个人优势:熟悉Python、C++、C编程语言;熟练完成YOLOV5基础环境搭建、图片标注、模型训练全流程，能基于PyQt5实现YOLOV5视觉识别图形化界面开发，掌握QT图形化界面开发能力;熟悉Linux、Ubuntu操作系统基础命令，能在树莓派、Jetson Nano、Jetson TX2等嵌入式平台完成YOLOv5、TensorRT、ROS环境搭建及视觉识别相关开发;熟悉ROS基础功能、命令行工具以及RViz、Gazebo等可视化工具;熟悉GPIO、UART、SPI、I2C、CAN、RS232等总线协议的应用场景与开发实现;熟悉上位机状态机结构化任务调度;熟悉全局规划(如A*、Dijkstra算法)与局部规划器,并在ROS导航栈(move_base)中进行过配置与调试;熟悉FreeRTOS实时操作系统,掌握队列、信号量、实时调度、任务状态切换及高优先级任务控制;熟悉PID等经典传统控制算法;掌握ONNX、TensorRT、openVINO模型转换与加速,可在Jetson、树莓派、香橙派等边缘设备部署实时视觉系统;熟悉PyTorch、OpenCV等框架,具备图像分类、目标追踪(实时系统)开发与实现经验,掌握传统特征提取与匹配算法;熟悉CNN、Transformer、YOLO等网络结构;