openCV

系统功能：1、由用户工艺工程师按工艺模板建立工艺执行清单。2、产品进入全自动化输送链前对产品产品编码，绑定对应工艺。3、系统根据产品编码，匹配对应工艺，发送机械人指令，执行生产。4、视觉识别检测产品完成表面品质情况。5、后台大数据系统记录监测产品生产全过程。

项目完成了一套约1.64米人形双足机器人机械概念装配设计，包含胸腔、胯部、左右腿、左右臂、前臂、小腿、电机安装位、轴承支撑、齿轮传动、十字关节和面板骨架等模块。Fusion360模型中装配实例约335个，采用模块化结构组织，便于后续调整关节比例、传动布局和安装空间。项目同时规划了UE4引擎中的机器人

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下

医疗美容领域：研发结构光多视角人脸高精度三维成像系统；实现人头多视角三维重建，含三维点云--三角网格--三维纹理映射--多视角光照平滑处理等工业检测领域：研发轮胎生产过程的3D结构光、线激光三维缺陷检测系统；平面提取、异常高度检测、三维堆叠检测研发三维旋转三维扫描仪。

实现VR/MR等头戴低算力设备上实时高精度SLAM追踪算法，为上层SDK及APP提供技术基石。可建稀疏/稠密三维点云地图，VIO定位。实现多Camera+IMU联合标定算法；高精度实时SLAM位姿估计，SLAMAPE精度可达10mm内基于光学动作捕捉系统位姿对齐与估计(MetaSony等客户认可)。

1、下位机：完成隧道小车的驱动控制；控制线阵相机扫描隧道；控制补光；控制雷达探测周边障碍物确保安全；接收遥控器控制指令。2、上位机：整合下位机采集的图像；实现缺陷的人工标注；实现缺陷的自动识别；输出说明缺陷类型及位置信息的工单

SLAM建图与定位开发：基于2D/3D激光雷达、深度相机，提供高精度建图与定位算法开发，支持多楼层/大场景地图拼接与管理。多传感器融合：实现雷达/视觉/IMU/轮速计/RTK等多源数据融合定位，解决长廊、空旷等特征退化场景的定位难题。仿真与实车部署：搭建Gazebo/IsaacSim高保真仿真环境，

下位机：通过对激光雷达所采集实时点云进行分析，融合视频图像识别目标类型，针对不同的目标类型产生对应的事件上报至上位机；接收来自上位机的协议指令并执行上位机：综合下位机上报的事件产生不同等级的告警客户端：提供全网所监测路段的实时监控，并提供历史数据的查询及报表分析

本项目基于PointNet/PointNet++实现点云的高精度分割与分类，核心功能覆盖全流程开发。搭建Ubuntu+PyTorch环境，支持点云数据加载、预处理、标注、训练与推理；借助CloudCompare完成点云裁剪、标注、合并与导出，实现自定义数据集制作；通过脚本自动分离点云坐标与标签，构建

开发一款融合计算机视觉、嵌入式系统与人机交互的智能台灯，实现健康坐姿监测、护眼照明与多模态交互。核心闭环为“视觉感知—智能决策—机械执行”，在树莓派5上高效部署YOLOv8n与MediaPipe模型，集成DeepSeek语言模型实现语音交互，达到实时性能。

系统采用C#/.NET平台开发，分层架构包括：控制层：与PLC、机械臂、扫码器、贴标机等硬件实时通讯；调度层：基于事件驱动的多线程时序引擎，实现多设备并发协调；视觉AI层：基于深度学习的药品识别、贴标校验、容量识别；业务层：完成医嘱导入、药品匹配、用户权限与日志追溯；监控层：集成视频流、语音播报与报