欢迎来到我的主页！
我是罗行健，📞18742543164，📧dulu2021@163.com
-
硕士就读于东北大学机器人科学与工程学院机器人科学与工程专业，REAL实验室成员，研究方向为视觉SLAM、VIO、多传感器融合。
-
本科就读于大连交通大学机械工程学院机械工程+软件工程五年制双专业，TOE创新实验室成员，主要负责能量机关的制作、视觉及步兵机器人的嵌入式控制。
| 竞赛名称 | 荣誉 |
|---|---|
| 2021全国大学生机器人大赛ROBOMASTER机甲大师对抗赛 | 北部赛区冠军，国家一等奖 |
| 2020全国大学生机器人大赛ROBOMASTER机甲大师对抗赛 | 国家一等奖 |
| 2020全国大学生计算机设计大赛 | 国家一等奖 |
| 2019辽宁省普通高等学校本科大学生机器人竞赛 | 省二等奖 |
| 《AML-VDIO:Tightly-Coupled Visual-Depth-Inertial Odometry With Accuracy Multi-Modal Landmarks In Structural Environment》 |
|---|
| RA-L一作在投，针对多特征slam的耗时和复杂室内环境下的位姿估计问题，提出一个新颖的视觉-深度-惯性里程计方法，采用基于交叉重投影的空间一致性验证和深度范围限制对3D路标进行分类，进一步在BA时fix准确路标，同时结合线特征的几何约束和运动约束去除动态线特征，在OpenLROIS数据集和现实场景取得了竞争性的精度和鲁棒性。 |
| 《Structural Lines aided Monocular Visual-Inertial-Wheel Odometry with Online IMU-Wheel Extrinsic Optimization on S2 Manifold》 |
|---|
| IEEE Transactions on Intelligent Vehicles 二作已接收，针对复杂城市场景车辆位姿估计任务的鲁棒性问题，采用结构线辅助 VIWO，并在 S2 流形上进行 imu-wheel 外参在线优化的方法，有效解决了城市场景地形变化和光照强度快速变化对 VIWO 造成的影响，在 KAIST Complex Urban Dataset 数据集和现实场景表现出较好的鲁棒性和精度。 |
- 利用室内结构环境信息和消费级相机D435i实现基于结构点线的RGBD惯性里程计SPLVDIO，并通过对算法模块进行优化，使其能够以纯视觉里程计PLVDO部署在四足机器人载体的NX平台上实时运行（蓝色部分为去掉的模块）。
- 室内挑战性场景鲁棒性提高且 APE 定位误差减少 40%，相同约束下后端 BA 提速 68%。
- 基于iir1实现IMU实时滤波算法，能够过滤IMU原始数据特定频率的噪声。
- 利用汽车环视鱼眼相机IPM拼接图的语义分割结果，基于车道线、车位线、箭头等地面语义标识，在RTK和轮速计的辅助下，生成一个全局的视觉语义地图，并在泊车时用语义信息进一步完成车辆定位。
- 平均定位误差为 6.23cm。
- 在gps拒止的地下停车场场景基于亚特兰大世界假设结合视觉、IMU 实现地库场景下低漂移的视觉惯性位姿估计。
- 100*100 平方米的地库场景，车辆运动轨迹 500m，始末端点累积漂移降低 70%。
- 融合视觉、IMU、轮速计和 GPS完成复杂城市场景下的车辆位姿估计任务，以解决地形变换和光照强度快速变化对VIWO 造成的影响。
- 在 KAIST Complex Urban Dataset 数据集表现出较好的鲁棒性和精度。
