1. 基于激光雷达的筒仓与堆料3D点云体积测量算法
独立开发者
2025.03-至今
内容：
1）独立开发了一种面向筒仓内饲料的体积估算算法，利用安装于不同位置和角度的ToF激光雷达采集的三维点云数据，实现不同类型筒仓内饲料的体积预测。
2）应用迭代最近点（ICP）算法对多个视角下的点云进行配准与融合，有效提升对不规则饲料表面及筒仓内壁的扫描覆盖率。
3）构建 以 各平面区域内饲料高度 与 空仓基准高度 的比值 为基础的 三维直方图特征向量，并训练随机森林回归器预测当前堆料体积相对筒仓容量的百分比。
4）处理约300组从筒仓内部多个位置与方向采集的激光雷达扫描数据，涵盖两种不同结构的筒仓，在测试集上达到4.32%的平均绝对误差（MAE）。
2. CVPR 2023 图像匹配挑战赛（IMC 2023）
独立开发者
2023.04-2023.06
内容：
1）独立参加CVPR 2023多视角图像匹配挑战赛 (Image Matching Challenge 2023)，在494支队伍中排名第16（前3.2%，银奖）。任务为在无相机参数的情况下，通过多视角图像重建3D模型。
2）独立完成绝大部分（90%以上）比赛代码和目标，阅读并复现大量有关特征匹配和SfM的学术文献以比较不同方法间的优缺点。
3）独立搭建完整SOTA SfM系统，集成多个SOTA特征匹配方法、图像检索与旋转补偿预处理，使用Colmap进行Bundle Adjustment优化点云与相机位姿参数。使用特征缓存和并发编程加快处理速度。整合数据集，实现可在本地运行的模型测试pipeline以加快迭代流程。
4）曾单独参加2022年IMC挑战赛，在642支队伍中排名第50（银奖）。
业绩：
获得Kaggle竞赛专家证书（Kaggle Competition Expert)，Kaggle排名至全平台前0.5%
https://www.kaggle.com/anonymousyuxiang
项目链接：
https://github.com/Coronal-Halo/Hierarchical-Localization-kaggle-imc2023
3. Vesuvius古卷墨迹识别挑战赛（Vesuvius Challenge - Ink Detection）
独立开发者
2023.03-2023.06
内容：
1）参加Kaggle的Vesuvius墨迹检测挑战赛（Vesuvius Challenge - Ink Detection），在1249支队伍中排名第29（前2.3%，银奖）。任务为检测碳化的古罗马赫库兰尼姆卷轴中的墨迹，以达成卷轴破译的目标。
2）使用虚拟解包（virtually unwrapped）的3D CT扫描中间层切片（以减少显存使用）训练深度学习模型（使用BCE与Dice Loss），使其学会判断CT切片内有哪些区域含有被碳化的墨水痕迹。
3）训练和测试超过10种模型与集成方法，最终使用CoaT作为编码器、Segformer作为解码器的配置获得最佳成绩。
项目链接：
https://www.kaggle.com/competitions/vesuvius-challenge-ink-detection/leaderboard
4. 癌症智能诊断平台：基于人工智能的病理辅助诊断系统（毕业设计）
项目组长和核心开发者
2018.09-2019.04
内容：
1）作为项目组长和核心开发者帮助加拿大BC省癌症研究中心开发一个基于Web的病理辅助诊断平台，旨在通过深度学习技术显著简化病理医生的诊断流程，提高癌症诊断的效率与准确性。
2）针对体积庞大（超过100GB/张）的带注释的全视野图像（Whole Slide Image），设计了图像切分与重构流程：先将WSI分割为可处理的小图像块，并用QuPath从多边形注释中提取标签用于CNN模型训练，再对预测结果进行拼接还原，以获得整幅图像的肿瘤区域检测结果。
3）训练Inception-v4深度神经网络模型对大幅显微镜卵巢组织图像中的肿瘤细胞进行识别与分类，以提升病理图像自动分析能力。在测试集上达到79.3%的准确率和91.7%的真阳性率。
业绩：
项目因其技术创新性与实际应用价值，荣获加拿大BC省医疗器械发展中心卓越奖（MDDC Award of Distinction，全省仅两个项目获奖）及不列颠哥伦比亚大学应用科学学院杰出项目奖（UBC APSC Outstanding Project Award）（全院逾70个毕业设计团队中仅3项获奖）。
项目链接：
https://engineering.ubc.ca/news/2019/apsc-team-wins-mddc-award-excellence
国际自主式机器人赛车挑战（IARRC)
视觉软件开发成员
2017.02-2017.12
内容：
1）随学校自主机器人设计团队参加IARRC 2017年比赛，使用C++和ROS开发了一个实时多摄像头视频拼接程序，扩展比赛机器人视野，在基于Linux的环境下进行开发。
2）在机器人上安装了3个摄像头和微处理器，并在仿真环境（Gazebo）及真实环境中进行测试。
项目链接：
https://github.com/UBC-Snowbots/IARRC-2017
