负责中近程多传感器融合感知系统的全周期开发，涵盖算法设计、硬件选型、实测验证及适航适配，确保无人机在复杂环境（如城市楼宇、近距集群）下的目标识别、动态避障及安全决策能力。

• 主导设计激光雷达-双目视觉-毫米波雷达三源融合感知架构，基于ROS2 Humble框架开发异构数据对齐与时间同步模块，针对动态遮挡场景优化匈牙利算法与扩展卡尔曼滤波参数，将多目标跟踪准确率从82%提升至95%（测试集含500+组城市道路动态车辆数据）。
• 牵头构建基于YOLOv8+PointPillars的多模态障碍物检测模型，通过迁移学习适配无人机轻量计算场景，部署至Jetson AGX Orin平台后推理延迟从120ms压缩至65ms（满足50Hz实时性要求），在灌木丛、雨雾等低特征场景下漏检率降低18%。
• 搭建半物理仿真测试平台（Gazebo 11+AirSim插件），模拟10类典型障碍物（静态围栏、动态无人机、突然闯入行人）及5种极端气象（暴雨、沙尘、低光），输出200+小时测试日志，推动避障系统在复杂场景下的成功规避率从78%提升至91%。
• 对接民航局适航认证要求，编写《无人机感知系统环境适应性测试报告》，设计温循（-40℃~85℃）、振动（5g~20g）等可靠性测试方案，协助团队通过CTSO-P15b（感知与避障）部分条款认证，缩短认证周期2个月。

聚焦工业级多传感器集成方案开发，负责数据融合算法设计与嵌入式实现，支撑仓储AGV、巡检机器人等场景的高精度定位与环境感知需求。

• 主导研发多模态传感器（MEMS IMU+气压计+超声波）校准算法，基于MATLAB建立温度-误差模型，设计在线补偿机制，将三维定位精度从±0.3m提升至±0.1m（100㎡仓储场景实测），支撑AGV项目获某电商仓200台订单。
• 开发基于STM32H743的传感器数据预处理板卡，优化SPI+DMA传输协议替代传统UART，实现16路传感器数据并行采集，数据吞吐量从800kbps提升至3.2Mbps，端到端延迟降低至5ms，满足机械臂实时避障需求。
• 解决高温高湿（40℃/90%RH）环境下超声波传感器漂移问题，通过引入多项式拟合温度补偿模型与每5分钟自校准机制，产品MTBF（平均无故障时间）从800小时延长至4500小时，客户投诉率下降72%。
• 编写传感器驱动库（C语言）及Python调用API，配套《多传感器融合调试手册》，使团队上层应用开发效率提升30%，支撑3个客户定制项目快速落地。

负责4G/5G通信模块的嵌入式开发与调试，保障物联网设备在弱网环境下的稳定连接与低功耗运行。

• 基于STM32F4平台开发4G模块AT指令交互系统，优化TCP重传策略（将RTO初始值从1s调整为300ms）与QoS优先级配置，解决地下车库等弱信号区域丢包问题，通信稳定性从92%提升至98.5%（实测100+台设备30天运行数据）。
• 设计低功耗管理模块，结合RTC定时唤醒（精度±1s）与电源路径动态切换（空闲时关闭非必要外设），使设备待机时间从7天延长至15天，支撑某水利监测项目200台设备部署超1年无断联。
• 现场调试解决基站兼容性问题，通过分析RSSI（接收信号强度）与SINR（信干噪比）指标，调整设备频点（从Band 3切换至Band 5）及发射功率（从23dBm降至18dBm），项目验收通过率100%。
• 模块化开发通信驱动程序与测试用例（覆盖AT指令集、网络注册、数据透传），团队后续项目复用率达60%，单项目开发周期缩短2周。

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。