3D 视觉

Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes

Argus：室内场景的度量全景三维重建

Xi Li, Linyuan Li, Yan Wu, Tong Rao, Kai Zhang, Xinchen Hui, Cihui Pan

机构 * Realsee, China（Realsee中国） 纠错

专题命中 三维重建 ：3D reconstruction(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 提出混合数据集Realsee3D和端到端网络Argus，通过可学习的共视模块解决全景稀疏捕获中的位姿漂移，并分解像素到世界映射以增强几何一致性，在相机位姿、深度和点云重建上达到最优。

BAT3R: Bootstrapping Articulated 3D Reconstruction from 2D Image Collections

BAT3R：从二维图像集合中自训练关节式三维重建

Jakub Zadrozny, Oisin Mac Aodha, Hakan Bilen

机构 * University of Edinburgh（爱丁堡大学） 纠错

专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV

AI总结 研究从单张图像进行关节物体3D重建，利用未标注2D图像集和单个绑定规范网格，提出训练框架，通过拟合网格到预测点图迭代估计关节和相机姿态，提升模型性能。

Comments Accepted to ECCV 2026. Project page: https://jakubzadrozny.github.io/bat3r/

City-Level 3D Surface Reconstruction with Viewpoint Orientation Partitioning and Scene Completion

基于视点方向划分和场景补全的城市级三维表面重建

Liang Han, Wenyuan Zhang, Junsheng Zhou, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；3DGS(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 针对多视图三维表面重建难题，提出基于视点方向的场景划分方法，确保相似方向视图共同参与以精确估计深度，并行计算更均衡，还提出检测修复点云缺失区域策略，提升大规模场景重建质量。

Comments Accepted by ECCV 2026

Targeted Structure Completion for Sparse-View 3D Reconstruction in Autonomous Driving

自动驾驶中稀疏视图3D重建的目标结构完成

Guoqing Wang, Pin Tang, Xiangxuan Ren, Liping Hou, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 针对自动驾驶稀疏视图3D重建难题，提出FocusGS框架，通过解耦结构完成与确定性区域，集中计算于几何模糊区域，设计模块优化高斯查询，提升效率质量平衡。

Comments Accepted by ECCV2026

G$^2$TAM: Geometry Grounded Track Anything Model

G$^2$TAM：几何基础的轨迹任意模型

Chenming Zhu, Peizhou Cao, Jingli Lin, Wenbo Hu, Yunlong Ran, Jiangmiao Pang, Tai Wang, Xihui Liu

机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；spatial understanding(abstract)；分类 cs.CV

AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。

Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/

LoMa: Local Feature Matching Revisited

LoMa：局部特征匹配的再审视

David Nordström, Johan Edstedt, Georg Bökman, Jonathan Astermark, Anders Heyden, Viktor Larsson, Mårten Wadenbäck, Michael Felsberg, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Linköping University（林雪平大学） ； University of Amsterdam（阿姆斯特丹大学） ； Centre for Mathematical Sciences, Lund University（隆德大学数学科学中心） 纠错

专题命中 三维重建 ：3D vision(abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文从数据驱动角度重新审视局部特征匹配，提出LoMa方法，通过结合大规模数据混合、现代训练方案和模型容量，提升了性能，并在新数据集HardMatch上取得显著成果。

MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Temporal Self-Forcing

MV-Forcing：基于4D锚定时空自强制的长时长多视角视频生成

Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Cornell University（康奈尔大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.GR

AI总结 针对动态场景长时多视角一致视频生成难题，提出MV-Forcing框架，融合时序与视角自回归，实现任意时长视角数的高一致性多视角视频生成。

Comments Accepted to ECCV 2026. Project webpage: https://galfiebelman.github.io/mv-forcing/

Reliability-Aware Monocular Depth Supervision for Sparse-View Neural Reconstruction

用于稀疏视图神经重建的可靠性感知单目深度监督

Wei-Teng Chu, Yashasvini Gopalan, Changju Yuan

机构 * Stanford University（斯坦福大学） 纠错

专题命中 三维重建 ：NeRF(abstract)；分类 cs.CV、cs.GR

AI总结 研究稀疏视图神经重建的单目深度监督，用Depth Anything V2作密集单目深度先验，经尺度变换拟合对齐预测，通过仅RGB基线模型生成的光度掩码选择性应用深度监督，在不同场景评估，结果表明应选择性适度加权应用。

Comments 10 pages, 6 figures. All authors contributed equally

Syn4D: A Multiview Synthetic 4D Dataset

Syn4D：多视图合成4D数据集

Zeren Jiang, Yushi Lan, Yihang Luo, Yufan Deng, Zihang Lai, Edgar Sucar, Christian Rupprecht, Iro Laina, Diane Larlus, Chuanxia Zheng, Andrea Vedaldi

