jenkins,gitlab, docker,docker-compose通过这些软件安装实现了持续集成。前期把项目配置调好之后，研发就可以自己提交代码之后，获取相应的操作权限，针对自己负责的项目，页面点击一下，负责就自动部署好！

Zabbix监控磁盘、后端服务、数据库、死机等，当数据等于触发器设置的值时候会触发自动发送钉钉消息提醒！此部署简单方便，可以不用检查机器，当磁盘满了或数据异常等会自动消息提醒。

调用百度API设计导航APP，有定位功能，路线规划功能等等。 主要负责APP原型的设计与开发工作。

项目概述： 基于一个脚本化(使用的脚本为python + shell)的安装程序，进行深度定制化修改，来完成自主系统的安装和操作需求，提升用户体验，使操作界面更好友好。 主要职责： 1、 负责系统安装程序的功能开发与维护. 2、 完成新设计需求。 3、 保障系统安装能够正常、稳定、高效的完成。 4、 优化系统安装，包括但不限于优化启动速度、升级安装、操作体验等。 主要成就： 1、 将系统安装过程拆分成两块，安装+基本配置过程和首次启动配置过程。 2、 优化升级安装的过程，使升级安装速度得到大幅度的提升。 3、 优化系统安装精减安装步骤，更易于普通用户使用，同时也提供高级用户的自定义功能。 4、 优化界面显示。 5、 提升系统安装程序的适应性。

本人熟悉docker相关命令和镜像制作脚本书写,以及devops流水线脚本书写。k8s集群环境搭建和相关部署期间产生的问题解决。部署常规的应用比如mysql、redis、minio等服务。

利用Matlab仿真ASK、FSK、PSK和QAM信号的调制与解调过程。 前端：使用MATLAB自带的APP设计工具设计 ​根据下拉框返回的结果利用生成的数据更新图像 后端数据：用各模块生成各种调制解调的数据，输入前端。

任务由两部分组成，第一部分是检测到图片中的店面招牌区域，即输入一张街景图片，输出其中的店面招牌的包围框的bbox坐标，可以理解为对于招牌的目标检测任务；第二部分是招牌文字识别，对于第一部分中得到的招牌区域，过滤掉区域中的非招牌文本，找出“招牌文字”并给出识别结果。对于一张输入图片，整个流程的输出如右图所示，由招牌区域的包围框坐标和其对应的招牌文本组成。 我负责算法总流程的整合以及目标检测和文本检测的实现。参考了baseline中目标检测、文本检测、文本识别的一套流程，在中间有一个透视变换矫正模块。其中我们使用的目标监测模型为Cascade Mask-RCNN, 文本检测模型为PANet，文本识别模型为含TPS矫正的CRNN模型，最后输出招牌检测坐标和招牌文本信息。

个人设计开发的一个跨平台的异常捕获程序，用于捕获C++的异常，注册回调函数，收集错误数据。存储堆栈信息。

熟练设计模式的练习项目，主要采用C++编写，用于巩固设计模式相关的知识，个人完成了十几个设计模式的需求开发。

打华为毕生编译器大赛编写的编译器，整体负责整个编译器架构的设计，以及编译器前端，优化，IR设计/生成代码的编写，最后获得了全国三等奖

校园派的UI设计图链接如下，客户可以浏览批评，由于其他项目和企业的项目不方便展示，涉及到公司和企业机密，所以请见谅 https://js.design/f/ZjZKBV?p=WSVeJGOn_A

1.使用cartographer建图，使用icp做定位，定位精度可达2cm 2.使用多传感器融合算法，鲁棒性增加 3.目前采用思岚系列的激光雷达和9250imu

本系统使用了常规的MVC架构，使用的框架技术是Spring boot themeleaf模板引擎完成了项目，表现层使用了springMVC框架开发；业务层使用常规的Spring框架来进行解耦和，数据访问层使用了Hibernate实现...同时采用了CAS进行了SSO的实现 portal配置管理：本人负责开发的模块是用户可以定制化页面显示内容，页面逻辑比较复杂，使用了iframe嵌套灵活url的形式进行可配置开发。本人摒弃了循环等耗时的操作，整体页面关键数据获取采用了异步调用后台的方式解决，并对页面关键逻辑点进行步骤拆分，提高了页面响应性能。 知识检索模块：这里难点是如何实现文档大数据检索功能，整体架构集成了elasticsearch来支撑文档的检索和高亮显示，本人熟悉elasticsearch查询命令以及POI处理各类文档的逻辑，同时在项目启动时使用子线程异步加载文档到elasticsearch

