AMAZING RESUME · VERDANT
牛敬业
3D视觉算法工程师
188****7863niu****@***.com北京30男3D视觉算法工程师在职北京25k-35k •- 在校期间选修深度学习与计算机视觉方向核心课程，GPA排名专业前10%。连续两年参与ACM程序设计竞赛，获浙江省赛二等奖。
•- 加入导师课题组从事三维视觉相关研究，完成毕业设计《基于深度学习的3D目标检测方法研究》，以第一作者发表EI会议论文1篇，获得研究生国家奖学金。
•- 担任学院技术社团负责人，组织多场算法分享会与项目实战工作坊，累计服务同学200余人次，锻炼了技术传播与团队协作能力。
•- 聚焦工业质检场景，设计3D缺陷检测算法，通过引入多尺度特征融合策略，将表面划痕与凹陷的识别精度从82%提升至91%，已部署至电子零部件产线，日均检测量提升35%。
•- 主导工业数字孪生项目的3D点云重建模块，采用稀疏多视图立体匹配方法，实现设备模型重建精度达毫米级，支撑BIM系统完成产线虚拟调试，缩短产线规划周期40%。
•- 协同硬件团队完成多传感器融合标定与算法轻量化，将点云处理模块从GPU服务器迁移至边缘计算设备，在保持精度的前提下使推理延迟降低50%，单套设备成本下降18%。
资深3D视觉算法工程师点云感知多模态融合技术管理
北京
•- 负责车载感知算法中的三维目标检测模块，提出融合激光雷达点云与摄像头图像的时序关联方法，在雨雾天气等复杂工况下，中远距离障碍物检测召回率提升至96%，已集成至量产车型感知系统。
•- 优化多传感器时空标定算法，将激光雷达与相机的外参校准误差控制在0.1°以内，解决了高速行驶场景下的点云畸变问题，使感知模块的定位稳定性提升显著，通过车规级可靠性验证。
•- 建立算法工程化交付规范，推动MLOps工具链落地，制定从模型训练到OTA部署的标准化流程，带教5名算法工程师快速融入项目节奏，团队整体交付周期缩短25%。
•- 项目背景：针对精密加工行业中人工质检效率低、主观性强的问题，开发基于3D视觉的自动化检测系统。
•- 项目内容：负责点云配准与缺陷分割算法设计，采用ICP改进算法实现多视角点云拼接，精度达0.05mm；设计基于深度学习的表面缺陷分类网络，支持划痕、凹坑、毛刺等多种缺陷类型识别。开发3D可视化交互模块，支持检测结果的实时渲染与标注。
•- 项目成果：系统在产线部署后，缺陷检出率达到98.5%，人工复检工作量减少70%，单件检测时间从3分钟压缩至20秒以内。
•- 项目背景：为L2+级别辅助驾驶系统提供高精度的环境感知能力，需融合激光雷达、摄像头与毫米波雷达数据。
•- 项目内容：设计点云与图像特征级融合的检测网络，引入Transformer模块建模多传感器间的时空关联，在城市道路场景下实现行人、车辆、非机动车的检测精度mAP@0.5达94%。开发基于卡尔曼滤波与深度学习的联合跟踪算法，支持多目标长时间稳定跟踪。
•- 项目成果：感知模块通过第三方安全测试，误检率较上一代方案下降40%，系统实时性满足10Hz输出要求，已应用于两家车企的量产项目。
对三维视觉技术充满热情，相信算法能赋予机器「看懂世界」的能力。做事严谨细致，对代码质量有近乎洁癖的追求，习惯在优化时深挖底层逻辑而非表面调参。扎实掌握深度学习与点云处理，熟悉从算法设计到嵌入式部署的完整链路。持续跟踪NeRF、Gaussian Splatting等前沿方向，喜欢用技术文档记录思考过程，期待在3D视觉领域深耕长期价值。
深度学习框架(PyTorch/TensorFlow)
知识产权:
- 拥有2项点云处理相关发明专利，如《一种多传感器时空标定方法及系统》，已授权并应用于产品交付。
