研究方向
Hits:
全源导航与定位、分布式协同导航、视觉惯性导航、视觉惯性SLAM、智能信息融合技术、目标跟踪、目标检测与识别
全源导航与定位
背景与意义：随着信息技术的迅速发展，无人机、无人车、水下机器人等智能系统对导航定位服务的需求越来越高。然而在某些复杂场景下，主流的惯性/卫星组合导航系统无法工作，极大的降低了智能系统的导航定位精度。为了提供实时精确的导航定位信息，支持传感器即插即用和无缝导航的全源导航技术应运而生，可以为各种场景下的智能系统提供实时的精确导航定位服务，有效提高导航定位的精度、可靠性、环境适应性。
知识体系与技术体系：惯性导航、组合导航、多传感器信息融合、Matlab仿真程序设计、C++程序设计等。
能力培养：理论分析能力、算法设计能力、硬件电路设计能力、软件编程能力。
分布式协同导航
背景与意义：高精度导航与定位是多智能体系统实现高精度编队控制与协同控制，顺利完成工作任务的关键。然而在室内或者水下等GPS拒止环境，传统高精度组合导航设备的高成本限制了其大面积部署的能力。为了实现GPS间歇可用或拒止环境下多智能体系统的高精度导航，分布式协同导航技术应运而生，其可以在保证多智能体系统整体导航精度的前提下大大降低导航设备部署成本，为多智能体系统的编队控制与协同控制提供低成本、可靠的高精度导航信息反馈。
知识体系与技术体系：惯性导航、组合导航、分布式信息融合、无线/水声通信、传感器管理、Matlab仿真程序设计、C++程序设计等。
能力培养：理论分析能力、算法设计能力、软件编程能力。
视觉惯性导航与SLAM
背景与意义：随着无人机、无人车以及移动机器人的井喷式发展，导航定位与建图技术成为了制约无人平台广泛应用的瓶颈技术之一。在实际应用中，对载体进行实时的高精度导航与定位，同时对于周围环境进行建图与感知，完成在复杂环境中的避障与路径规划，是视觉惯性导航系统与视觉惯性SLAM系统的基本任务。然而，单目视觉中的尺度不确定性，运动模糊，以及多传感器时空对准问题为视觉惯性导航系统与视觉惯性SLAM系统带来了巨大的挑战。
知识体系与技术体系：惯性导航、视觉几何、图像处理、组合导航、多传感器信息融合、SLAM、C++程序设计等。
能力培养：理论分析能力、算法设计能力、硬件电路设计能力、软件编程能力。
全源导航与定位
背景与意义：随着信息技术的迅速发展，无人机、无人车、水下机器人等智能系统对导航定位服务的需求越来越高。然而在某些复杂场景下，主流的惯性/卫星组合导航系统无法工作，极大的降低了智能系统的导航定位精度。为了提供实时精确的导航定位信息，支持传感器即插即用和无缝导航的全源导航技术应运而生，可以为各种场景下的智能系统提供实时的精确导航定位服务，有效提高导航定位的精度、可靠性、环境适应性。
知识体系与技术体系：惯性导航、组合导航、多传感器信息融合、Matlab仿真程序设计、C++程序设计等。
能力培养：理论分析能力、算法设计能力、硬件电路设计能力、软件编程能力。
分布式协同导航
背景与意义：高精度导航与定位是多智能体系统实现高精度编队控制与协同控制，顺利完成工作任务的关键。然而在室内或者水下等GPS拒止环境，传统高精度组合导航设备的高成本限制了其大面积部署的能力。为了实现GPS间歇可用或拒止环境下多智能体系统的高精度导航，分布式协同导航技术应运而生，其可以在保证多智能体系统整体导航精度的前提下大大降低导航设备部署成本，为多智能体系统的编队控制与协同控制提供低成本、可靠的高精度导航信息反馈。
知识体系与技术体系：惯性导航、组合导航、分布式信息融合、无线/水声通信、传感器管理、Matlab仿真程序设计、C++程序设计等。
能力培养：理论分析能力、算法设计能力、软件编程能力。
视觉惯性导航与SLAM
背景与意义：随着无人机、无人车以及移动机器人的井喷式发展，导航定位与建图技术成为了制约无人平台广泛应用的瓶颈技术之一。在实际应用中，对载体进行实时的高精度导航与定位，同时对于周围环境进行建图与感知，完成在复杂环境中的避障与路径规划，是视觉惯性导航系统与视觉惯性SLAM系统的基本任务。然而，单目视觉中的尺度不确定性，运动模糊，以及多传感器时空对准问题为视觉惯性导航系统与视觉惯性SLAM系统带来了巨大的挑战。
知识体系与技术体系：惯性导航、视觉几何、图像处理、组合导航、多传感器信息融合、SLAM、C++程序设计等。
能力培养：理论分析能力、算法设计能力、硬件电路设计能力、软件编程能力。
智能信息融合技术
背景与意义：信息融合技术是信息学科的重要研究分支，它包括多类型、多源、多平台传感器所获得的各种情报信息的采集、传输、汇集、分析、综合等过程，对所需要的信息进行不断修正，改善估计结果。信息融合技术已经被广泛应用于惯性导航、组合导航、目标跟踪、自动控制、SLAM等多个领域。如今，随着信息技术的迅速发展，很多复杂场景下的工程应用要求信息融合方法具备对干扰的鲁棒性、环境适应性、分布式、智能容错性等特征。智能信息融合技术研究将为信息领域的多个行业注入原创血液。
知识体系与技术体系：最优状态估计、多源信息融合理论、贝叶斯统计、矩阵分析、现代控制论、Matlab程序设计等。
能力培养：理论分析能力、算法设计能力、软件编程能力。
目标跟踪
背景与意义： 随着智能信息技术的迅速发展，无人机、无人车、水下机器人等智能无人系统的应用得到了越来越多的重视。在实际应用中，对目标进行准确、持续、快速的跟踪是无人系统与外界环境进行交互，进而完成工作任务的基础。然而，跟踪中存在的数据关联不确定、噪声、虚警、目标数目时变、目标遮挡等问题给目标跟踪造成了极大的挑战。研究有效处理上述问题的新型目标跟踪算法对无人系统提高跟踪精度与可靠性、增强环境交互能力具有重要意义。
知识体系与技术体系：模式识别、SLAM、最优状态估计、贝叶斯统计、随机有限集理论、Matlab仿真程序设计、C++程序设计等。
目标检测与识别
背景与意义：随着信息技术和传感器技术的发展，车辆自动驾驶、机器人环境感知、视频监控、智能交通等智能感知领域对目标检测与识别有着广泛的需求。然而，目标检测与识别面临改进与优化主流算法的性能、提高小目标的检测精度、实现多类别物体检测、算法轻量化、适应特定场景等关键技术的挑战。研究有效处理上述问题的新型目标检测与识别算法对提高智能感知领域目标的检测与识别精度有着重要意义。
知识体系与技术体系：模式识别、机器学习、计算机视觉、python编程、linux操作系统、神经网络框架。
能力培养：理论分析能力、算法设计能力、 硬件电路设计能力、 软件编程能力。