王冠兴

空间目标三维智能感知与重建

面向复杂观测环境下的空间目标三维感知问题，研究多视角观测建模、低信噪比图像增强与三维重建算法。

• 三维感知：建立目标多视角观测与三维结构之间的几何关系，研究多视角信息融合与稀疏视角三维重建方法；构建基于NeRF/3DGS的三维重建框架，融合多视角观测信息，实现稀疏视角下高保真三维重建。
• 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，提升低信噪比下的图像质量与结构保持能力。
• 图像重建：构建成像与运动模型，设计基于GRFT的图像重建算法，实现复杂运动条件下高精度图像重建。
• 技术成果：相关成果发表于IEEE TGRS、IEEE TAES等SCI期刊，授权国家发明专利，形成覆盖多视角重建、三维视觉与图像增强的完整算法体系。

天体目标三维智能感知

面向复杂环境下非合作目标的三维智能感知问题，开展基于地基雷达的低信噪比三维智能重建算法研究。

• 多视角建模：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：开展信号处理与图像增强，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。
• 三维重建：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，负责实验方案设计、系统调试、算法验证及实验数据分析，具备从算法研发、系统联调到真实数据验证的完整研发经验。

基于毫米波雷达与视觉的多模态人体动作识别

基于毫米波雷达与光学相机构建多模态数据采集与识别系统，开展多传感器数据处理及特征融合。

• 数据采集：基于AWR1642雷达和相机搭建数据采集系统，完成10类手势样本采集及数据预处理。
• 信号处理：基于滤波与检测提取雷达多维度时序特征，同步提取视觉特征，构建雷达与视觉多模态互补信息。
• 特征融合：构建雷达-视觉双分支特征融合网络，融合雷达时序特征与视觉特征，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。

多视角图像重建与智能成像

面向极稀疏观测场景下的图像重建问题，研究多维观测建模、稀疏重建与深度学习融合算法。

• 多视角建模：建立极稀疏观测条件下的多视角观测与成像模型，研究多维观测信息与图像结构的关系。
• 算法研发：研究融合稀疏重建与深度学习的图像重构算法，实现复杂场景下目标成像分辨率提升1个数量级。
• 系统设计：参与总体方案设计与核心能力指标论证，完成深化论证报告，支撑项目立项。
• 工程验证：基于遥感设备开展70+次外场实验，构建TB级多源数据集，完成算法验证，支撑项目结题。

• 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。