主要研究方向为多模态感知与识别、光场成像与处理、工业场景下的计算机视觉，同时也从事迁移学习、域适应、视觉基础模型的工业应用、感知识别-决策控制一体化方面的研究。

多模态感知与识别是一个结合来自不同类型的传感器或数据源的信息，以提高感知和识别能力的研究方向。这些数据源可以包括图像、视频、音频、激光雷达、传感器数据等。该领域的研究旨在通过融合多种模态的数据，获得更全面和准确的环境理解或对象识别结果。

光场成像与处理是一个涉及光场数据获取、分析和应用的研究方向。光场成像技术可以记录光线的方向和强度信息，从而捕捉场景中每一个点的多视角信息。与传统的2D图像不同，光场图像包含了丰富的三维空间信息，使其在多个领域具有广泛的应用前景。

工业场景下的计算机视觉是将计算机视觉技术应用于工业环境，以实现自动化检测、工况识别、质量控制、机器人引导等多种任务的研究方向。该领域结合了计算机科学、人工智能、图像处理和机器学习技术，旨在提高生产效率、降低成本并确保产品质量。

迁移学习和域适应是机器学习和深度学习中用于提升模型在新领域或新任务上表现的两种重要方法。它们旨在利用已有的数据和模型知识，减少对新领域大量标注数据的需求，进而提高训练效率和模型性能。

感知识别-决策控制一体化是一个将传感技术、识别技术和控制系统集成在一起的研究方向，旨在实现从感知环境、识别信息到决策控制的全流程自动化和智能化。该技术广泛应用于工业自动化、智能制造、无人驾驶等领域。