王冠兴

面向复杂观测数据的智能分析与建模问题，开展多源数据处理、深度学习、图像增强及三维重建算法研究。

• 数据建模：构建复杂观测条件下的多视角观测与成像模型，研究观测数据、运动参数与三维结构之间的关联。
• 模型研发：研究基于自监督学习的数据增强与特征恢复模型，实现低信噪比数据有效恢复与结构保持。
• 深度学习：基于NeRF/3DGS构建智能重建框架，融合多视角数据，实现稀疏视角下高保真三维重建。
• 研究成果：相关成果发表于IEEE TGRS等SCI期刊4篇，授权国家发明专利2项，形成从数据分析、算法研发到实验验证的完整研究体系。

面向复杂环境下非合作目标智能感知问题，开展多源数据处理、深度学习、图像增强与三维建模研究。

• 算法设计：设计基于自监督学习的数据增强算法，在缺乏高质量标签数据下实现图像信噪比提升约10-15 dB。
• 模型优化：设计融合扩散模型与NeRF的三维重建算法，完成模型优化，实现三维重建精度提升60%以上。
• 数据工程：组织100+次实验，完成数据采集、预处理及质量检查，构建TB级实验数据集，支撑算法验证。
• 项目管理：参与总体方案、关键指标论证及阶段性评审，协调人员与实验资源，完成数据分析及项目成果汇报。

面向复杂城市场景智能感知需求，开展无人机真实数据采集、数据处理、参数估计及三维重建研究。

• 项目申报：参与项目立项和申请材料撰写，协助完成项目研究方案、关键技术及实验验证方案论证。
• 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。
• 数据分析：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。
• 技术攻关：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；基于无人机多视角观测，采用ISTA-Net和ADMM-Net等方法实现典型城市场景亚米级三维重建。

• 党支部组织委员：组织开展20+次组织生活会，负责党员资料整理，协助完成14名党员发展工作。
• 学院学生会主席：组织多项大型学生活动，负责活动策划、人员协调及现场执行，累计参与近千人次。
• 班长：组织开展50+次班级活动，统筹班级日常事务，带领班级多次获评校级优秀班集体。

• 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。