负责公司中大型工业级无人机全场景感知与避障系统的全周期开发，涵盖多传感器融合方案设计、动态障碍物检测算法优化、嵌入式端实时计算模块实现及外场复杂环境验证，确保系统满足民航局适航标准下复杂场景（如城市楼宇群、山区峡谷、人群密集区）的避障可靠性要求。

• 主导设计基于激光雷达（16线Velodyne）+ 可见光相机（Sony IMX586）+ 毫米波雷达（TI IWR6843）的多源异构感知系统，通过ROS2 Humble框架搭建低延迟数据链路，解决传感器时间同步误差（原±15ms→±2ms）与空间校准偏差（原±5cm→±1cm）问题；采用改进的扩展卡尔曼滤波（EKF）融合点云与视觉特征，实现动态障碍物（如无人机、车辆、行人）的轨迹预测，将系统对30m/s速度目标的响应时间从120ms压缩至80ms，支撑公司在电力巡检场景的订单交付量同比提升40%。
• 针对城市峡谷环境GPS信号遮挡导致的定位漂移问题，提出基于点云语义地图的SLAM辅助避障策略：利用PointPillars网络提取点云特征，结合ORB-SLAM3优化位姿估计，在深圳华强北商圈实测中，定位精度从0.8m提升至0.2m，避障系统成功规避突发横穿的快递无人机（距离0.6m），相关方案申请发明专利1项（已受理）。
• 优化嵌入式端感知计算效率：基于STM32H7+Zynq UltraScale+ MPSoC平台，将YOLOv5s目标检测模型量化为INT8格式，推理耗时从45ms降至22ms；设计双缓冲队列机制解决点云与图像数据竞争问题，系统在高负载（同时处理10类障碍物）下丢包率从7%降至0.5%，通过中国电科院50小时极端环境（暴雨、沙尘）压力测试。
• 建立多维度测试验证体系：搭建半物理仿真平台（Gazebo+RViz），模拟12类典型障碍物（包括透明玻璃、反光水面）；主导100+小时外场实测（覆盖高原、海岛、城市），推动系统在50m/s高速飞行下仍保持0.5m安全距离，符合《民用无人驾驶航空器系统安全运行管理规定》中L3级避障要求。

聚焦无人机视觉与激光雷达融合感知算法开发，重点突破低光照、小目标、动态遮挡场景下的障碍物检测难题，支撑公司消费级无人机从室内向室外复杂环境的场景拓展。

• 开发基于深度学习的多模态融合检测算法：将Faster R-CNN与PointRCNN结合，设计注意力门控机制融合可见光图像语义与点云几何特征，在暗光（照度<10lux）环境下对行人检测准确率从68%提升至89%；通过迁移学习适配无人机算力限制（Jetson TX2），模型体积压缩至原1/3，推理速度达18fps，满足实时性需求。
• 解决动态遮挡场景下的目标跟踪失效问题：提出基于时空上下文的改进SORT算法，引入光流法预测被遮挡目标的运动轨迹，在无人机跟拍场景中，对临时被树木遮挡的行人重识别成功率从52%提升至78%，支撑公司在户外跟拍无人机的市场占有率提升25%。
• 主导传感器标定工具链开发：基于OpenCV与Matlab联合编程，设计自动化标定流程，支持激光雷达-相机-IMU的外参在线标定，标定耗时从4小时缩短至20分钟，标定精度（重定位误差）从±3cm提升至±1cm，大幅降低量产阶段的校准成本。
• 参与某省应急管理厅无人机救援项目：针对森林火灾场景，优化算法对高温烟雾的鲁棒性，通过添加温度传感器数据作为辅助特征，系统在烟雾浓度>50%环境下的障碍物（如倒木、电线）检测召回率从75%提升至92%，项目验收评分95分（行业平均88分）。

