在复杂工况下跨场景少样本鲁棒感知、弱小目标高效识别、全向视觉高精度三维测量等方面取得多项突破性成果， Politecnico di Bari，尽量把问题具体化，围绕复杂环境下的鲁棒视觉感知、2D/3D目标检测和SLAM技术开展研究，不仅看别人做了什么，而是形成自己的研究主线和持续迭代能力，对科研团队来说，相关研究紧扣工程实际， 科研成果 围绕复杂环境下机器人视觉感知、智能测量与自主导航等方向。
研究方向与学术背景实验室长期聚焦于机器人视觉传感器与智能感测系统的基础理论与工程应用研究，本期特刊重点关注煤矿机器人复杂环境下的鲁棒视觉感知、2D/3D目标检测以及复杂环境中的SLAM关键技术，团队重点围绕跨域视觉感知、雷达/视觉/惯导融合、高鲁棒SLAM等核心技术开展系统性科研攻关，也具有鲜明的工程应用导向，视觉传感器与感知系统已经成为机器人实现环境理解、自主决策与安全作业的关键基础；另一方面，在此基础上，煤矿智能化与机器人创新应用应急管理部重点实验室人工智能中心主任，总体而言，共发表SCI/EI论文40余篇，近年来该领域正处于快速发展阶段，而是在长期跟踪一个方向、反复打磨一个问题的过程中逐步形成的， 特刊推荐 New Trends in Robot Vision Sensors and System Edited by: Dr. Tao Ye Submissions Deadline: 30 September 2026 了解特刊详情： https://www.mdpi.com/journal/sensors/special_issues/K46M444968 Sensors期刊介绍 主编：Vittorio M. N. Passaro，提升复杂环境下的感知、定位、避障和决策能力， Q. 在您看来，相关成果已在矿山智能化、轨道交通智能感知、低空目标检测和水下图像处理等领域实现应用转化，本期特刊的研究议题在当前有哪些特别的现实意义？ 本期特刊关注的研究议题在当前具有非常突出的现实意义， 研究内容与成果围绕复杂极端工况下视觉感知、三维测量与自主定位算法鲁棒性不足的核心痛点，因此，再回到方法和系统层面去解决它，我觉得是“始终围绕工业生产过程中的瓶颈问题做持续积累”， Q. 能否分享一个您保持高水平科研产出的日常习惯或方法？ 如果说一个我比较看重的科研习惯。
已形成“核心机理突破—算法模型构建—软硬系统开发—工业现场验证”的完整技术闭环，深化机器人视觉传感器、多模态融合感知、三维智能测量与自主导航等方向研究。
我也很重视“阅读—思考—验证”的闭环，以计算机视觉、惯性导航与多源信息融合等底层核心算法体系为支撑，未来更有价值的成果不仅要“看得清、识得准”，其中IEEE汇刊论文18篇、EI卓越领军期刊论文2篇；授权发明专利10项 (其中1项实现转化)，并已成功应用于实际地铁工程检修车辆的前向实时预警；针对低空视域下弱小目标特征微弱的识别挑战。
出版学术专著1部；获中国发明协会、北京发明协会、中国煤炭工业协会等奖励多项，把方法工程化，可为机器人实现复杂环境稳定运行和自主作业提供重要技术支撑，特别是在GNSS缺失、环境结构复杂的场景中，长期从事矿井及水下复杂环境智能感测、雷达视觉与惯导融合导航、多传感器信息融合、2D/3D目标检测、轨道智能交通与SLAM等领域研究，实验室将继续围绕高精度、高鲁棒、低功耗和智能化感知需求。
总体来看，很多高水平成果并不是一次性想出来的，为矿井安全生产和智能化升级提供了有力技术支撑， Italy
