电子/通信行业无人机感知与避障工程师岗位求职简历范文与精析（多模态感知系统设计、算法优化及工程落地）

负责公司全系列工业级无人机多模态感知与避障系统的架构设计、算法优化及工程落地，覆盖物流、巡检、应急场景下的动态/静态障碍物识别、碰撞风险评估与决策控制全链路。

• 主导某型中大型物流无人机（最大起飞重量1.2吨）的感知与避障系统迭代，基于多传感器融合框架（激光雷达+毫米波雷达+双目视觉）重构环境建模模块，引入改进型卡尔曼滤波与动态障碍物轨迹预测算法（LSTM网络），将复杂城市场景下的障碍物跟踪延迟从80ms压缩至45ms，支撑无人机在3m/s侧风环境下的贴楼配送任务（高度≤50m），实测避障成功率从97.3%提升至99.1%。
• 针对电力巡检场景中导线、杆塔等细窄障碍物漏检问题，设计基于点云语义分割的轻量级YOLOv5改进模型（添加注意力机制与边缘增强层），结合自研的多帧差分背景建模方法，将导线识别准确率从82%提升至95%，支撑无人机在±60°倾角下的安全巡检，年度减少因碰撞导致的设备损失约120万元。
• 牵头解决多传感器时间同步难题，搭建基于PTP协议（IEEE 1588）的硬件同步方案，配合FPGA预处理单元实现激光雷达（10Hz）、毫米波雷达（20Hz）、视觉（30Hz）数据的时间戳对齐误差≤5ms，系统端到端处理延迟稳定在60ms内，满足DO-178C标准的实时性要求。
• 主导编写《无人机感知系统测试规范V2.0》，设计包含200+典型场景（如鸟类群袭、突然横穿的行人、反光水面干扰）的自动化测试用例库，推动感知模块MTBF（平均无故障时间）从500小时提升至1200小时，助力公司通过民航局RTCA DO-254功能安全认证。

聚焦智能装备的环境感知领域，负责车载/无人机平台的多源传感器（雷达、视觉、IMU）数据融合算法开发，支撑自动跟车、障碍物检测等核心功能落地。

• 负责车载毫米波雷达与视觉的前向融合感知开发，基于扩展卡尔曼滤波（EKF）实现目标级融合，解决雨雾天气下视觉检测丢失问题，将前车碰撞预警（FCW）的漏报率从15%降至3%，支撑公司ADAS方案通过ISO 26262 ASIL-B功能安全认证。
• 针对无人机低空飞行中的地面杂波干扰问题，设计基于自适应门限的CFAR（恒虚警率）检测算法，优化毫米波雷达点云聚类逻辑（DBSCAN改进版，添加高度约束条件），将地面假目标抑制率从70%提升至92%，保障无人机在山区地形下的贴地飞行安全（高度≤20m）。
• 搭建多传感器标定平台（包含激光雷达、相机、IMU），采用基于棋盘格与运动激励的联合标定方法，将外参标定误差从±5cm（平移）/±2°（旋转）压缩至±1.5cm/±0.5°，为后续融合感知提供高精度时空基准，相关成果应用于公司首款消费级无人机产品，用户反馈避障误触发率下降40%。
• 参与某军工项目的多平台协同感知预研，提出基于时间触发以太网（TTE）的低延迟通信方案，实现3节点（无人机+地面站+无人车）间的感知数据同步传输，端到端延迟≤10ms，为后续跨平台协同避障奠定技术基础。

负责消费级/工业级传感器的硬件选型、电路设计及底层驱动开发，支撑智能设备的环境感知功能落地，覆盖毫米波雷达、超声波、惯性导航等模块。

• 主导公司首款车载毫米波雷达（77GHz）的硬件设计，完成射频前端（TI AWR1642）与MCU（STM32H7）的接口电路开发，优化PCB布局（阻抗匹配、屏蔽层设计），将雷达探测距离从150m提升至200m（10%反射率目标），满足车规级AEC-Q100 Grade 2标准。
• 针对无人机超声波传感器易受电机噪声干扰问题，设计数字滤波电路（二阶IIR陷波器，中心频率40kHz）配合软件自适应增益控制算法，将有效探测距离从8m延长至15m，支撑农业植保无人机的仿地飞行功能落地，年度销量提升25%。
• 开发传感器数据采集与预处理固件（基于FreeRTOS），实现毫米波雷达点云（100点/帧）、超声波距离（10Hz）、IMU（100Hz）的多通道同步采集，数据丢包率从3%降至0.1%，为上层感知算法提供稳定输入，相关代码被纳入公司传感器驱动SDK，复用率超80%。
• 建立传感器可靠性测试体系（温循测试-40℃~85℃、振动测试5g~20g），完成12款传感器的选型验证，筛选出3款高性价比器件，降低物料成本18%，同时保障量产产品的MTBF≥3000小时。

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。