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。

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。

基于无人机的城市场景三维重建

面向复杂城市场景三维感知需求，基于多旋翼无人机开展真实场景多视角数据采集与三维重建研究。

• 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。
• 二维成像：在低信噪比及复杂运动条件下，基于后向投影与图像熵自聚焦算法，实现米级高分辨成像。
• 三维感知：基于无人机多视角观测，基于ISTA-Net和ADMM-Net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。

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。
• 多模态融合：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。