UP简历小U

+86 138-0000-0000|upresume.ai@example.com|北京

资深智慧矿山无人驾驶工程师，专注于恶劣矿坑环境下的高精度定位与导航技术。精通多传感器融合算法、SLAM、路径规划与控制，具备在无GPS信号区域解决导航偏离的实战经验。通过创新性方案，显著提升无人驾驶设备的作业效率与安全性，致力于推动矿山智能化转型。

某头部矿山智能化科技公司

2021-07 - 2024-06

主导并成功交付了智慧矿山无人驾驶系统的高精度定位模块，特别针对无GNSS信号的深矿坑环境，解决了导航偏离的行业难题。
负责设计并实现基于激光雷达（LiDAR）、惯性测量单元（IMU）、轮速计、UWB（超宽带）等多传感器融合的鲁棒定位算法，实现了在复杂矿道内厘米级定位精度，将导航累计误差降低了30%。
优化了基于图优化的SLAM算法，结合位姿图构建与回环检测，显著提升了恶劣环境下的地图构建与定位精度，将地图构建效率提升了25%。
开发并部署了多源数据异常检测与故障诊断机制，有效提高了系统在矿尘、震动等极端工况下的可靠性，将系统平均无故障时间（MTBF）延长了15%。
与硬件团队紧密协作，完成了传感器选型与集成、数据同步与标定，确保了系统整体性能与稳定性，成功支撑了10+台无人矿卡的商业化运营。
通过持续优化算法与系统架构，将无人矿卡在复杂矿道内的平均作业效率提升了18%，并有效降低了人工干预频率达20%。

公司内部研发项目

2022-03 - 2023-08

项目背景： 针对露天矿区及地下矿道复杂环境，传统GNSS定位不稳，高精度导航面临挑战，旨在开发一套在无信号或弱信号区域仍能保持高精度定位与导航能力的自主系统。
个人角色： 项目负责人兼核心算法工程师。
主要职责与成果：

设计并实现了基于扩展卡尔曼滤波（EKF）及粒子滤波（PF）的多传感器融合框架，融合了LiDAR、IMU、差分GNSS（RTK/PPK）、视觉里程计等数据源。
开发了针对矿区特定地形的高精度三维地图构建模块，利用LiDAR点云数据进行特征提取与匹配，实现了局部地图的实时更新与全局地图的优化。
创新性地引入了UWB辅助定位模块，在GNSS信号丢失区域通过UWB基站网络提供辅助测距信息，将无信号区域的定位精度从米级提升至30厘米以内。
负责路径规划与轨迹跟踪控制算法的开发与调试，实现了车辆在复杂弯道、坡道上的平稳高效行驶，成功通过了1000小时的实车测试，事故率降低了95%。
项目成果成功应用于公司首批无人矿卡车队，有效提升了矿区作业的智能化水平和安全性，每年为公司节约运营成本200万元。

硕士毕业设计项目

2020-03 - 2021-05

研究并实现了基于Lidar-IMU紧耦合的SLAM算法，克服了纯LiDAR SLAM在特征稀疏区域的退化问题，在复杂地下环境中实现了高精度、低漂移的定位与建图。
开发了多分辨率地图表示与更新机制，提高了地图的存储效率与查询速度，地图构建速度提升了40%。
通过在模拟地下矿道环境及实际地下停车场进行大量实验，验证了系统的鲁棒性与实时性，定位误差控制在10厘米以内。
撰写并发表了相关学术论文1篇于核心期刊，获得了导师的高度评价。