机构 * VGG ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 针对动态场景稠密3D重建跟踪缺高质量标注数据集的问题，构建含多类真值标注的Syn4D数据集，支撑多下游任务，助力相关研究。

Comments 33 pages, 11 figures, project page: https://jzr99.github.io/Syn4D/

PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space

PixWorld：在像素空间中统一3D场景生成与重建

Sensen Gao, Zhaoqing Wang, Qihang Cao, Dongdong Yu, Changhu Wang, Jia-Wang Bian

机构 * Nanyang Technological University（南洋理工大学） ； AISphere（人工智能领域） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 针对3D场景生成与重建原有范式存在信息损失等缺陷，提出像素空间统一扩散框架PixWorld，引入几何感知损失，无需预训练自编码器，性能优于现有方法。

Comments Project page: https://sensengao.github.io/PixWorld/

Vision Pretraining for Dense Spatial Perception

面向稠密空间感知的视觉预训练

Zelin Fu, Bin Tan, Changjiang Sun, Shaohui Liu, Kecheng Zheng, Yinghao Xu, Xing Zhu, Yujun Shen, Nan Xue

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 针对现有视觉基础模型牺牲空间细节理解的问题，提出以边界为中心的掩码边界建模自监督预训练范式，提升稠密空间感知能力与下游任务性能。

Comments Tech report, 31 pages

AdaptiveSplat:Texture Aware Controllable 3D Gaussian Allocation for Feed-Forward Reconstruction

自适应拼接：用于前馈重建的纹理感知可控3D高斯分配

Badrinath Singhal, Srihari K G, Sreehari Iyer, Ankit Dhiman, Venkatesh Babu Radhakrishnan

机构 * Vision and AI Lab, Indian Institute of Science（视觉与人工智能实验室，印度科学研究所） ； Samsung R & D Institute India - Bangalore（三星印度研发中心 - 班加罗尔） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 研究前馈3D重建中高斯原语冗余问题，提出利用局部纹理信息控制高斯数量的方法，含纹理估计、纹理感知剪枝和自适应高斯头三个关键组件，实验验证了该方法有效性。

Comments Accepted at ECCV 2026. Project page: https://badrinaths.github.io/projects/adaptive-splat/

Property-Constrained 3D Porous Media Reconstruction from 2D Images via Conditional Generative Adversarial Networks

通过条件生成对抗网络从二维图像进行属性约束的三维多孔介质重建

Ali Sadeghkhani, Brandon Bennett, Arash Rabbani

机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 提出基于二维薄片图像训练的条件生成对抗网络框架，结合属性条件生成与二维到三维重建，无需昂贵三维训练数据，保持对岩石物理属性控制，用混合架构和增强U-Net模型，在两类碳酸盐样本上验证成功。

Comments 6 pages, 3 figures. Submitted to the 87th EAGE Annual Conference & Exhibition, Aberdeen, UK, June 2026

Journal ref 87th EAGE Annual Conference & Exhibition, 2026, Vol. 2026, pp. 1-5

Diversity-aware View Partitioning for Scalable VGGT

面向可扩展VGGT的多样性感知视图划分

Jinsoo Park, Donggyu Choi, Ahyun Seo, Minsu Cho, Jeany Son

机构 * POSTECH（浦项科技大学） ； GIST（光州科学技术院） ； KAIST（韩国科学技术院） ； RLWRLD 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 针对VGGT在大量视图下注意力计算成本高且冗余视图降低性能的问题，提出基于视觉差异和空间分散的图划分方法，将视图组织为多样性感知的平衡块，减少冗余注意力交互，提升相机位姿估计、多视图深度预测和3D重建性能。

Comments 34 pages, 11 figures, Accepted to ECCV 2026

Cam2Sim: Neural Scenario Reconstruction for Closed-Loop Autonomous Driving Simulation

Cam2Sim：用于闭环自动驾驶模拟的神经场景重建

Davide Jannussi, Stefano Carlo Lambertenghi, Constantin Carste, Andrea Stocco

专题命中 三维重建 ：Gaussian Splatting(abstract)

AI总结 为解决合成模拟器输出与真实相机观测差距问题，提出Cam2Sim工具，从相机图像和姿态重建多种元素，用高斯溅射增强环境，支持多环节，验证表明其缩小视觉差距并提升行为相似度。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26) - Tools and Datasets track

Adaptive Time-step Training for Enhancing Spike-Based Neural Radiance Fields

用于增强基于脉冲的神经辐射场的自适应时间步长训练

Ranxi Lin, Canming Yao, Jiayi Li, Weihang Liu, Xin Lou, Pingqiang Zhou

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） 纠错

专题命中 NeRF ：NeRF(abstract)；分类 cs.CV

AI总结 研究针对基于脉冲的神经辐射场模型固定推理时间步长效率低的问题，提出PATA框架，通过参数化目标推理时间步长并两阶段训练，结合多种策略降低推理成本并保持渲染质量。

