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。

高分辨率多光谱载荷实时拼接与智能分析系统研发

• 项目背景：农业植保与应急测绘领域对无人机多光谱数据的实时性、精准性需求激增，但现有载荷存在“时空同步误差大、实时拼接延迟高、智能分析泛化差”三大痛点，无法支撑精准作业决策。我的核心目标是主导研发一套“实时拼接+智能分析”一体化系统，实现多光谱数据的秒级处理与作物病虫害识别。
• 关键难题与解决方案：①多光谱Sensor时空同步问题——不同波段成像延迟差异达150ms，导致拼接图像错位；②机载算力瓶颈——高分辨率（4K×8波段）数据处理需1.2秒/帧，无法满足实时性；③智能分析模型适配性——通用YOLOv8模型对农田杂草、病虫害识别精度仅85%。针对同步问题，提出“FPGA硬件触发+IMU时间戳校准”方案；针对算力，优化改进SIFT特征的并行拼接算法，适配机载GPU；针对模型，构建10万张农田场景专用数据集做fine-tune。
• 核心行动与创新：自主设计“触发-校准-拼接”三级时序控制架构，替代传统软件同步；将拼接算法的卷积层拆分至GPU并行计算，降低延迟；引入注意力机制优化模型对小目标（如病虫害初期病灶）的识别能力，解决通用模型泛化不足问题。
• 项目成果与影响：实时拼接延迟降至180ms以内，智能分析精度提升至92%；系统已应用于12个省份的农业植保项目，帮助客户提升作业效率35%，降低误喷率20%；主导了系统技术路线设计，攻克3项核心技术，获公司“年度技术创新一等奖”，并形成2项发明专利（其中1项已授权）。

轻量化激光雷达载荷小型化与环境适应性优化

• 项目背景：电力巡检领域需要激光雷达实现输电线路树障精准检测，但传统载荷重量超2.5kg、抗干扰能力弱，无法适配小型多旋翼无人机（挂载上限1.5kg）。我的目标是设计一套“轻量化、高可靠、强抗扰”的激光雷达载荷，满足电力巡检的紧凑化与户外环境需求。
• 关键难题与解决方案：①小型化瓶颈——传统机械旋转式激光雷达体积大，难以集成；②EMC问题——机载电源与电机干扰导致点云数据误差率达12%；③耐环境性——高温（60℃）、低温（-30℃）、振动（10-2000Hz）条件下，雷达测距精度下降至±5cm（标准±2cm）。针对小型化，选用固态激光雷达芯片（禾赛AT128mini），采用PCB板级集成设计；针对EMC，通过HFSS仿真优化屏蔽罩结构与接地路径；针对耐环境，采用石墨烯散热片+橡胶减震垫的组合结构。
• 核心行动与创新：重构激光雷达硬件架构，将发射/接收模块集成于同一块4层PCB，体积减小40%；建立机载电磁环境仿真模型，提前定位5处强干扰点并优化布局；设计“被动散热+主动减震”方案，通过振动测试验证减震效率达85%。
• 项目成果与影响：载荷重量降至1.1kg，体积缩小至150×100×80mm；EMC指标满足DO-160G标准，测距精度恢复至±1.8cm；已应用于8家电力公司的输电线路巡检，单架次覆盖范围提升50%，减少巡检时间40%；主导硬件设计与环境测试，解决小型化与可靠性核心问题，获1项实用新型专利（“一种小型化激光雷达载荷的EMC屏蔽结构”），并成为公司电力巡检载荷的主力型号。

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。