负责中大型工业级无人机多传感器融合感知系统的算法设计与优化，主导激光雷达-视觉-IMU融合方案开发，解决复杂场景下避障延迟与精度不足问题，支撑电力巡检、应急救援等场景落地。

• 主导设计基于改进A*算法与动态窗口法（DWA）的多模态路径规划框架，结合点云语义分割结果（采用PointPillars网络提取障碍物类别与轮廓）实时调整局部路径，解决无人机在密集障碍物（如城市楼宇、森林冠层）环境下的路径规划延迟问题，将路径更新频率从10Hz提升至25Hz，避障响应时间从320ms缩短至190ms（降幅40%），通过第三方测试验证复杂场景下碰撞率从15%降至3%。
• 负责激光雷达（16线机械雷达）与可见光相机（Sony IMX586）的时空同步校准，创新性采用张正友标定法结合硬件触发同步机制（触发精度±0.1ms），设计多传感器外参联合标定流程（涵盖平移、旋转、时间偏移三维参数），解决因无人机振动导致的同步误差问题，将点云与图像配准误差从±15cm降低至±3cm，障碍物识别准确率从95.2%提升至98.7%。
• 优化卡尔曼滤波与扩展卡尔曼滤波（EKF）融合算法，引入视觉SLAM（ORB-SLAM3）的位姿估计作为观测输入，构建松耦合融合架构，解决GPS拒止环境（如隧道、室内仓库）下的位置漂移问题，定位精度从0.8m（RMS）提升至0.2m（RMS），满足电力巡检中对杆塔、导线的毫米级避障需求。
• 搭建半物理仿真测试平台，基于Gazebo与ROS2集成多传感器仿真模型（激光雷达、相机、毫米波雷达），模拟暴雨（能见度<50m）、沙尘暴（颗粒浓度>1000μg/m³）等极端天气下的传感器噪声特性（添加高斯噪声与随机丢包），完成算法鲁棒性测试，累计发现并修复12类边界条件下的误判问题（如低光照下相机漏检、激光雷达镜面反射误判），系统在真实复杂环境中的避障成功率从82%提升至95%。

参与小型消费级无人机的单目视觉避障系统开发，负责视觉里程计与障碍物检测模块实现，解决低空飞行中动态障碍物（如飞鸟、行人）的实时检测与规避问题。

• 核心参与基于ORB-SLAM2的视觉里程计优化项目，针对消费级无人机算力限制（仅2TOPS），提出特征点稀疏化策略（保留角点与边缘点，剔除弱纹理区域点）与金字塔LK光流跟踪方法，将SLAM帧率从15fps提升至25fps，建图误差控制在0.5m以内，满足室内外短距（<50m）飞行需求，该方案已应用于公司C30型号无人机。
• 开发基于轻量级卷积网络（YOLOv3-tiny剪枝版）的实时障碍物检测模块，针对无人机下行视角（俯角30-60度）优化训练集（新增风筝、树枝等场景数据），引入仿射变换增强数据多样性（旋转±15°、缩放0.8-1.2倍），检测准确率从85%提升至92%，误报率从8次/分钟降低至3次/分钟，支持20米范围内障碍物识别（最小目标尺寸0.3m×0.3m）。
• 设计视觉-超声波融合避障策略，利用超声波测距高精度（±2cm@1m内）弥补视觉在透明/反光物体（如玻璃幕墙、水面）下的检测盲区，通过卡尔曼滤波加权融合算法（视觉权重0.7，超声波权重0.3）输出最终避障决策，使系统对玻璃幕墙的检测成功率从60%提升至88%，产品坠机事故率下降45%。
• 负责量产版本的OTA升级方案设计，针对视觉模块固件更新失败率高问题（原15%），引入差分升级（仅传输变更数据块）与CRC32校验机制，将升级成功率提升至99.2%，支撑产品迭代周期从3个月缩短至2个月，助力年度出货量增长20%。

负责无人机感知硬件底层驱动开发与数据预处理，保障激光雷达、IMU等传感器数据稳定采集与传输，为上层算法提供高质量输入。

• 主导激光雷达（RPLIDAR A1）UART驱动开发，解决高温环境（60℃）下数据丢包问题（原丢包率12%），通过优化波特率自适应算法（动态调整至115200bps）与丢包重传机制（连续3次未接收数据触发重传），将丢包率降至1%以内，确保360°扫描数据的完整性，支撑后续点云拼接与障碍物检测。
• 开发多传感器数据同步采集框架，基于STM32F4的DMA与中断机制，实现激光雷达（10Hz）、IMU（200Hz）、气压计（10Hz）数据的微秒级同步（误差<100μs），为上层融合算法提供精确时间戳对齐数据，数据同步误差导致的避障误判率下降70%。
• 设计传感器健康状态监测模块，通过分析激光雷达回波信号的信噪比（SNR）与IMU的零偏稳定性（Allan方差计算），建立故障预警阈值（如SNR<20dB触发报警、IMU零偏>0.5°/s触发校准），提前30分钟检测到传感器老化问题（如激光雷达发射模块衰减），避免因硬件故障导致的3起飞行事故。
• 参与EMC测试与整改，针对无人机感知系统在2.4GHz频段（WiFi干扰）的异常重启问题，通过增加铁氧体磁珠（抑制高频噪声）与金属屏蔽罩（覆盖率>80%），将电磁干扰强度从-40dBm降低至-65dBm，系统无故障运行时间从50小时提升至200小时，通过CE-EMC认证。

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。

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。