惯性系统算法/惯性基组合导航

背景与意义：惯性导航系统依靠运载体自身设备独立自主地进行导航，不依赖外部信息，具有隐蔽性好、工作不受气象条件和人为干扰影响的优点在导航技术中占有非常重要的地位。同时惯性导航系统以其具有丰富的导航参数的优势成为各类组合导航系统的基础，例如惯性/多普勒计程仪、惯性/全球卫星定位系统等。惯性及惯性基组合导航系统己经逐步推广到航天、航空、航海、石油开发、大地测量、海洋调查、地质钻控、机器人技术和铁路等领域，随着新型惯性敏感器件的出现，其在汽车工业、医疗电子设备中都得到了应用。在国民经济各个领域中也日益显示出它的巨大作用。

知识技术体系：惯性导航、组合导航、多传感器信息融合、Matlab/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。
培养特色与优势：校企合作，密切结合海军装备，理论算法、仿真分析与实际验证相结合。

多机器人协同导航与编队控制

背景与意义：水下机器人作为人类探索海洋、捍卫国防安全的重要运载平台，但随着人类海洋勘探活动的日益深入，单体机器人在面对大尺度、高效性的任务需求时显得身单力薄，于是研究人员将目光投入到多机器人组成的协作系统。而高精度的导航定位与编队控制是多机器人协作完成任务的重要技术保障。高性能的控制器设计可以使机器人编队按照要求的编队形式协同执行任务，在民用和军用领域中都具有丰富的发展前景。协同导航作为最具有研究前景的水下导航方式之一，具有全海域航行、成本低、精度高等优点，适用于水下多机器人编队协作系统。

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、电磁/水声通信、故障诊断、人工神经网络算法、协同控制、仿生优化算法设计、Matlab仿真程序设计、C++程序设计等。
能力培养：系统方案设计能力、理论分析能力、算法研究能力、软件编程能力。
培养特色与优势：专业技能多元化发展、密切结合国家项目、理论分析与试验验证相结合、实验室具备多年丰富的研究基础。

视觉惯性SLAM

背景与意义：自动驾驶技术是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆的一种智能化技术，主要由环境感知、行为决策与车辆控制等系统组成，涉及技术有决策算法、路径规划、多传感器融合、机器视觉、自然语言处理等，是一项多种学科、技术交叉的前沿技术。现阶段研究自动驾驶的最重要的意义在于解决交通运输的安全和效率问题。SLAM即同步定位与地图构建技术，主要应用于机器人、无人机、自动驾驶汽车、增强现实、三维重建等，现阶段的SLAM技术特别是视觉SLAM方向还不完善，在视觉-惯性SLAM，语义SLAM等新兴方向仍存在大量挑战。

知识技术体系：多传感器信息融合、惯性导航技术，计算机视觉、机器学习、SLAM等。
能力培养：理论分析能力、算法设计能力、软件编程能力。
培养特色及优势：校企合作，理论算法、仿真分析、实验验证相结合。

目标检测与智能识别

背景与意义：目标识别和定位是计算机视觉领域研究的主要问题，图像分割、目标跟踪、目标行为分析等都是以图像中的目标检测为基础的，该技术广泛应用于机器人导航、智能视频监控、工业检测等领域。随着深度学习技术的发展，目标检测算法取得了巨大突破。然而在某些复杂场景下或者是含有小目标的情况下，现有主流的目标检测算法在实时性以及精度上还存在一些局限性，如何提高检测效率、保证检测精度、实现算法轻量化是现阶段的热点问题。

知识技术体系：神经网络搭建、目标检测与识别、深度学习框架应用、python编程等。
能力培养：理论分析能力、算法设计能力、算法优化改进能力、软件编程能力。
培养特色与优势：校企合作，结合海洋领域，理论算法。

深度学习与智能算法

背景与意义：深度学习是人工智能从概念提出到走向繁荣得以实现的主流技术。成为移动机器人、人脸识别、物体检测、自动驾驶、智能家居等应用不可或缺的方法，并且基于深度学习的方法在准确率上已经接近甚至超过人类水平。研究深度学习的智能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。将智能算法与导航相结合，紧跟研究前沿。

知识技术体系：神经网络、数字图像处理、目标识别与跟踪、图像分割、视觉导航、自动驾驶、python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。
培养特色与优势：校企合作，理论算法、仿真分析与实验验证相结合，紧跟国家对人工智能的发展战略要求，对接企业需求。为将来就业以及深造奠定基础。