2026年5月19日，武汉大学卫星导航定位技术研究中心多源智能导航（i2Nav）实验室硕士学位论文答辩在星湖实验大楼17楼1718会议室顺利举行。受邀参加答辩的评委分别是武汉大学的叶世榕教授、郭斐教授、王磊副教授、张红娟副教授以及武汉理工大学的邓辰龙副教授。

本届答辩的同学分别是刘锐、艾家豪、李冰雁、陈宣佑、卞雨晗和陈俱进。六位同学的论文选题涵盖多个前沿热点领域，既包括GNSS拒止环境下惯性视觉RTK点位测量、杆塔式结构动态位姿精密测量、语义增强视觉/LiDAR/惯性紧耦合导航，也涉及城市复杂环境下车载组合导航完好性监测、刚性轨迹辅助GNSS载波相位多历元抗差、深度学习增强MEMS IMU阵列实时导航定位。研究不但聚焦复杂环境下导航定位的精度、连续性与可靠性等硬骨头，也体现了惯性导航与多源信息融合在精密测量、自动驾驶等应用场景中的深入拓展。

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，点评中肯犀利，现场讨论热烈。

艾家豪同学的论文题目是《惯性视觉RTK在GNSS拒止环境下的点位测量技术研究》，论文针对当前视觉RTK面临的挑战，提出了一整套完整的改进方案—惯性视觉RTK。提出了附加测量杆定点旋转运动约束的MEMS惯导初始化方法，提高了惯导RTK的初始化精度和效率。提出了附加测量杆定点旋转运动约束的视觉RTK点位测量方法，提升了视觉RTK的作业效率和适用性。提出了GNSS拒止环境下的位姿传递与视觉RTK点位测量方法，实现了GNSS拒止区域的视觉RTK点位测量。成果发表在《GPS Solutions》和《IEEE Transactions on Instrumentation and Measurement》上。

图1 惯性视觉RTK在GNSS拒止环境下的点位测量技术研究

刘锐同学的论文题目是《基于GNSS/IMU/视觉组合的杆塔位姿动态精密测量方法研究》，论文针对风力发电机、通信杆塔等杆塔式结构的位姿动态精密测量需求，形成了不同场景的多源位姿测量方案。提出了基于真实动态特征的运动模拟方法。依据真实风机机舱IMU数据构建模态化运动模型，形成了可控的实验验证评估体系。设计了附有航向增强的GNSS/IMU组合位姿动态精密测量方法：引入GNSS双天线定向与AHRS两种航向观测，为GNSS可用的杆塔监测场景提供了技术方案。设计了基于基座标志物辅助的视觉/IMU紧组合位姿动态精密测量方法：引入重力约束的水平姿态更新，并提出基于深度先验与标志物几何先验的特征点坐标初始化方法，为GNSS信号受限的杆塔监测场景提供了技术方案。

图2 基于GNSS/IMU/视觉组合的杆塔位姿动态精密测量方法研究

陈俱进同学的论文题目是《语义增强的视觉/LiDAR/惯性紧耦合导航算法研究》，论文针对复杂室外场景下无人系统连续、稳健、高精度定位需求，开展了语义增强的视觉/LiDAR/惯性紧耦合导航算法研究。提出了一种语义辅助的视觉前端处理与跨模态深度增强方法，缓解了动态干扰与单目尺度不可观问题。提出了一种视觉/LiDAR/惯性紧耦合因子图优化框架SE-LVIO，引入圆柱语义帧间几何约束提高了导航定位精度。基于ROS框架研制了语义增强视觉/LiDAR/惯性紧耦合导航软件，为移动机器人在复杂室外环境中的实时、连续、稳健自主导航提供了一种技术方案。

图3 语义增强的视觉/LiDAR/惯性紧耦合导航算法研究

李冰雁同学的论文题目是《基于随机抽样一致性的车载组合导航完好性监测方法研究》，论文围绕城市复杂环境下车载组合导航完好性监测方法开展研究，改进了基于随机抽样一致性的车载组合导航故障检测算法，提出了一种基于随机抽样一致性的车载组合导航保护级计算方法，并通过实测数据验证了算法的有效性。

图4 基于随机抽样一致性的车载组合导航完好性监测方法研究

陈宣佑同学的论文题目是《基于轮式载体惯导刚性轨迹辅助的GNSS载波相位多历元抗差方法》，论文针对复杂环境下载波相位观测易受粗差干扰的问题，提出了一种基于惯导推算刚性轨迹约束的GNSS多历元抗差方法。提出了一种基于滑窗内双向递推的刚性轨迹构建方法，提高了相对轨迹的稳定性与精度。提出了不依赖绝对位置先验的多历元抗差建模与求解方法，实现了多历元观测一致性筛选与粗差剔除。开展铁路和城市车载场景实验验证，证明了该方法在动态复杂环境下具有较好的鲁棒性与适用性。

图5 基于轮式载体惯导刚性轨迹辅助的GNSS载波相位多历元抗差方法

卞雨晗的论文题目是《深度学习增强的MEMS IMU阵列设计及其实时导航定位方法研究》，论文针对自主无人系统对低成本实时导航定位的需求，开展了MEMS IMU阵列硬软件和深度学习虚拟里程计算法的研究。研制了一种准战术级IMU阵列系统，既保持消费级IMU的低成本优势，又采取硬件手段抑制温漂和谐振串扰。提出了基于阵列频域数据的虚拟里程计算法，既提供稳定速度输出，又能在阵列MCU中实时推理。车载导航定位综合测试表明阵列的动态导航定位水平达到准战术级，虚拟里程计接近真实轮式里程计的辅助效果。

图6 深度学习增强的MEMS IMU阵列设计及其实时导航定位方法研究

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，也将走上工作岗位，继续开展相关领域的研发工作，开启一段崭新的人生旅途，祝这六位同学前程似锦、幸福快乐。

前路漫漫，任重道远，不忘初心，克难奋进。