概况

副教授，硕士生导师，智能制造与机器视觉课题组，“智能服务机器人技术联合研究中心”主任（校级机构）。长期目标是研究面向智能制造的机器视觉、机器人、深度学习新技术和新方法。重点研究方向为智能CAD/CAM、智能服务机器人技术、和可重构柔性装配。近期目标是研究参数化点云的深度学习理论与方法，参数化点云是指工业、日常生活中通过参数化设计技术获得的人造物体，广泛存在。近期课题组所关注的主要应用领域，包括草图CAD、移动机器人、三维重建、视觉抓取、柔性装配、缺陷检测、原位检测等。课题组目前有超过30名研究生；指导研究生经常在全球机器人和计算机视觉顶会（ICRA、IROS、CVPR、ECCV）上发表高水平学术论文。主持国家与企业项目超过20项，其中包括国家重点研发计划“工业软件”重点专项（草图CAD，项目号2022YFB3303100，课题负责人）、国家自然科学面上项目1项（项目号：61972220）、青年项目1项（项目号：61502263）、广东省自然科学基金面上项目、深圳市技术攻关、学科布局项目，近3年科研经费超过1800万。

教育经历

2007年-2012年 博士，机械工程学系，计算机辅助设计与制造，香港科技大学

2005年-2007年 硕士，机械设计及理论，浙江大学

2001年-2005年 学士，测控技术与仪器，大连理工大学

学术兼职

国际期刊，Computer-Aided Design（SCI收录，JCR一区），审稿人

国际会议，IEEE/RSJ International Conference on Intelligent Robots and Systems，审稿人

国际会议，IEEE International Conference Robotic and Automation，审稿人

教学课程

主讲课程：

1. 《现代CAD方法与技术》，英文教学，32学时，2017年-至今，每年秋季。其中2017年秋，该课程获清华大学全校教评前5%。

2. 《产品设计与开发》，英文教学，32学时，2017年-至今，每年秋季。2019年秋，获清华大学获教育教学改革自由探索项目支持。

3. 《机器学习实践与应用》，中文，32学时，2022年-至今，每年春季。

合上课程：

4. 《智能制造技术基础》，中文，48学时，主讲6学时，包括人工智能、机器学习、工业机器人技术。

研究领域

在智能CAD/CAM领域，结合具体领域需求研究了手绘参数化组装建模和视觉机械臂6D姿态抓取技术。前者研究基于手绘草图的工程产品建模关键问题，包括基于草图的设计意图理解、设计和装配过程中建模知识的自动挖掘、参数化模型检索等，经多年积累，本团队自主开发了3D建模内核iDesignCAD，可开发面向特定行业的手绘CAD建模软件，提高软件的自动化和智能化程度。后者研究了堆叠场景理解和机械臂抓取规划技术，包括类别识别、6D位姿估计等。最后将两个方向的创新成果应用于可重构柔性装配工程技术的开发，目标是开发类似于数控加工中心一样的数控装配中心，广泛采用机器视觉、机器人、和人工智能技术，允许用户快速重构柔性装配中心，低成本地快速实现自动化装配不同品类的产品。

在智能服务机器人技术领域，主要研究中室内复杂动态环境下移动机器人的类人感知与类人决策技术，包括语义SLAM、机器人物理仿真、导航与决策、移动机械臂抓取等，主要应用在送餐机器人、配送机器人等。目前已与深圳市餐厅机器人领域独角兽企业普渡科技建立了“智能服务机器人技术联合研究中心”，投入上千万元拟在未来3年内就智能服务机器人相关核心技术展开重点攻关。

主要项目

参数化点云主要项目（包括草图CAD和工业零件）：

1. 手绘草图采集与生成算法，国家重点研发计划“工业软件”重点专项，（项目号2022YFB3303100），2023.11-2026.10，课题经费220万，课题负责人。

2. 大数据下手绘参数化建模关键问题研究（项目号61972220），国家自然科学基金委面上项目，2020–2023，59万，主持。

3. 基于智能特征的手绘组装建模的关键问题研究（项目号61502263），国家自然科学基金青年基金，2016 – 2018，24.9万，主持。

4. 工业堆叠场景中参数化零件6D位姿估计方法研究，广东省自然科学面上项目，2022-2024，10万，主持。

5. 复杂产品爆炸图自动生成技术开发，深圳市工之易科技有限公司，2020-2021，10万，主持。

智能机器人主要项目：

6. 清华-普渡智能服务机器人技术联合研究中心，院级机构，2021.11-2024.11，1100万，主任。

7. 面向送餐机器人动态场景语义理解与手势交互技术技术，普渡科技有限公司，2020-2021，50万，主持。

8. 办公楼内“零接触”配送机器人技术研究，清华大学深圳国际研究生院，2022-2023，5万，主持。

9. 面向家庭护理机器人的柔性手爪结构设计与优化，深圳市科创委，2018 – 2019，10万，主持。

智能制造主要项目：

10. 可重构柔性装配中心关键技术研究，深圳市科创委高等院校稳定支持重点项目，2021-2023，150万/300万，技术负责人。

11. 液压梭阀柔性装配技术研发，国际精密集团，2017 – 2018，35万，另有价值30万设备捐赠，主持。

12. 集成电路缺陷光学检测设备关键技术研发（项目号JSGG20201102160801004）,深圳市科创委，2021.06-2023.05，50万/200万，主持。

