负责公司中大型工业无人机全栈感知与避障系统设计、算法优化及量产落地，覆盖从多模态传感器融合到动态决策控制的全链路技术攻关，支撑物流配送、园区巡检等场景的商业化落地

• 主导设计基于16线激光雷达+毫米波雷达+双目视觉的多模态融合感知架构，采用卡尔曼滤波耦合YOLOv8+PointPillars的异质数据关联算法，解决深圳南山区试点中行人、电动车等动态障碍物漏检问题——通过优化特征层融合权重与时间同步机制，将误报率从12%降至3%，支撑物流无人机完成1000+架次无事故运营，助力获得顺丰200台订单
• 重点重构避障决策算法，基于PPO强化学习优化传统A*路径规划框架，引入动态代价地图（融合实时风速、障碍物运动轨迹）实时更新机制，解决工业园区狭窄道路（宽度≤5米）下避障效率低的问题——将避障响应时间从800ms缩短至300ms，顺利通过欧盟EN 303 645标准动态避障测试，成为公司产品进入欧洲市场的关键资质
• 搭建基于MATLAB的传感器自动标定平台，整合激光雷达外参标定（NDT匹配算法）与视觉SLAM（ORB-SLAM3）内参校准流程，解决量产批次中传感器安装偏差导致的感知误差问题——通过引入在线标定触发机制，将批量产品的感知精度一致性从92%提升至98.5%，降低返工成本约30%每年
• 协同硬件团队定义下一代FPGA+ARM异构计算架构的感知硬件方案，优化激光雷达点云处理pipeline（采用OpenCL加速体素化操作），将点云处理延迟从200ms降至80ms，支撑公司长航时物流无人机（续航120分钟）的量产，该机型已实现季度交付50台以上的稳定产能

负责小型行业无人机感知与避障系统的算法实现、测试验证及场景适配，聚焦从单传感器（视觉/雷达）到多传感器融合的技术迭代，支撑消费级及工业级无人机的安全飞行需求

• 核心参与单目视觉障碍物检测算法开发，基于SSD MobileNetV2模型优化小目标检测头（引入注意力机制），解决低空飞行中灌木丛、低压电线等低对比度障碍物识别问题——将检测准确率从75%提升至88%，支撑公司消费级无人机“近地避障”功能落地，该功能上线后用户投诉率下降40%
• 搭建基于Gazebo+ROS的避障系统测试平台，构建10类典型场景（树木、建筑物、移动车辆、电磁干扰），结合实飞测试（累计500+小时仿真、100+架次实飞）验证算法鲁棒性——将复杂场景下避障成功率从82%提升至95%，形成《无人机避障系统仿真测试指南》
• 解决毫米波雷达与视觉传感器的时间同步问题，采用硬件触发（GPIO中断）+软件timestamp对齐（UTC时间戳同步）方案，消除数据延迟导致的融合误差——将融合后障碍物位置精度从±15cm提升至±5cm，满足民航局《民用无人机避障系统技术要求》的精度指标
• 编写感知与避障系统测试用例及文档，覆盖暴雨、强电磁干扰、夜间低光等12种极端场景，形成《无人机避障系统测试规范V1.0》，成为公司量产前的必测标准，将单机型测试周期从6周缩短至4.5周

负责无人机传感器模块的硬件设计与调试，聚焦单传感器选型、多传感器接口整合及电源管理优化，为后续感知算法开发奠定硬件基础

• 主导设计无人机激光雷达与视觉传感器的接口板，采用STM32H7芯片实现SPI+CSI-2高速数据传输（带宽达1.5Gbps），解决传感器数据丢包问题——将数据传输稳定性从90%提升至99.5%，支撑后续感知算法的实时性需求（延迟≤100ms）
• 优化传感器电源管理模块，采用LM2596（降压）+TPS62130（LDO稳压）组合方案，将激光雷达供电纹波从50mV降至10mV，解决因电源噪声导致的点云数据噪点问题——点云质量提升40%，满足算法输入的信噪比要求（≥40dB）
• 协同算法团队搭建基于LabVIEW的传感器性能测试平台，测量激光雷达探测距离（从100m扩展至150m@反射率10%）、视觉传感器帧率（从30fps提升至60fps@1080P）等参数——为算法优化提供硬件性能基线，支撑公司首款工业无人机（小楷K1）的感知系统选型
• 解决传感器模块的EMC问题，通过增加 ferrite bead（磁珠）滤波、优化PCB分层（电源层与地层相邻）方案，将激光雷达模块的辐射干扰从40dBμV/m降至25dBμV/m，顺利通过CE-FCC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。