2023年5月19日和5月24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)刘天弋和周禹昆同学的博士学位论文答辩分别在星湖综合实验大楼16楼会议室和14楼会议室顺利举行。

    刘天弋的博士论文题目是《面向城市道路环境的车载低线数LiDAR/INS/ GNSS 融合导航算法研究》，论文针对典型城市道路场景开展了低成本的16线环扫LiDAR/INS/GNSS融合导航研究。带有视觉传感器的融合导航方案在城市道路环境中总会遇到动态物体“混淆视听”，影响导航性能。为了获取鲁棒的位姿推算能力，在特征选择上依据城市道路环境特点进行“择优选取”，利用道路两侧常见的杆状物特征进行在线建图和定位。算法采用基于聚类的候选点云集合提取和基于人工神经网络（ANN）的杆状物分类筛选出准确的杆状物点云簇，由于对点云做了预处理提取一些常用特征参数，因此后半段ANN部分的训练压力不大，计算量也比较小，完全满足实时激光惯性里程计（LIO）的要求。为了避免LIO前端模块在递推的过程中的发散，系统后端采用了轻量预建特征点地图匹配进行全局的位置修正。特征点提取过程中采用了鸟瞰图（BEV）的形式进行LiDAR点云的预处理，使用深度学习网络进行特征点提取和描述子计算。在特征点建图的过程中，通过观测质量过滤进行“优中选优”，通过运动过滤排除冗余，通过半精度描述子存储达到“事半功倍”，有效降低了地图存储需求。最终的方案是结合上述快速、鲁棒的前端递推和轻量特征点地图的后端匹配形成完整导航方案，在不同信息融合模式下的跑车测试表现了其良好的定位性能。

    周禹昆的博士论文题目是《基于轨道特征匹配和惯导组合的列车定位技术研究》，论文面向GNSS拒止环境下连续高精度的列车定位需求，发掘了一种全新的无布设定位信息源——轨道不平顺，用于列车匹配定位。轨道不平顺对于列车运行安全和乘坐舒适性来说是应当避免的“有害信号”；但另一方面，这些无处不在、辨识度极高的轨道指纹特征对于列车定位来说是可资利用的信号资源。周禹昆的论文充分论证了这种轨道不平顺指纹的定位潜力，实现了“变废为宝”。同时，为了后续组合定位过程中对特征匹配结果合理定权，该论文构建了一种兼顾序列自身特征区分度和序列测量误差（体现为待匹配序列与背景指纹库序列相似度）的匹配度指标来实时估计匹配定位方差。在此基础上，该论文最终提出了一套联合轨道不平顺特征与铁路沿线磁场特征匹配，并与惯导组合的列车定位方法，在不依赖于GNSS和轨旁设备的情况下，可实现优于1米精度的自主定位。

    两位博士的论文工作获得答辩评委们的充分肯定，最后均顺利通过了学位论文答辩。

    博士学习过程是一场智力、体力和心态的潜心修行，博士之博在于拼搏，在于厚积薄发。刘天弋和周禹昆博士对待学术专注、严谨，读博期间刻苦钻研，敢于直面科研路上的挑战和困难，是我们学习的榜样。

    两位博士即将走上工作岗位，祝他们不忘初心，砥砺前行，前程似锦！

祝贺刘天弋博士顺利通过博士学位论文答辩

祝贺周禹昆博士顺利通过博士学位论文答辩

    两位博士的相关研究成果如下，相关论文可在团队网站(i2nav.cn)的“研究成果-学术论文”列表中下载（Link）。

[1] T. Liu, Y. Wang, X. Niu, et al. LiDAR Odometry by Deep Learning-based Feature Points with Two-step Pose Estimation[J]. Remote Sensing, 2022, 14(12): 2764.

[2] T. Liu, L. Chang, X. Niu, et al. Pole-Like Object Extraction and Pole-Aided GNSS/IMU/LiDAR-SLAM System in Urban Area[J]. Sensors, 2020, 20(24):7145.

[3] Y. Zhou, Q. Chen, R. Wang, G. Jia and X. Niu. Onboard Train Localization Based on Railway Track Irregularity Matching[J]. IEEE Transactions on Instrumentation and Measurement, 2022, 71: 1-13. 

[4] Q. Chen, Y. Zhou, B. Fang, Q. Zhang and X. Niu. Experimental Study on the Potential of Vehicle’s Attitude Response to Railway Track Irregularity in Precise Train Localization [J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(11): 20452–20463.