13. 基于深度学习的芯片焊接缺陷检测技术，深圳格兰达智能装备有限公司，2020-2021，50万，主持。

14. 光纤缠绕缺陷视觉检测技术开发，北京能科科技股份有限公司，2020-2021，30万，主持。

15. 基于原位检测的自适应导轨生成技术开发，北京能科科技股份有限公司，2019-2022，15万，主持。

16. 数控加工结构件智能在线监测系统开发，浙江日发航空数字装备有限责任公司，2017 – 2018，204万，主持。

17. 大型复杂多型腔箱体智能加工生产线系统集成技术（项目号JCKY2018208B014），中国兵器工业集团，2019–2022，75万，技术负责人。

代表性论文

[1] L. Zhao, W. J. Lv, X. Y. Zhang, L. Zeng*, Domain Adaptation on Point Clouds for 6D Pose Estimation in Bin-picking Scenarios, 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023).

[2] X.H. L., Y. K. Ding, J. Guo, X.S. Lai, S. H. Ren, W. S. Feng, L. Zeng*, Edge-aware Neural Implicit Surface Reconstruction, International Conference on Multimedia and Expo (CCF-B), 2023.

[3] H. Zhang, H. Z. Liang, L. Cong, J. Z. Lyu, L. Zeng∗, P. F. Feng, and J. W. Zhang, Reinforcement Learning Based Pushing and Grasping Objects from Ungraspable Poses, IEEE International Conference Robotic and Automation (ICRA2023).

[4] L. C. Xiao, Z. B. Xu, L. Zeng*, X. P. Liu, Assembly language design and development for reconfigurable flexible assembly line, Robotics and Computer-Integrated Manufacturing (JCR Q1, IF5.1), 2022.

[5] Z. Sun, P. F. Feng, L. Zeng*, S. Q. Zhang, X. Cheng, Adaptive Machining Scheme for a Multi-Hole Part with Multi-Position Accuracy Tolerances, Journal of Advanced Manufacturing Technology, 2022

[6] S. Wang, H. Y. Wang, F. Yang, F. Liu, L. Zeng*, Attention-based deep learning for chip-surface-defect detection, Journal of Advanced Manufacturing Technology, 2022.

[7] 1. L. Zeng, W. J. Lv, Z. K.Dong, Y. J. Liu, PPR-Net++, Accurate 6-D Pose Estimation in Stacked Scenarios, IEEE Transactions on Automation Science and Engineering, 2021, 1(1): 1-13.

[8] 2. F. Yang, k. Wu, S. Y. Zhang, G. N. Jiang, Y. Liu, F. Zheng, W. Zhang, C. J. Wang and L. Zeng, Class-Aware Contrastive Semi-Supervised Learning, 2022 IEEE Computer Vision and Pattern Recognition (CVPR2022, CCF-A).

[9] L. Zeng, W. J. Lv, X. Y. Zhang, Y. J. Liu, ParametricNet: 6DoF Pose Estimation Network for Parametric Shapes in Stacked Scenarios, IEEE International Conference Robotic and Automation (ICRA 2021).

[10] Y. H. Han, J. Pan, M. F. Xia, L. Zeng, Y. J. Liu, Efficient SE(3) Reachability Map Generation via Interplanar Integration of Intra-planar Convolutions, IEEE Conference Robotic and Automation (ICRA 2021).

[11] S. M. Li, L. Zeng*, Pingfa Feng, Dingwen Yu, An accurate probe pre-travel error compensation model for five-axis OMI system, Precision Engineering (JCR Q1, IF3.1), 2020, vol. 62, pp. 256-264.

[12] Y. M. Li, L. Zeng*, K. Tang, C. Xie, Orientation-point relation-based inspection path planning method for 5-axis OMI system, Robotics and Computer-Integrated Manufacturing (JCR Q1, IF5.1), 2020, vol. 51, pp. 1-17.

[13] Y. M. Li, L. Zeng*, K. Tang, S. M. Li, A dynamic pre-travel error prediction model for the kinematic touch trigger probe, Measurement (SCI, JCR 1区, IF3.4), 2019.

[14] Z. K. Dong, S. C. Liu, T. Zhou, H. Cheng, L. Zeng*, X. Y. Yu, H. D. Liu, PPR-Net: Point-wise Pose Regression Network for Instance Segmentation and 6D Pose Estimation in Bin-picking Scenarios, 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019).