Fast 3D Foundation Model Initialized Gaussian Splatting

快速3D基础模型初始化高斯点云渲染

Anurag Dalal, Daniel Hagen, Kjell G. Robbersmyr, Kristian Muri Knausgård

机构 * Aust-Agder utviklings- og kompetansefond (AAUKF)（奥斯特-阿格德尔发展与能力基金） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR、cs.RO

AI总结 介绍一种无需传统运动结构方法的高质量3D高斯点云重建快速方法，利用3D基础模型初始化相机姿态和点云，通过深度引导损失函数联合优化，提升稀疏视图重建质量，减少训练时间。

Comments 8 pages, 5 figures, 5 tables. Accepted at ICECET 2026

Journal ref 2026 6th International Conference on Electrical, Computer and Energy Technologies (ICECET), Rome, Italy, July 6-9, 2026

Sparse-View Surface Reconstruction using Gaussian Splatting through High-Confidence Depth Propagation with Normal Priors

通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建

Liang Han, Bangcai Wei, Junsheng Zhou, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)

AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。

Comments Accepted by ECCV 2026

AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting

AnchorSplat：用于高斯泼溅的快速且结构一致的细节合成

Dexu Zhu, Jiangnan Shao, Xiaofeng Wang, Junxian Duan, Jie Cao, Zheng Zhu, Huaibo Huang

机构 * MAIS&NLPR, CASIA（中国科学院自动化研究所模式识别国家重点实验室） ； GigaAI ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 提出AnchorSplat，一种端到端3D原生深度网络，通过点锚机制实现几何一致性，无需原始多视图图像，在3DGS-SR基准上实现比优化方法快10^5倍的细节合成。

Comments Accepted by ECCV2026. Code: https://github.com/zhude233/AnchorSplat

StereoGS: Sparse-View 3D Gaussian Splatting via Stereo Priors

StereoGS: 基于立体先验的稀疏视角3D高斯泼溅

Wenhao Yuan, Yiyuan Ge, Deli Cai

机构 * South China University of Technology, China（华南理工大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出StereoGS框架，利用立体深度正则化和梯度感知不透明度衰减策略，在稀疏视角下实现高质量3D重建和新视角合成，无需额外推理开销。

Comments 15 pages, 6 figures, accepted to ECCV 2026, project page: https://stringerywh00.github.io/StereoGS_project_page/

Provable Pruning for Efficient 3D Gaussian Splatting via Coresets

通过核心集实现高效3D高斯点云的可证明剪枝

Waseem Mousa, Alaa Maalouf

机构 * Department of Computer Science, University of Haifa（海法大学计算机科学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR

AI总结 研究3D高斯点云场景能否用更小加权子集替代以保持目标，先证无平凡乘法核心集，后给出特定分辨率下核心集构造定理，依敏感度采样高斯点，还将目标保证转为渲染保证，性能达最优。

Comments 39 pages, 15 figures, including supplementary material. Code: https://github.com/waseem-m/3dgs_provable_coresets

TemporalGS: Training-Free Plug-and-Play Acceleration for 3D Gaussian Splatting Rendering via Temporal Priors

TemporalGS：通过时间先验实现无训练即插即用的3D高斯点渲染加速

Yuhongze Zhou, Zihao Yang, Xinxin Zuo, Juwei Lu

机构 * McGill University（麦吉尔大学） ； University of Waterloo（滑铁卢大学） ； Concordia University（康考迪亚大学） ； University of Toronto（多伦多大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR

AI总结 研究针对3D高斯点渲染在高帧率和低延迟方面的挑战，提出TemporalGS，利用时间先验减少连续帧高斯预处理等操作冗余，有动态剔除和选择性渲染策略，可加速渲染且无需训练。

DL-SLAM: Enabling High-Fidelity Gaussian Splatting SLAM in Dynamic Environments based on Dual-Level Probability

DL-SLAM：基于双层次概率的动态环境中高保真高斯泼溅SLAM

Ziheng Xu, Qingfeng Li, Xuefeng Liu, Chen Chen, Jianwei Niu

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.RO

AI总结 提出DL-SLAM，通过双层次概率框架结合语义与几何信息，实现动态环境中高保真高斯泼溅SLAM，提升跟踪精度达13%并生成无伪影静态地图。

WildSplat: Feedforward Gaussian Splatting from Unposed In-the-Wild Images

WildSplat：基于无位姿野外图像的前向高斯溅射方法

Xiyu Zhang, Jingyu Zhuang, Hongjia Zhai, Zizheng Yan, Jinwei Chen, Guofeng Zhang, Qingnan Fan

