负责工业级无人机多模态感知与避障系统的全周期开发，涵盖算法设计、硬件集成、仿真测试及场景适配，确保复杂环境（如电力巡检、森林消防）下无人机自主飞行的安全性与可靠性。

• 主导设计基于激光雷达-视觉-毫米波雷达的多源融合避障系统，针对电力巡检场景中导线、杆塔、鸟类等动态障碍物，采用改进扩展卡尔曼滤波实现传感器时空同步（时间误差<5ms，空间误差<3cm），结合YOLOv8实例分割与DBSCAN点云聚类算法完成障碍物识别与跟踪，将系统响应时间从80ms缩短至45ms，实飞测试中复杂环境避障成功率从92%提升至98.5%（累计测试500+架次）。
• 优化SLAM建图算法应对森林巡检场景的低纹理、光照变化问题，基于LIO-SAM框架融合IMU与视觉里程计，引入地面点云分割（RANSAC平面检测）剔除植被干扰，将建图精度从±15cm提升至±5cm，解决了传统单传感器SLAM在复杂植被环境下的累积误差（原误差随飞行距离线性增长，优化后误差稳定在±8cm内）。
• 负责避障系统硬件方案选型与调试，对比Velodyne VLP-16、Ouster OS-1等激光雷达参数，选定小楷自研16线固态激光雷达（垂直视场角70°，点频200kpts/s），配合Intel Realsense D455摄像头完成硬件集成，通过FPGA预处理（ROI区域提取）降低数据传输延迟，使系统功耗从12W降至8W，满足长航时任务（续航从35min延长至45min）需求。
• 搭建半物理仿真测试平台，基于Gazebo与ROS2集成多传感器模型（含雷达杂波、相机噪点、光照突变参数），模拟暴雨（能见度<50m）、强光（10万lux）、低能见度（雾天）等极端场景，累计完成200+小时仿真测试，提前发现并修复3类关键缺陷（如雷达旁瓣干扰导致误报、视觉镜头眩光误判），将实飞测试周期缩短40%。

参与消费级无人机避障系统的功能开发与性能优化，聚焦前向/下视多传感器协同，支撑产品落地与市场推广。

• 核心参与消费级无人机前向双目视觉避障模块开发，负责障碍物检测算法实现，基于SAD视差计算（窗口大小15x15）与轻量级深度学习模型（MobileNet-SSD剪枝版），将检测帧率从15fps提升至25fps，满足30km/h飞行速度下的实时避障需求（目标物最小识别尺寸5cm@5m距离）。
• 解决逆光场景下视觉传感器失效问题，通过直方图均衡化（CLAHE算法）与自适应阈值分割预处理，结合机腹红外补光灯（波长850nm，功率50mW）辅助，将逆光环境下障碍物识别率从65%提升至88%，支撑产品在沙漠、雪地等强反光场景的稳定运行（客户反馈故障率下降60%）。
• 参与制定避障系统测试标准，设计覆盖室内家具、室外移动目标（车速<20km/h）、低空电线（高度<10m）等12类典型场景的测试用例，推动产品通过CE-EMC、FCC Part15认证，助力该机型上市后6个月内销量突破10万台（占公司消费级无人机季度营收35%）。

负责车载/工业传感器信号处理与嵌入式开发，为后续转向无人机感知领域积累多传感器融合与硬件设计经验。

• 负责车载毫米波雷达信号处理板开发，基于TI TMS320C6748 DSP芯片，实现CA-CFAR检测算法（虚警概率<1e-6）与多目标跟踪（JPDA算法），将雷达对小目标（RCS<0.1㎡，如行人腿部）的检测距离从80m提升至120m，支撑ADAS系统前向碰撞预警功能（误报率<2次/千公里）。
• 优化多传感器数据传输协议，设计基于CAN总线（波特率500kbps）的多节点通信架构，解决毫米波雷达、摄像头、超声波雷达的数据同步延迟问题，通过时间戳对齐与优先级调度，将数据融合延迟从100ms降至60ms，满足实时控制需求（刹车响应时间<200ms）。
• 参与编写传感器校准手册，提出基于棋盘格（2m×2m）与角反射器（RCS=1㎡）的联合校准方法，结合最小二乘法优化外参求解，将毫米波雷达与摄像头的空间标定误差从±10cm降至±3cm，提升多传感器融合系统的定位精度（横向误差<0.5m）。

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。