[15] Y. M. Li, L. Zeng*, K. Tang, C. Xie, Orientation-point relation based inspection path planning method for 5-axis OMI system, Robotics and Computer-Integrated Manufacturing (JCR 1区, IF4.4), 2019.

[16] L. Zeng*, Z.-k. Dong, J. Y. Yu, J. Hong, H. Y. Wang, Sketch-based Retrieval and Instantiation of Parametric Parts [J], Computer Aided Design (JCR 1区, IF3.1), 2019, 113(82-95).

[17] S. M. Li, L. Zeng*, P. F. Feng Y. M. , Li, C. Xu, Y. Ma, Error Compensation using 3D error map for OMI with touch trigger probe, Journal of Advanced Manufacturing Technology (JCR 2区, IF2.5), 2019.

[18] B. Li, P. F. Feng, L. Zeng*, et al. Path planning method for on-machine inspection of aerospace structures based on adjacent feature graph [J]. Robotics and Computer-Integrated Manufacturing (JCR 1区, IF4.4), 2018, 54:17-34.

[19] S. L. Mi, X. Y. Wu, L. Zeng*. Optimal build orientation based on material changes for FGM parts [J]. International Journal of Advanced Manufacturing Technology (JCR 2区, IF2.5), 2017, 94(3):1-14.

[20] Y. F. Xu, T. Fan, M. Xu, L. Zeng. SpiderCNN: Deep Learning on Point Sets with Parameterized Convolutional Filters, ECCV 2018 (全球计算机视觉三大会议之一).

[21] L. Zeng*, Y. J. Liu, S. H. Lee, and M. M. F. Yuen. Q-Complex: Efficient Non-Manifold Boundary Representation with Inclusion Topology, Computer-Aided Design (JCR 1区，IF3.1), Vol. 44, No. 11, pp.1115-1126, 2012.

[22] L. Zeng*, L. M. L. Lai, D. Qi, Y. H. Lai, M. M. F. Yuen. Efficient Slicing Procedure based on Adaptive Layer Depth Normal Image, Computer-Aided Design (JCR 1区，IF3.1), Vol.43, No. 12, pp.1577-1586, 2011.

主要专利成果

目前，共申请专利38项，其中已授权发明专利21项，主要分布在可重构柔性装配、视觉抓取、缺陷检测和柔性装配。其中代表性的专利：

1. 曾龙; 赵嘉宇; 刘冠宏 ; 面向工业堆叠零件的抓取方法、终端设备及可读存储介质, 中国, ZL202010916161.0

2. 曾龙; 吕伟杰; 张欣宇 ; 面向工业零件6D位姿估计的方法及计算机可读存储介质, 中国,ZL202010872000.6

3. 曾龙; 林垟钵; 董至恺; 俞佳熠; 赵嘉宇 ; 一种应用于参数化零件的视觉机械臂抓取方法及装置,中国, ZL202010048562.9

4. 曾龙; 陈敏鹤; 邱楚锋; 杨远勇 ; 可重构柔性装配系统, 中国, 201910465156.X

5. 曾龙、张浩、冯平法，一种基于强化学习的堆叠场景机械臂抓取方法与装置，发明专利，ZL202110814252.8

6. 曾龙、张欣宇、吕伟杰多种类工业零件堆叠场景的仿真数据集生成方法及装置，发明专利ZL202110648136.3

7. 曾龙、胡松、赖显松、黄家明、冯平法一种面向可重构柔性装配线的可编程工夹具库，发明专利，ZL202110693909.X

8. 曾龙、王宏羽、杨凡、王硕、林宜龙、刘飞一种基于YOLO的深度学习芯片封装裂纹缺陷检测方法，发明专利，ZL202110219336.7

9. 曾龙、欧雪燕、冯平法、谢颂强基于集成学习的光纤缺陷检测方法与装置，发明专利，ZL202110744198.4

10. 赵铖、曾龙、罗博、陈敏鹤一种支持手指多种布局的欠驱动手手掌，发明专利，ZL201810608856.5

其中，可重构柔性装配相关发明专利，已完成产业成果转化。

荣誉奖项

2017-2021年，清华大学中法OpenFiesta硕士生班主任，其中在2019年度全院研究生工作组、工作组教师考核中获得 “个人优秀”的成绩。

学生培养荣誉：

1. 指导硕士生吕伟杰获2022年清华大学优秀硕士学位论文；

2. 指导硕士生董至恺获2020年清华大学优秀硕士学位论文；

3. 指导研究生王宏羽获得2020-2021年度第六届专业实践一等奖学金，全院10名；

4. 协助指导研究生蒋昊雨获得2020-2021年度第六届专业实践一等奖学金，全院10名；

个人荣誉：

1. 深圳市海外高层次人才“孔雀计划”人才

2. 深圳市国家高层次人才

3. 南山区领航人才

4. 清华大学深圳国际研究生院2022年度考核，优秀