现激光雷达（10Hz）、IMU（200Hz）、气压计（10Hz）的并行采集，通过时间戳对齐算法消除硬件中断延迟，数据同步误差从±5ms降至±1ms，支撑后续感知算法的时序一致性需求。
• 设计传感器故障诊断与容错机制：编写异常检测程序（基于统计过程控制SPC），实时监测激光雷达回波强度波动、IMU零偏漂移等指标，当异常值超过阈值（如点云密度<500点/帧）时，触发数据重传或切换备用传感器，在某农业植保无人机测试中，成功避免因激光雷达脏污导致的撞树事故。
• 优化数据传输效率：采用CAN FD总线替代传统UART，结合自定义协议（包含优先级标记与CRC校验），将传感器原始数据传输速率从1Mbps提升至5Mbps，且丢包率控制在10^-6以下，满足上层算法对高带宽数据的需求。
• 参与公司首款多传感器融合终端研发：负责硬件驱动适配（Velodyne VLP-16、Xsens MTI-300），编写Linux内核模块实现SPI/USB接口驱动，完成EMC测试（辐射干扰<30dBμV/m），终端最终通过工业级认证（-40℃~85℃稳定运行），为公司开拓工业无人机市场奠定硬件基础。

高分辨率多模态载荷一体化系统研发及应急救援场景实战化验证

• 项目背景：应急救援场景对无人机任务载荷提出“多维度感知+实时融合”需求——传统单模态载荷无法同时满足火情温度监测、隐蔽火源识别、地形建模的联动要求，现有一体化方案存在视场配准误差大、传输带宽不足、融合延迟高的痛点。我的核心目标是主导研发一套集4K可见光、640×512中波红外、120万点/秒激光雷达的一体化载荷，实现10km空地实时数据回传与毫秒级多模态融合，支撑应急救援“早发现、快处置”。
• 关键难题与技术：①多传感器同轴校准——可见光、红外、激光雷达的光轴偏差达5-8像素，导致融合图像出现“重影”；②高带宽低延迟传输——三传感器原始数据量达80Mbps，远超常规图传系统的50Mbps上限；③实时融合算法效率——传统“先存储后处理”模式延迟超200ms，无法满足应急决策时效。我针对性选用Zemax进行光学系统同轴设计、MATLAB仿真配准算法，结合FPGA+TensorRT构建实时处理 pipeline。
• 核心行动与创新：①校准方案：提出“硬件刚性同轴固定+软件动态补偿”双策略——定制三轴稳定平台将传感器物理光轴偏差控制在1像素内，再用基于SIFT特征的在线配准算法修正残余误差，最终配准精度达0.5像素；②传输优化：设计“时分复用+分级压缩”方案——可见光用H.265+编码（压缩率40%）、红外用JPEG2000（保留热成像细节）、点云用PCL轻量级压缩（点云数据量减少60%），总带宽压降至35Mbps，延迟降至80ms；③融合算法：改进YOLOv7+PointPillars多模态模型，共享特征提取backbone，用TensorRT加速推理，实时融合帧率从30fps提升至60fps。
• 项目成果与价值：系统通过GJB 150环境试验（-40℃~+60℃、10g振动），交付后应用于某省森林消防应急救援。在2023年夏季火情演练中，实时检测到火场边缘50米外的隐蔽火源（传统载荷需15分钟，本系统仅需7分钟），助力扑火时间缩短30%。项目申请2项发明专利（“一种无人机多传感器同轴配准方法”“多模态载荷实时融合系统”），获公司年度技术创新一等奖。我个人从模块负责人成长为系统级研发负责人，主导了后续3个应急场景载荷项目的架构设计。

轻量化多光谱植保载荷研发及农业场景适配

• 项目背景：农业植保无人机需要多光谱数据支撑作物病虫害监测，但市售载荷普遍重量超700g，导致无人机续航缩短25%，且实时NDVI计算延迟高（≥500ms），农户使用体验差。我的目标是研发重量≤500g的多光谱载荷，实现实时NDVI输出，同时提升农业场景适配性。
• 关键难题与技术：①轻量化与性能平衡——多光谱传感器需额外滤光片轮，易增加重量；②信噪比优化——农业场景光照变化大，多光谱数据易受噪声干扰；③实时处理算力——嵌入式平台算力有限，无法支撑多指数实时计算。我采用柔性PCB设计、低噪声放大电路，结合树莓派Compute Module做边缘计算。
• 核心行动与优化：①重量控制：将传统刚性PCB改为柔性PI基板，优化滤光片轮结构（减少2层机械部件），载荷重量从初始设计的630g降至480g；②信噪比提升：在传感器前端加设硬件低通滤波器，配合软件端的自适应中值滤波算法，将多光谱数据信噪比从38dB提升至45dB；③实时处理：预计算NDVI、EVI等5种常用植被指数，将单帧数据处理时间从500ms降至100ms，同时与飞控团队合作优化供电策略，让无人机续航从30分钟延长至36分钟。
• 项目成果与价值：载荷通过农业农村部农机鉴定，批量交付江苏、山东等地植保服务商。在盐城小麦病虫害监测中，帮助农户提前7天识别锈病病斑，农药使用量减少20%，单季增收约150元/亩。项目为公司带来超500万元的农业场景订单，我积累了“传感器设计-算法优化-场景落地”的全链路经验，为后续系统级研发奠定了基础。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。