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。