1)2001、4~2017、6: 摩托罗拉高级主任工程师,级别E09,主要开发:嵌入式对讲机程序;对讲机集群管理调度程序
2)2017、7~2018、3:中瑞特有限公司,激光slam工程师,主要开发:用激光雷达辅助地铁定位
3)2028、4~2019、6:成都宜高美有限公司,视觉slam工程师,主要开发:基于DSO建图,并基于ESDF概率值建图
4)2019、7~2020、9:上海深兰科技,激光slam工程师/定位建图leader,主要开发:基于激光建图和定位,融合rtk,给小犀牛扫地车提供室外室内的定位建图模块
5)2020、9~至今:上海伯镭科技,激光slam/bevfusion/感知工程师及技术部部长,主要开发:矿山场景的slam建图和定位;矿山场景下重灰尘/大雪/大雾下的通用障碍物感知和人/车动态障碍物的感知;技术部日常管理;研发需求及进度管理;
1)深兰小犀牛扫地车在内部评比中获得第一,主要就是解决了城市遮蔽环境下的定位问题,所以本人也获得深兰2019年度优秀员工称号
2)在上海伯镭已经交付过几个大的项目:湖州南方水泥矿无人驾驶项目,30+台车;酒钢西沟矿无人驾驶项目,15台刚性矿卡;天池能源无人驾驶项目,目前40台无人矿车,后续100+台;内蒙古大唐东二矿无人驾驶项目,目前30台车,后续100+台;所有的车都下了安全员,全天候无人驾驶作业。
矿山场景slam的难点就是道路上特征比较少,很多场景都属于激光slam退化的场景,大部分场景下路两边都是光凸凸的低矮档墙,在卸料区大平层多,这些都不利于激光定位。我们所做的定位优化的是点到平面的距离,同时通过gtsam因子图融合了rtk信息,建出来的图总体上效果还比较好
通过激光雷达做地面和非地面的分割,得到通用障碍物,再通过bevfusion识别出人/车/建筑物等特定的障碍物。矿山感知的难点就是灰尘大,大雪,大雾的天气多,地面凹凸不平,车辙印很深,乱石头比较多,总体来说,我们的感知效果很不错,针对大物体没有漏报,地面小物体识别也不错