about

张恒👨‍💻	求职意向：嵌入式软件开发工程师
政治面貌：中共党员	电话：18183863998
出生年月：2002年12月	邮箱：2021011074@bistu.edu.cn
现住址：北京市昌平区	学历：统招一本
博客：https://blog.aruoshui.fun/（文章：20篇，访问量：2993，访客1443）

🏆校园经历

2021-09 ~ 2025-07北京信息科技大学计算机科学与技术

绩点3.69/4.0，年级前15%
担任人工智能社团副社长、AI_LAB无人机群体感知组成员
多次获得学校学习优秀奖学金和科技创新奖学金
十六届国际先进机器人及仿真技术大赛，人工智能物流挑战赛国赛一等奖[2023年]
一作身份发表一篇EI会议论文[2023年]

😎专业技能

熟悉 C/C++ 嵌入式开发，使用 Python 进行自动化脚本编写及算法验证
具备 MCU 和 SOC 开发基础，理解 Bootloader 的原理
了解 ARM 架构及 ARM 汇编，使用过 ARM 架构处理器 M、A系列
熟悉 FreeRTOS 和 μc/OS Ⅱ ，运用队列、信号量、互斥锁等开发实际任务
能够配置常见的通信协议，例如：UART，I2C，SPI。具备各类常见传感器及模块的开发能力
熟悉 Linux 开发，了解 Linux 驱动层开发，具有设备树移植及内核裁剪的经验
理解 Linux 启动过程，能够参与内核调试，能够使用QEMU进行片上测试及开发
具备深度学习理论及 Pytorch 深度学习模型的搭建的基础，具备嵌入式 AI 领域应用开发能力
掌握Git、GCC、CMake、Docker、Shell脚本等常见开发工具的使用
有一定硬件基础，能看懂基本原理图，简单的3d建模

💻项目经历

2024-8 ~ 2024-12基于OpenIPC的数字图传系统开发延伸项目

适用于无人机FPV图传、工业巡检等需要轻量化低延迟视频传输的领域，通过" Jetson+OpenIPC"组合，便于扩展AI检测功能，是对无人巡检摄像头采集的一次全新尝试

完成嵌入式Linux系统深度定制：基于Buildroot构建OpenIPC系统镜像，SSC338Q芯片搭载系统，系统启动Bootloader
双频无线传输：采用WFB-ng协议栈搭建5.8GHz/2.4GHz双频链路（RTL8812au网卡MIMO模式）
实现端到端低延迟流水线：集成GStreamer多媒体框架（硬件加速H.264编解码），优化视频采集→编码→传输→解码全链路时延，达成43ms超低延迟，支持1080P@60fps高清视频流

2023-11 ~ 2024-12变电站巡检机器人（实验室横向课题）组长

实现变电站场景下3D环境感知与路径规划，针对复杂电力设备环境优化BEVDet算法，检测精度提升15%（需补充具体指标），支持实时障碍物分类（含导线悬挂物、绝缘子破损等电力场景特有目标）

3D目标检测算法选取与ROS部署。
参与模型部署ROS节点的编写及测试，设计多摄像头数据同步机制（六路海康GSM相机RTSP流接入+图像畸变校正），实现巡检机器人环视检测。
构建ROS多节点数据管道（含图像预处理、BEV特征融合模块）

2024-5 ~ 2024-8基于GD32的无人机飞控组长

针对市面无人机飞控系统封闭性强、二次开发困难的问题，社团实验室基于国产GD32F470微控制器设计开源飞控系统，实现飞行姿态控制、稳定悬停及集群通信扩展能力，为后续多机协同研究提供硬件与算法基础

任务调度：FreeRTOS多任务调度框架搭建，划分传感器采集（IMU/气压计/GPS）、PID控制、通信等任务优先级
传感器及数据： IMU 传感器、气压计、GPS 等传感器获取飞行数据，数据进行飞行控制。
数据传输任务：负责创建队列进行数据传输并进行覆盖，通过使用互斥锁防止冲突，并建立临界区确保数据放入时的一致性。
数据处理工作：负责处理陀螺仪和加速度计的数据。通过利用偏置值确定方差和重力加速度缩放因子进行校准，结合二阶低通滤波减少噪音，最终保证了输出的实时性，并提高了输出准确率10%。

2023-03 ~ 2023-11基于机器视觉的蘑菇分类识别小程序（国家级大创项目）组长

针对设计识别野生蘑菇的轻量化视觉模型，实现蘑菇分类检测，部署并开发小程序实现上层应用，相关成果发表于IEEE GCRAIT会议（一作）。

基于MobileViTv3设计多模态特征融合架构，结合CNN的局部特征提取能力与Transformer的全局语义建模优势。
通过知识蒸馏技术（教师模型：VIT，学生模型：MobileViTv3）压缩模型规模，参数量由5.2M降至2.3M（压缩率55.8%），FLOPs优化至728M，推理速度提升2.1倍，Top-1准确率仅下降1.5%（91.2%→89.7%）。
参与部署于Jetson orin nano平台，通过TensorRT量化模型至FP16精度，实现实时推理（32 FPS），CPU/GPU利用率分别稳定在18%/76%，内存占用＜450MB，满足户外无服务器场景需求。