百度 AR 技术部算法实习生
负责手掌朝向检测项目，实现在移动手机端基于摄像头拍摄的单帧图像，对手掌 在 3D 空间的姿态进行预测。主要工作包括：与第三方对接数据的采集与标注构建 数据集，基于数据集设计深度学习模型实现对手掌的朝向姿态预测，在 IOS 端对 模型进行部署，并结合实际使用场景进行优化，完成算法 SDK。
基于 GPU 的 360 度实时全景拼接
本项目以可支持 360 度旋转的云台相机作为硬件基础。通过在 GPU 平台上对图像 拼接算法进行并行化优化，实现对相机拍摄得到图像的实时拼接，最终生成全景 图。
广东省**市电网智能监控系统
本项目为该市电网部署的监控系统提供升级解决方案。该解决方案既包含传统的 监控显示，存储以及云台控制等功能，同时在智能检测方面包含基于深度学习的 异常工程车辆闯入，山火预警，以及泥石流检测。在本项目中本人作为项目负责 人统筹各模块，同时完成异常工程车辆闯入检测的开发。
基于嵌入式平台的多核 CPU 并行优化深度估计算法
本项目以华为嵌入式开发板为硬件基础，对基于双目相机的深度估计算法 SGM，使 用 Openmp 进行 CPU 多核并行优化，最终满足实时深度估计的应用要求。
论文成果:
基于 GPU 的实时光场相机深度估计(ICIP 2019 已接收)
为了实现基于光场相机进行实时深度估计的目标。基于光场 multi-view 立体匹配， 设计一套适合进行并行化优化同时不影响计算精度的算法，并在 GPU 平台实现。该 算法是现有算法中计算速度最快的算法。
基于 PatchMatch 的光场相机深度估计
为了充分利用光场的 3D 空间信息，基于 slanted support window 将光场的视差计 算转换为求解其各个空间点在 3D 空间中平面参数方程，同时基于 PatchMatch 思想


进行优化。该方法可以充分挖掘光场的 3D 特性，对于其余算法无法准确计算的倾 斜平面或是大平面，可以得到更优秀的结果。