机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； vivo BlueImage Lab（vivo蓝河图像实验室） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对前向3D重建在光照变化场景下性能不佳的问题，提出双分支解耦架构的WildSplat框架，实现单步前向的野外新视角合成与外观编辑SOTA性能。

Comments 22 pages, 9 figures; Accepted by ECCV 2026. Project page: https://zju3dv.github.io/wildsplat/

SharpSplat: Edge-Regularized 3D Gaussian Splatting for High Fidelity Urban Building Reconstruction from UAV images

SharpSplat：用于从无人机图像进行高保真城市建筑重建的边缘正则化3D高斯点云渲染

Porus Vaid, Shivam Chopra, Vaibhav Kumar

机构 * IISER Bhopal（印度比哈尔州理工学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV

AI总结 针对无人机图像重建高保真3D建筑模型时，现有3D高斯点云渲染技术在建筑立面上存在不足的问题，提出语义边缘正则化框架，利用SAM生成建筑掩码提取边缘，训练时对齐渲染图像梯度，提升边缘保真度。

Comments Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) - 2026

Signal Structure-Aware Gaussian Splatting for Large-Scale Scene Reconstruction

面向大规模场景重建的结构感知高斯泼溅

Weiyi Xue, Fan Lu, Chi Zhang, Tianhang Wang, Sanqing Qu, Zehan Zheng, Boyuan Zheng, Junqiao Zhao, Guang Chen

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Westwell Technology Co., Ltd（上海西井科技股份有限公司） ； Beijing University of Technology（北京工业大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对大规模场景中稀疏观测区域导致的高斯过度密集和冗余问题，提出SIG调度器，通过信号结构恢复视角同步图像监督与高斯频率，并引入球约束高斯控制优化，显著提升效率与渲染质量。

CubifyGS: Object-Centric 3D Gaussian Splatting for Lifelong Dynamic Scene Maintenance

CubifyGS: 面向对象的3D高斯泼溅用于终身动态场景维护

Bohan Ren, Dianyi Yang, Shiyang Liu, Yu Gao, Jiadong Tang, Zhilin Lai, Yi Yang, Mengyin Fu

机构 * School of Automation, Beijing Institute of Technology, Beijing, China（北京理工大学自动化学院，北京，中国） ； Guangzhou Saite Intelligent Technology Co., Ltd.（广州赛泰智能科技有限公司） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO

AI总结 提出CubifyGS，一种面向对象的映射框架，通过将可移动实例建模为可重用高斯资产，并采用事件触发自适应优化，实现刚性物体重排下的高效动态场景维护。

Comments Accepted to IROS 2026. 8 pages, 5 figures, 4 tables

SA-ResGS: Self-Augmented Residual 3D Gaussian Splatting for Next Best View Selection

SA-ResGS：用于下一个最佳视图选择的自增强残差3D高斯点云绘制

Kim Jun-Seong, Tae-Hyun Oh, Eduardo Pérez-Pellitero, Youngkyoon Jang

机构 * POSTECH（POSTECH大学） ； KAIST（韩国科学技术院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Rivian 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 提出SA-ResGS框架，通过生成自增强点云稳定不确定性量化，增强不确定性感知监督。采用残差学习策略应对高斯分布监督不足问题，贡献包括物理视图选择策略、不确定性感知残差监督方案等，实验表明其性能优于基线。

Comments Accepted at ECCV 2026. Project page: https://saresgs.github.io/

Fourier Splatting: Generalized Fourier encoded primitives for scalable radiance fields

傅里叶点绘：通用傅里叶编码原语用于可扩展辐射场

Mihnea-Bogdan Jurca, Bert Van hauwermeiren, Adrian Munteanu

机构 * Vrije Universiteit Brussel（布鲁塞尔自由大学） ； Technical University of Cluj-Napoca（克卢日-纳波卡技术大学） 纠错

专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出傅里叶点绘，一种可扩展的辐射场渲染原语，通过参数化平面点云的傅里叶编码描述获得任意封闭形状的原语，实现不同细节层次的渲染。

Real-Time LiDAR Gaussian Splatting SLAM

实时激光雷达高斯点云拼接SLAM

Seungjun Tak, Yewon Jeon, Jaeik Hwang, SukMin Hwang, Seongbo Ha, Hyeonwoo Yu

机构 * Sungkyunkwan University（成均馆大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV、cs.RO

AI总结 提出基于激光雷达的高斯点云拼接SLAM实时框架，将快速G-ICP配准与球形光栅化密集映射紧密结合，利用激光雷达几何信息优化地图，引入几何分数改进效果，在多数据集实验验证其性能。

Comments 18 pages, 5 figures