我深耕机器人感知与智能控制领域 3 年,现就读于 XX 大学自动化专业博士,硕士阶段曾获研究生电子设计大赛全国奖项。熟悉激光雷达、IMU、深度相机等硬件调试,能独立完成松灵机器人底盘的传感器集成与局域网 WiFi 通信部署,熟练使用 ROS 2、Python/C++ 实现探测数据采集与预处理,掌握 LIO-SAM 等 SLAM 算法的工程化应用。
曾参与 “室内自主巡检机器人” 项目,负责多传感器融合模块开发,通过优化激光雷达与 IMU 数据耦合逻辑,将定位误差从 8cm 降至 3cm;主导过小型 AGV 物料搬运系统搭建,完成 STM32 与工控机的指令交互调试,实现设备 24 小时稳定运行。注重技术落地,擅长结合实际场景解决硬件协同、数据延迟等问题,未来计划深耕多模态感知与机器人自主决策方向。
我深耕机器人感知与智能控制领域 3 年,现就读于 XX 大学自动化专业博士,硕士阶段曾获研究生电子设计大赛全国奖项。熟悉激光雷达、IMU、深度相机等硬件调试,能独立完成松灵机器人底盘的传感器集成与局域网 WiFi 通信部署,熟练使用 ROS 2、Python/C++ 实现探测数据采集与预处理,掌握 LIO-SAM 等 SLAM 算法的工程化应用。
曾参与 “室内自主巡检机器人” 项目,负责多传感器融合模块开发,通过优化激光雷达与 IMU 数据耦合逻辑,将定位误差从 8cm 降至 3cm;主导过小型 AGV 物料搬运系统搭建,完成 STM32 与工控机的指令交互调试,实现设备 24 小时稳定运行。注重技术落地,擅长结合实际场景解决硬件协同、数据延迟等问题,未来计划深耕多模态感知与机器人自主决策方向。
| 角色 | 职位 |
| 负责人 | 算法工程师 |
| 队员 | 后端工程师 |
多硬件协同的机器人感知系统:从探测器数据采集到自主运行 一、机器人硬件架构:四层协同逻辑 系统硬件分 “载体层、感知层、控制层、通信层”,围绕探测值采集形成联动: 载体层:松灵机器人底盘 提供轮式 / 履带运动能力,预留 M3/M4 螺纹孔、ROS 兼容接口,可稳定搭载探
YOLOv11 赋能机器人:危险人员识别的高效落地方案 在工厂巡检、园区安防等机器人应用场景中,危险人员识别(如未穿安全服、携带危险工具的人员)是保障安全的关键环节。依托前文多硬件协同的机器人感知系统,引入 YOLOv11 目标检测算法,可实现 “实时捕捉 + 精准识别 + 快