吴华

姓名：吴华
职称：副教授
所在院系：控制与计算机工程学院
研究方向（Focus Area）：
? 飞行机器人自主环境感知与行为规划 Flying Robot (UAV, MAV, Drone) Perception and Autonomous Behavior Planning
? 高可信智能识别 High Fidelity Defects Recognition
? 边缘推理 Edge Computing for Inference
? 同步定位与地图构建 Simultaneous Localization And Mapping


联系方式
办公地址：华北电力大学主楼E810
电子邮箱：wuhua@ncepu.edu.cn
网站：wuhua.live
办公电话:
微 信：





个人简介及主要荣誉称号：
吴华，男，1981年10月生，博士，副教授，硕士生导师。华北电力大学电力智能机器人工程技术研究中心负责人、智慧运维团队负责人。本科毕业于北京交通大学信息与计算科学专业，博士毕业于北京航空航天大学模式识别与智能系统专业。中国电力企业联合会电力标准化先进个人。IEEE 国际电力机器人标准撰写组专家。CIGRE电力机器人工作组专家。已完成6项电力机器人的国家行业标准，均已发布。
主要从事各类机器人的飞行机器人自主环境感知与行为规划、高可信智能识别、边缘推理、同步定位与地图构建。长期专注工业智慧运维领域，带领团队以电力运维的改革为契机，引领了行业智能化运维的技术创新与变革。首先，于2011牵头全国首个无人机自主巡检的国家青年自然基金。研究完成了以激光扫描点云为地图的复杂巡检对象的路径规划、以强化学习和巡检视点熵为理论基础的自主巡检行为决策和以飞行机器人为平台的智能巡检软硬件开源体系等（发表论文四十余篇，申请授权发明专利三十余项）。开创了无人机自主巡检的作业方式，最先打造了无人机全自主飞行巡检的完整解决方案。带领团队研发的无人机全自主巡检装备获得国网青创赛金奖并列入国网采购清单。现已在电力，石油，光伏等行业应用。其次，在此基础上，牵头研发了面向电网智慧运检的数据智能化采集、精益化管理和智能化分析的巡检管控平台，已在多个省市推广应用，反响良好。最后，最先牵头研发并规模化应用了面向变电站和工业搬运的基于多传感器融合的SLAM系统。构建了面向泛在电力物联网的智慧运检现代化体系和行业生态。




教学与人才培养情况:

1.教学课程：
智能机器人技术，32学时，（本人讲32学时）
微机原理与应用，64学时，（本人讲64学时）
网络与通信技术，32学士，（本人讲32学时）
模式识别与智能系统前沿课程，32学时，（本人讲4学时）



2.学生培养
合作指导毕业博士：董蕊芳（林业大学）
毕业硕士： 王毅磊（极智嘉），李金泽（华为），黎雅雅（超凡），李洋洋（国家电网）
合作指导毕业硕士：吕敏，刘涛，张晟，周磊，孙哲，王硕、李钊等30多人。



吴华博士发起了AMaze小组，致力于探索发现无人系统群体协作中的规律以及环境感知的理论和应用技巧。AMaze团队由吴华博士和一群富有热情懂得坚持善于创新的学生组成。引导学生探索通用环境的无人系统开源控制体系、边缘计算体系和多模态的感知方法。充分运用当下各类开源社区的碎片知识，与国际知名的开源社区（PX4，华为，百度等）形成人才、知识和布局的连接，构建无人系统的知识枢纽、人才培养模式和创新范式。通过整合、创造、规范和分享，形成可玩、可用、可扩展的无人系统边缘感知开源体系。团队通过amazething.io和微信公账号AMaze分享和传播各种创新成果和有趣发现。



3.学生获得荣誉
指导学生参加互联网+、全国挑战杯、AI+创新创业大赛、中国机器人大赛、全国大学生创新创业竞赛等多项竞赛，并取得良好成绩。



主要科研项目情况
[1] 2012-2014，面向电力塔杆安全检视的视点规划方法(项目号：**),国家自然科学基金（青年）项目
[2] 2013-2014，电缆隧道机器人自主巡检方法研究，北京市共建项目。
[3] 2011-2014,基于飞行机器人的架空电力线路自主巡检方法研究,教育部“新世纪优秀人才支持计划”
[4] 2014，无人机避障测控系统，国家电网
[5] 2014，激光定位导航技术研究，国家电网



主要获奖
[1] 中国电力企业联合会电力标准化先进个人
[2] 全国微课比赛二等奖



代表性论著
[1] Viewpoint Optimization Method for Flying Robot Inspecting Transmission Towers Based on Point Cloud Model，Chinese Journal of Electronics，2018.
[2] Fast Robot Localization Approach Based on Manifold Regularization with Sparse Area Features，Cognitive Computation，2016.
[3] Undelayed Initialization Using Dual Channel Vision for Ego-Motion in Power Line Inspection，Chinese Journal of Electronics，2016.
[4] Visual Data Driven Approach for Metric Localization in Substation，Chinese Journal of Electronics，2015.
[5] Planning efficient and robust behaviors for model-based power tower inspection，2012 2nd International Conference on Applied Robotics for the Power Industry (CARPI)，2012.
[6]“An approach to robot SLAM based on incremental appearance learning withomnidirectional vision”,International Journal of Systems Science，2011.