负责室外机器人项目和无人机扫车项目的所有相关算法工作
1.激光建图: 将GPS全局定位信息融入Cartographer算法中，实现超大范围点云地图的构建。另外实现的建图工具，以NDT算法 作为前端，GTSAM最优化作为后端，可生成小范围的高精度点云地图 。
2.激光定位: 利用NDT匹配算法，结合IMU、轮速计等多传感器，做滤波处理进行机器人的实时定位 。
3.视觉-惯导SLAM的研究: 深入研究Rovio算法的论文和源码，并尝试将机器人轮速计融入到该模型中，以增强Rovio算法尺度信 息的鲁棒性（目前正在进行） 。
4.地面提取及障碍物检测: 利用自研算法，实时将多线激光雷达的点云分割成地面点云和障碍物点云两类。此外，障碍物点云中 可以实时检测出路牙等低高度障碍物。该算法在无人机扫车项目中得到了很好的应用 。
5.路径规划: 在二维栅格Dijkstra最短路径算法基础上，改进出靠右行驶的路径规划算法。该算法在多机器人场景中有效的规范了 机器人的行驶路径，提高机器人的任务成功率。此外，融合栅格地图和由关键路点组成的拓扑地图，实现了机器人高效率的全 局路径规划。
6.传感器标定: 各个传感器之间空间位置的相互标定，如多个激光雷达之间的标定，激光雷达与IMU之间的标定，摄像头与IMU 之间的标定，以及激光雷达与摄像头之间的标定。

负责无人车定位相关的工作
1.GPS定位测试: 编写python测试脚本，测试不同厂家的GPS接收机在不同环境下的差分信号强度和定位精度
2.多传感器融合: GPS、IMU和轮速计多传感器融合 ， EKF松耦合模型的独立推导和代码实现。该算法成功应用到“窝必达”无人 物流车在清华大学校园展示中
3.激光SLAM定位的研究: 深入研究Cartographer的论文和源码
4.视觉SLAM定位的研究: 学习ORB-SLAM的源码，利用SIFT特征点取代ORB特征点，并且加入了GPU并行计算。另外对比了 DSO LSD等其他开源视觉SLAM算法。
工作以外项目经历:
1. Structure From Motion算法的实现: 利用C++实现SFM稀疏匹配，其中RANSAC、八点法等算法均为独立完成
2. 激光雷达与摄像头的融合: 利用两个单线激光雷达，结合一个鱼眼摄像头，在室内场景下生成彩色三维点云地图
3. GPS精密单点定位算法实现: 利用C++独立实现了GPS精密单点定位算法，包括数据结构，矩阵计算等所有基础部分
4. 智能手机各传感器的应用和软件开发: 用Swift语言在iOS设备上开发一些有趣的应用，如聊天室软件，手机移动状态检测，相册 内查找相似内容照片等小程序
5. 参与机器人足球比赛: 加入中国地质大学机器人足球团队 ， 参加FIRA仿真组比赛。在团队中负责扑球预测与路径规划
6. 深度学习/强化学习等算法的学习: 学习书籍《Deep Learning》by Lan Goodfellow，学习李宏毅教授关于深度学习的公开课