澳洲墨尔本大学（UniMelb）博士（PhD）申请攻略及导师简介

导师简介

如果你想申请澳洲墨尔本大学基础设施工程系的博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析墨尔本大学的Professor Khoshelham的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

导师是墨尔本大学基础设施工程系的副教授。他于2004年在香港理工大学获得地理信息学博士学位,此后曾在代尔夫特理工大学和特温特大学担任助理教授,于2015年加入墨尔本大学。

导师在测绘、定位和3D计算机视觉等领域发表了大量论文。他在多个国际期刊的编辑委员会任职,包括ISPRS摄影测量与遥感杂志这一旗舰期刊。他积极参与国际摄影测量与遥感学会(ISPRS)的工作,曾领导ISPRS室内建模基准测试,目前担任第II/I-b工作组联合主席。此前,他还曾担任澳大拉西亚空间信息教育和研究协会(ASIERA)的财务主管。

研究领域

导师的研究兴趣涵盖了多个与空间信息和计算机视觉相关的领域,主要包括:

1.摄影测量学

2.3D计算机视觉

3.室内定位和导航

4.移动测绘

5.室内测绘

6.建筑信息建模(BIM)

7.图像和点云的自动化解释

8.数字孪生

9.数据科学

10.机器学习

11.激光扫描(Lidar)

这些研究领域涵盖了从数据获取到信息提取和应用的整个空间信息处理链,反映了导师在空间信息科学和工程领域的广泛兴趣和深厚专业知识。

研究分析

1."Interactive Mixed Reality Methods for Visualization of Underground Utilities"发表于 PFG-JOURNAL OF PHOTOGRAMMETRY REMOTE SENSING AND GEOINFORMATION SCIENCE, 2024

这篇论文探讨了利用混合现实技术可视化地下设施的交互方法。研究提出了六种交互式可视化方法,旨在解决地下设施可视化的难题。这项研究对城市规划、基础设施管理和施工安全等领域具有重要意义。它体现了导师在空间信息可视化和混合现实应用方面的创新研究。

2."Global localization for Mixed Reality visualization using wireframe extraction from images"发表于 ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2024

本文讨论了一种新的混合现实全局定位方法,该方法利用从图像中提取的线框进行定位。这项研究涉及在数字表示的环境中精确跟踪设备的位置和方向,对增强现实和虚拟现实应用具有重要意义。这反映了导师在计算机视觉和混合现实技术融合方面的研究兴趣。

3."Pole-NN: Few-Shot Classification of Pole-Like Objects in Lidar Point Clouds"发表于 ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2024

这篇论文提出了一种名为Pole-NN的方法,用于在激光雷达点云数据中进行杆状物体的少样本分类。这项研究对自动驾驶系统和智慧城市项目中的物体检测和定位具有重要应用价值。它展示了导师在点云处理和机器学习应用方面的研究实力。

4."MoLO: Drift-free lidar odometry using a 3D model"发表于 PHOTOGRAMMETRIC RECORD, 2024

这篇文章提出了一种名为MoLO的方法,利用3D模型实现无漂移的激光雷达里程计。这项技术在全球导航卫星系统(GNSS)不可用的环境中,能够有效地定位车辆和机器人,对自动驾驶和室内导航具有重要意义。这项研究体现了导师在激光雷达技术和自主导航领域的专业知识。

5."MoLi-PoseNet: Model-Based Indoor Relocalization Using Deep Pose Regression From Synthetic LiDAR Scans"发表于 IEEE Sensors Journal, 2024

本文提出了一种名为MoLi-PoseNet的方法,通过深度姿态回归从合成激光雷达扫描中实现基于模型的室内重定位。这项研究针对室内环境中的定位问题提供了创新解决方案。它展示了导师在深度学习和室内定位技术融合方面的前沿研究。

项目分析

1.Building 4.0 CRC (正在进行)

这是一个正在进行的合作研究中心项目,虽然没有具体细节,但可以推测该项目可能与建筑信息建模(BIM)、数字孪生和智能建筑等领域相关。这个项目可能旨在推动建筑业的数字化转型,提高建筑效率和可持续性。