负责工业级传感器（激光雷达、惯性导航）的数据采集与预处理模块开发，优化嵌入式平台的实时性与可靠性，为上层感知算法提供高质量输入数据。

• 开发多传感器数据同步采集系统：基于STM32F4+DMA技术，实现激光雷达（10Hz）、IMU（200Hz）、气压计（10Hz）的并行采集，通过时间戳对齐算法消除硬件中断延迟，数据同步误差从±5ms降至±1ms，支撑后续感知算法的时序一致性需求。
• 设计传感器故障诊断与容错机制：编写异常检测程序（基于统计过程控制SPC），实时监测激光雷达回波强度波动、IMU零偏漂移等指标，当异常值超过阈值（如点云密度<500点/帧）时，触发数据重传或切换备用传感器，在某农业植保无人机测试中，成功避免因激光雷达脏污导致的撞树事故。
• 优化数据传输效率：采用CAN FD总线替代传统UART，结合自定义协议（包含优先级标记与CRC校验），将传感器原始数据传输速率从1Mbps提升至5Mbps，且丢包率控制在10^-6以下，满足上层算法对高带宽数据的需求。
• 参与公司首款多传感器融合终端研发：负责硬件驱动适配（Velodyne VLP-16、Xsens MTI-300），编写Linux内核模块实现SPI/USB接口驱动，完成EMC测试（辐射干扰<30dBμV/m），终端最终通过工业级认证（-40℃~85℃稳定运行），为公司开拓工业无人机市场奠定硬件基础。

应急测绘用微型化多模态感知载荷集成与性能优化项目

• 项目背景：应急测绘领域对“高精度、低延迟、全时段”多源数据采集需求迫切，但现有载荷普遍存在体积大（≥25L）、功耗高（≥150W）、多传感器数据融合滞后（延迟＞100ms）的问题，无法满足消防、地震救援等场景的快速部署要求。我的核心职责是主导载荷系统的全链路设计，统筹传感器选型、硬件集成、算法优化及量产验证。
• 关键难题：①微型化多传感器（16线MEMS激光雷达+1英寸可见光相机+中波红外热像仪）的空间布局冲突，导致散热效率低、数据同步误差超20ms；②传统软件融合算法无法应对动态场景下的目标跳变，融合精度仅达85%；③客户要求载荷重量≤5kg，现有方案超重1.2kg。
• 核心行动：①采用“分层堆叠+导热硅胶柱阵列”结构设计，将激光雷达与红外热像仪的光学窗口错层布局，配合微型轴流风扇与均热板，解决空间与散热矛盾；②基于FPGA搭建硬件时间戳同步电路，将多传感器数据同步误差压缩至＜5ms，并引入改进的“全局-局部”联合卡尔曼滤波算法，融合精度提升至98%；③选用碳纤维复合材料替换原铝合金外壳，在保证强度的前提下降低重量1.5kg，满足轻量化要求。
• 项目成果：最终载荷体积缩小至16L（较行业同类产品小36%）、功耗降至98W、重量4.2kg，融合延迟稳定在35ms以内；支撑公司拿下12个省级应急管理厅的采购订单，累计交付21套，客户满意度96.5%；该方案还通过了民航局“无人机系统任务载荷适航验证”，成为公司切入应急救援装备市场的核心技术壁垒。

民用测绘级低成本可见光载荷量产方案设计与图像一致性优化项目

• 项目背景：公司计划拓展民用测绘市场，但当时主流可见光载荷依赖进口索尼IMX系列传感器，成本高（单套≥8万元）、供应链不稳定。我的角色是参与载荷光学设计、量产校准及图像后处理算法优化，目标是开发低成本、高一致性的国产替代方案。
• 关键难题：①国产CMOS传感器（初期选型长光辰芯GCINE2000）的动态范围（仅10bit）低于进口产品（12bit），导致复杂光照下图像细节丢失；②量产过程中不同批次传感器的坏点、暗角差异大，图像一致性差（同一场景下灰度偏差达15%）；③客户要求载荷价格≤5万元，量产良率需≥95%。
• 核心行动：①针对动态范围问题，设计“双增益切换”电路，结合自适应直方图均衡化算法，将有效动态范围提升至11.5bit，满足测绘场景的明暗细节保留需求；②开发“多维度自动化校准工装”，集成坏点检测、暗角校正、白平衡匹配三大模块，通过Python脚本批量读取传感器参数，自动匹配校正系数，将单台校准时间从2小时缩短至15分钟；③与供应链合作优化传感器封装工艺，筛选出一致性高的批次，配合光学镜头的像差补偿设计，解决图像偏差问题。
• 项目成果：最终载荷采用国产CMOS传感器，成本降至3.2万元（较进口方案下降60%），量产良率提升至97.3%；支撑公司拿下3个省级测绘院的年度采购合同，对应项目营收达1800万元；该载荷成为公司民用市场的“爆款产品”，市场份额在2年内从0提升至12%。

• 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。