王冠兴

复杂场景低信噪比多视角三维视觉重建

面向复杂观测场景下的三维重建问题，开展图像增强、多视角重建与神经渲染算法研究。

• 多视角建模：构建复杂运动条件下的多视角观测与成像模型，研究观测信息与三维结构之间的关联。
• 图像增强：研究基于多视角观测与自监督学习的图像增强方法，提升低信噪比图像质量与结构保持能力。
• 三维重建：基于NeRF/3DGS构建三维重建框架，融合多视角观测信息，实现稀疏视角下高保真三维重建。
• 技术成果：相关成果发表于IEEE TGRS、IEEE TAES等SCI期刊5篇，授权国家发明专利2项。

复杂城市场景三维智能重建

面向复杂城市场景三维感知需求，基于无人机开展真实场景多视角数据采集、图像增强与三维重建研究。

• 数据采集：参与实验方案设计，完成40+架次无人机实验，采集170–260m高度城市建筑群数据并完成预处理。
• 运动估计：研究运动参数估计及误差补偿方法，为多视角数据对齐及三维重建提供高精度运动信息。
• 三维感知：基于无人机多视角观测，基于ADMM-Net、3DGS等方法实现典型城市场景亚米级三维重建。
• 工程验证：完成算法在真实城市数据上的验证，具备从数据采集、算法开发到实测验证的完整经验。

天体目标多视角三维智能感知

面向复杂环境下非合作目标三维感知，研究多视角建模、图像增强与三维智能重建算法。

• 多视角感知：构建目标自旋、轨道运动模型，研究复杂运动条件下的多视角观测与三维结构关系。
• 图像增强：研究自监督图像增强方法，有效提升图像信噪比10-15dB，实现目标结构的高质量识别与提取。
• 生成式重建：设计融合扩散模型与NeRF/3DGS的三维重建算法，实现稀疏视角下三维重建精度提升60%以上。
• 工程验证：组织100+次外场实验，构建TB级多源数据集，完成数据采集、算法验证及结果分析。

基于毫米波雷达的人体动作识别算法

面向人体行为感知需求，基于时序信号开展人体动作识别研究，完成数据采集、特征构建、时序建模与分类识别。

• 数据采集：基于毫米波雷达搭建数据采集系统，采集10类手势雷达回波，完成数据预处理与数据集构建。
• 信号处理：采用滤波、CFAR检测等算法提取距离/速度/角度等时序特征，构建人体动态特征的多维表示。
• 特征提取：设计基于Transformer的特征提取网络，融合距离/速度/角度时序特征，实现动态手势分类识别。
• 模型优化：采用随机裁剪、随机旋转等数据增强策略提升模型泛化能力，实现手势识别准确率94.5%以上。

• 独立发起并组织暑期支教项目，对接地方政府及学校，负责项目策划、志愿者招募、课程设计及团队管理。
• 累计组织近百名大学生志愿者参与支教，为500余名学生开展千余课时教学，并完成扶贫调研及实践报告。

• 开展心肺复苏等急救培训近百场，累计培训企业员工、师生及社会公众近千人。
• 参与冬奥会、建党百年等大型活动急救培训工作，面向十余家企事业单位开展急救课程。