负责中大型物流无人机多传感器融合感知系统全生命周期设计，主导动态避障算法迭代与复杂场景适配，解决城市场景高楼遮挡、山区气流扰动下的感知延迟与误判问题，保障无人机在商用物流场景的安全飞行与精准避障。

• 主导设计基于激光雷达（16线Velodyne）-双目视觉（ZED2i）-毫米波雷达（TI IWR6843）的多模态感知系统，通过ROS2 Humble框架搭建低延迟数据链路，解决多传感器时间同步误差（原±150ms→±20ms），实现300米范围内障碍物（静态/动态）检测覆盖率从92%提升至98%。
• 针对城市楼宇间GPS信号遮挡导致的定位漂移问题，提出基于Transformer的多源特征融合模型（融合IMU、视觉里程计、激光点云），将定位误差从0.8m压缩至0.3m（CEP50），支撑无人机在深圳福田CBD区域完成100+架次无GPS依赖飞行测试。
• 优化动态避障决策算法，基于改进A*算法与深度强化学习（PPO策略网络）处理行人/电动车突然闯入场景，避障响应时间从120ms缩短至70ms，结合碰撞锥预测模型将误避率从8%降至2%，助力产品通过民航局UTMISS系统兼容性认证。
• 负责与飞控系统（Pixhawk 6X）的接口开发，制定标准化感知数据协议（含障碍物位置、速度、置信度等12项参数），开发数据校验与重传机制，使系统集成周期从8周缩短至4周，支撑3款物流无人机机型快速落地。

参与小型侦察无人机感知模块开发，聚焦视觉感知算法优化与环境适应性测试，解决低光照、雾天等恶劣条件下的目标检测与跟踪难题，支撑无人机在边境巡检、应急救援场景的实用化部署。

• 负责视觉感知子系统硬件选型与调试，选用索尼IMX582传感器（1/2英寸大底）搭配FPGA预处理芯片，设计自适应增益控制算法，实现暗光环境（≤5lux）下图像信噪比从35dB提升至42dB，目标检测可识别距离从50m延长至80m。
• 针对雾天图像模糊问题，构建基于暗通道先验的去雾算法（OpenCV优化实现），结合YOLOv4模型迁移学习（自定义雾天数据集5000张），将雾天场景下车辆/人员检测准确率从78%提升至92%，支撑产品在四川凉山森林火灾救援中完成20+次侦察任务。
• 搭建户外多场景测试平台（涵盖雨雾、沙尘、强逆光等12类工况），设计自动化测试脚本（Python+Selenium），累计完成1000+小时感知算法鲁棒性验证，输出《复杂环境感知性能报告》，支撑产品通过RTCA DO-178C DAL-B级认证。
• 协助飞控团队优化感知-控制闭环，设计卡尔曼滤波融合感知数据与飞控状态，将避障决策延迟从200ms降低至150ms，配合完成500小时飞行测试，未发生因感知延迟导致的安全事故。

负责无线传感器网络在无人机监测系统中的应用开发，解决传感器数据传输延迟、丢包及多节点协同冲突问题，保障感知数据的实时性与完整性，为无人机状态监控提供可靠数据支撑。

• 设计基于LoRa（SX1280芯片）的低功耗传感器数据传输方案，优化扩频因子（SF7→SF10）与信道编码（添加CRC校验），将1km范围内温度/湿度/振动数据传输丢包率从15%降至3%，支撑无人机机体健康监测系统落地。
• 开发传感器数据融合前端（STM32H7+FreeRTOS），应用扩展卡尔曼滤波算法对三轴加速度计（ADXL355）、陀螺仪（BMI088）数据进行融合，姿态解算精度从0.5°提升至0.1°，满足无人机稳定飞行控制需求。
• 参与无人机巡检系统需求分析，梳理感知模块核心指标（如检测距离、更新频率、抗干扰性），输出《传感器选型与性能指标规范》（含8类传感器对比表、20项测试用例），指导后续激光雷达、视觉相机选型。
• 解决多无人机协同作业时的传感器数据冲突问题，设计基于时间戳同步的仲裁机制（NTP授时+软件缓冲队列），数据一致性从97%提升至99.5%，支撑3架无人机集群完成10km电力线巡检任务。

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。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。