2023年5月23日，武汉大学卫星导航定位技术研究中心多源智能导航实验室(i2Nav)硕士学位论文答辩在星湖实验大楼14楼会议室顺利举行。本次答辩的六位同学分别是王立强、张再兴、戴雨杭、李思琪、史金威、刘山，论文选题既包括面向机器人多源融合算法的新探索，也有惯性测量领域和车载组合导航的新拓展，还涉及GNSS/INS深组合接收机的新研究。

邀请的答辩评委分别是武汉大学测绘遥感信息工程国家重点实验室的李必军教授、王磊副研究员，电子信息学院的余磊副教授，卫星导航定位技术研究中心的郭文飞副教授、唐健副教授。评委们对学生的论文和答辩进行了客观准确的评价，提问全面深刻，现场讨论热烈。

    王立强同学的论文题目是《轮式机器人运动增强的视觉/惯性/GNSS融合导航算法研究》。论文面向轮式机器人在复杂场景下的实时、连续的高精度定位需求，设计并实现了基于MSCKF的视觉/惯性/ODO/GNSS融合导航算法，其中包括设计了运动约束增强的视觉/惯性动态初始化算法，研究了ODO增量测量模型的精度和鲁棒性[1]，以及提出的先验信息增强的特征点提取算法和增强定位实时性的特征点筛选算法。

张再兴同学的论文题目是《基于轮式机器人的LiDAR/IMU/GNSS融合定位算法研究》。论文面向带有全轮转向能力的轮式机器人的高精度定位需求，设计并开发了LiDAR/IMU/轮速计/GNSS融合定位算法与软件，其中包括设计了面向全轮转向运动模型的IMU/轮速计预积分算法，提升了全轮转向机器人定位精度[2]；提出了“面-面”特征匹配的LiDAR/IMU紧耦合算法并推导了LiDAR观测自适应协方差，提升了紧耦合的定位和姿态精度。

    戴雨杭同学的论文题目是《道路语义增强GNSS/INS的车载多源融合定位方法研究》。论文面向车载多源信息融合导航方法开展深入研究，提出了基于CART-Bagging的GNSS质量控制方法[3]，有效提升了GNSS估计精度与实际误差的一致性和GNSS/INS组合导航定位精度；设计了车道线、杆等道路语义信息增强的融合定位方法，并开发了高鲁棒的GNSS/INS/VMM/道路语义融合定位软件，在复杂城市场景下达到分米级的平面定位精度。

李思琪同学[4]的论文题目是《基于图优化的地下管线惯性组合定位算法研究》。论文面向地下管线定位需求，设计了顾及精准重访检测和重访修正的INS、里程计、NHC和两端控制点位置修正的多源融合全局图优化算法，解决了当前管线测量滤波平滑算法难以有效利用往返测量“重访约束”的问题，提升了测量精度和效率；此外在卫星定位信号缺失和控制点不足的挑战工况下，提出了基于轨迹相似性原理的管道MEMS INS航向初始化方法，提高了航向初始对准精度。

    史金威同学的论文题目是《城市车载多路径环境MEMS惯导辅助GNSS信号稳健跟踪技术》。论文针对城市多路径环境中GNSS信号跟踪性能差，无法提供连续精确观测的问题开展深入研究，提出了位置辅助的GNSS伪码跟踪环，结构和计算量相比标量环没有明显变化，性能和矢量环相当[5]；设计了基于MEMS惯导辅助长时相干积分的载波频率跟踪环以及多径检测方法，提高了城市复杂环境GNSS观测和定位的精度及可用性。

刘山同学的论文题目是《快速初始化的载波相位矢量深组合技术研究》。论文面向载波相位矢量深组合中的关键问题开展深入研究，提出了基于GNSS载波相位增量与惯导递推轨迹匹配的航向快速准确初始化方法[6]，提高了航向初始化的精度和效率；提出了一种基于GNSS RTK/INS的载波相位矢量深组合跟踪方法，提高了信号衰弱、遮挡环境GNSS载波相位观测质量和精密定位的连续性。

上述六位同学的研究工作获得了答辩专家的一致认可，均顺利通过了硕士学位论文答辩。他们美好而充实的硕士生活即将画上圆满句号，其中一位同学留在实验室读博深造，五位同学将走上工作岗位，在国企和互联网大厂继续开展相关领域的研发工作。祝读博的同学更上一层楼，祝工作的同学前程似锦，祝所有六位同学在新的人生旅程中从容前行，幸福快乐！

前路漫漫，任重道远，不忘初心，克难奋进！

本次答辩学生相关研究成果如下，可在团队网站(i2nav.cn)的“研究成果-学术论文”列表中下载（Link）。

[1] L. Wang, X. Niu, T. Zhang, H. Tang, and Q. Chen, “Accuracy and robustness of ODO/NHC measurement models for wheeled robot positioning,” Measurement, vol. 201, p. 111720, Sep. 2022, doi: 10.1016/j.measurement.2022.111720.

[2] Z. Zhang, X. Niu, H. Tang, Q. Chen, and T. Zhang, “GNSS/INS/ODO/wheel angle integrated navigation algorithm for an all-wheel steering robot,” Meas. Sci. Technol., vol. 32, no. 11, p. 115122, Nov. 2021, doi: 10.1088/1361-6501/ac17fb.

[3] X. Niu, Y. Dai, T. Liu, Q. Chen, and Q. Zhang, “Feature-based GNSS positioning error consistency optimization for GNSS/INS integrated system,” GPS Solut, vol. 27, no. 2, p. 89, Apr. 2023, doi: 10.1007/s10291-023-01421-9.

[4] S. Li, Q. Chen, X. Niu, and J. Fan, “A trajectory similarity-based method to evaluate GNSS kinematic precise positioning performance with a case study,” Meas. Sci. Technol., vol. 34, no. 1, p. 015014, Jan. 2023, doi: 10.1088/1361-6501/ac8db0.

[5]T. Zhang, J. Shi, T. Lin, X. Feng, and X. Niu, “GNSS position-aided delay-locked loops for accurate urban navigation,” GPS Solut, vol. 27, no. 3, p. 127, Jul. 2023, doi: 10.1007/s10291-023-01452-2.

[6] T. Zhang, S. Liu, Q. Chen, X. Feng, and X. Niu, “Carrier-Phase-Based Initial Heading Alignment for Land Vehicular MEMS GNSS/INS Navigation System,” IEEE Trans. Instrum. Meas., vol. 71, pp. 1–13, 2022, doi: 10.1109/TIM.2022.3208646.