该项目是本人在校期间自主研发的小程序，有幸被系选为软件系优秀毕业设计论文 采用的技术也是：uniapp+unicloud协同开发 其中功能包括了：课程表、跳蚤市场、校园热点、招聘信息、周边热点等相关功能

1.hdl_localization定位系统是基于UKF进行位姿更新迭代的，在没有接入IMU/轮式里程计等信息下UKF中的预测过程是匀速处理，更新过程是通过NDT匹配算法将当前激光数据与地图进行匹配得到观测值来进行校正处理。 2.为了实现SLAM和导航定位功能，涉及到的功能包有：fast_gicp，hdl_global_localization，hdl_graph_slam，hdl_localization，map_server-master，ndt_omp，pcd2pgm，

1.hdl_graph_slam是一套3D激光SLAM系统，可融合gps、imu、lidar三种传感器，同时具有闭环检测功能，资源消耗低，代码框架简洁程序易读等优势。2.hdl_graph_slam建图系统的功能主要分为四个部分：地面平面检测，点云滤波，前端里程计和后端全局匹配及图优化。其中前端里程计和后端全局匹配及图优化为建图系统的核心功能部分，前端系统中里程计功能核心在于精度性能达到最佳，后端系统包含提取关键帧生成里程计约束边，读取gps/imu信息生成约束边，读取地面检测参数生成平面约束边，闭环检测生成有效闭环约束边，将以上边（Edge）统一加入Graph。 3.hdl_localization定位系统是基于UKF进行位姿更新迭代的，在没有接入IMU/轮式里程计等信息下UKF中的预测过程是匀速处理，更新过程是通过NDT匹配算法将当前激光数据与地图进行匹配得到观测值来进行校正处理

1、智慧粮库管理信息系统主要包含：品种管理、入库管理、出库管理、人员管理、设备管理、视频监控、可视化、车辆管理、车辆监控、数据上传管理、第三方电商平台等。 2、主要负责相应功能的开发、测试和中间件的对接，技术涉及：SpringCloud/SpringBoot 、RabbitMQ、MYSQL、redis、nginx、Oracle、vue、C++、git、svn、maven、jenkins、多线程、国产化适配、达梦数据库 等

本项目整体结构分为表现层、业务层、数据访问层，采用技术为微服务一套架构，服务发现和调用使用了nacos，服务间通信用了openFeign、gataway... 表现层使用了springMvc，业务层使用了专门的接口和实现类,利用Spring的IOC功能实现了依赖注入将各个层交互解藕，同时使用了事务注解解决了事务不同步难题，数据访问层使用了mybatis-plus实现，数据访问层非常的灵活，可以适配复杂的业务场景。为提高性能和整体项目启动速度，采用了redis实现缓存相关代理。部署架构采用了云原生工具kubenetes去进行docker容器的部署和管理，同时引用了devOps的流水线跑批架构实现了可持续交付和部署的功能。前端采用了elementUI 原生Vue的技术实现了前后端分离。 开发工作：本人负责的两个业务模块开发工作，使用了openFeign对服务间调用实现了解耦，使用了MYSQL数据库以及mybatis-plus完成数据层的处理，同时对SQL进行了优化，去掉了复杂的笛卡尔积查询，提升了业务响应速度 部署工作：本人熟悉docker命令以及docker镜像制作脚本书写，k8s整体

项目概述： 实现农业银行掌银移动端查看保险热销产品、了解产品详情、购买保险、查询我的保单、退保、保险可回溯等功 能。 掌银前端通过maPaas请求保险中台服务， 中台服务启动时从注册中心拉取已注册的微服务列表缓存到本地， 每 次请求都通过交易码和版本号从微服务列表获取对应的ip地址和端口， 然后对请求进行封装， 调用微服务获取响应数 据，并对响应数据进行逻辑处理和封装后返回前端实现数据展示。 项目角色：在项目中主要负责中台服务端代码编写。

此项目为个人项目，非商用项目；项目采用flutter框架，dart语言进行代码开发；目前实现了等额本金、等额本息贷款计算器以及个税计算器等功能；后续还会加入新的计算功能。