技术栈： 三维激光扫描、点云数据处理、自适应控制算法、C++/Python
具体工作：主导设计并实现了一种基于预扫描统计分析的等密度点云扫描方法，解决了传统扫描仪因匀速旋转导致远距离点云稀疏、近距离数据冗余的行业痛点。创新性地构建了三维空间（距离、水平角、俯仰角）的子区域划分模型及密度统计模型，并设计了转速与区域密度负相关的自适应闭环控制算法。通过预扫描获取概略点云，实时计算目标物所在子区域的局部密度与全局平均密度的比值，动态调整扫描仪水平/俯仰转速指令，实现了扫描策略的智能规划。
工作成果：实现了点云数据在整个扫描范围内（最远200m）的密度均匀化，远距离目标有效点云密度提升，近距离数据冗余显著降低；在保证建模精度的前提下，减少了无效点云数据量，提升了后续数据处理与建模效率。