2.Remote Sensing of Biotic Stress With Hyperspectral-Fluorescence Imaging (2022-2025)

这个项目涉及使用高光谱荧光成像技术进行生物胁迫的遥感监测。这项研究可能对农业、林业和生态监测具有重要应用价值,能够早期检测植物的健康状况和病虫害。

3.3D Vision Research and Development (2023-2025)

这个项目专注于3D视觉技术的研究和开发。考虑到导师的专业背景,这个项目可能涉及3D计算机视觉、点云处理、3D重建等方面的创新研究,有望在自动驾驶、机器人视觉、增强现实等领域产生重要应用。

研究想法

1.深化混合现实与空间信息融合研究

• 建议：深入研究混合现实技术在空间信息可视化和交互方面的应用。

• 创新点：探索将脑机接口（BCI）技术与混合现实结合，实现更直观的空间信息交互方式

2.加强点云处理与机器学习结合

• 建议：关注点云数据在智慧城市和自动驾驶领域的应用，特别是结合深度学习的方法。

• 创新点：研究将图神经网络（GNN）应用于大规模点云语义分割，提高复杂场景的识别精度

3.拓展激光雷达技术在室内定位中的应用

• 建议：探索激光雷达技术在GPS信号受限环境下的定位方案。

• 创新点：提出结合视觉SLAM和激光雷达的多模态室内定位方法，提高复杂环境下的定位精度

4.研究基于计算机视觉的全局定位方法

• 建议：探索利用计算机视觉技术实现大规模环境下的精确定位。

•创新点：提出结合语义分割和局部特征的混合全局定位方法，提高复杂城市环境下的定位鲁棒性

5.探索少样本学习在空间对象识别中的应用

• 建议：研究如何在有限标注数据条件下提高空间对象识别的准确性。

• 创新点：提出基于知识图谱辅助的少样本空间对象识别方法，利用先验知识提高模型泛化能力

6.开发智能城市多源数据融合方法

• 建议：研究如何有效整合多源异构数据，为智能城市决策提供支持。

• 创新点：提出基于区块链的多源城市数据共享和融合框架，确保数据安全性和可追溯性

申请建议

1. 技能储备：除了扎实的理论基础，重点培养实践能力。熟练掌握至少一种编程语言（如Python或C++），熟悉常用的机器学习框架和空间数据处理工具。

2. 项目经验：参与或独立完成与教授研究方向相关的项目，如开发一个基于混合现实的空间信息可视化系统，或设计一个用于点云分类的深度学习模型。

3. 论文积累：尝试在相关领域发表学术论文，特别是与教授的研究方向紧密相关的主题。关注ISPRS、IEEE Sensors Journal等期刊的最新研究动态。

4. 跨学科知识：鉴于教授研究的跨学科特性，建议学习计算机科学、地理信息科学、测绘学等多个学科的知识，形成独特的知识结构。

5. 创新思维：在研究提案中展示创新思维，例如提出将区块链技术应用于空间数据管理，或探索量子计算在空间信息处理中的潜在应用。

6. 技术追踪：密切关注5G、边缘计算等新兴技术，思考它们在空间信息科学中的应用前景，并在申请材料中展示这种前瞻性思考。

7. 实践应用：关注研究成果的实际应用，如何将学术研究转化为解决实际问题的解决方案。可以参与相关的创业竞赛或黑客马拉松，展示将理论付诸实践的能力。

8. 个性化研究计划：根据教授的研究兴趣，制定个性化的研究计划。例如，提出将教授的MoLO方法与视觉SLAM结合，开发适用于复杂室内外环境的鲁棒定位系统。

博士背景

985土木工程硕士，现为港三院校土木与环境工程系在读博士生。研究方向集中在地震工程和结构动力学，特别是高层建筑的抗震设计。

在顶级期刊《Journal of Structural Engineering》和《Earthquake Engineering & Structural Dynamics》上发表多篇论文。擅长相关方向PhD申请指导和文书撰写。