3D 视觉

Deep Unrolling of Sparsity-Induced RDO for 3D Point Cloud Attribute Coding

用于3D点云属性编码的稀疏诱导RDO深度展开

Tam Thuc Do, Philip A. Chou, Gene Cheung

机构 * department of EECS, York University（EECS系，约克大学） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 研究3D点云属性编码中多分辨率B样条投影框架下的有损压缩问题，核心方法是将RD优化算法展开为前馈网络计算投影低通系数，主要贡献是使投影操作端到端可微且能数据驱动优化预测。

Efficiently Closing Loops in LiDAR-Based SLAM Using Point Cloud Density Maps

利用点云密度地图高效关闭LiDAR基于SLAM中的环路

Saurabh Gupta, Tiziano Guadagnino, Benedikt Mersch, Niklas Trekel, Meher V. R. Malladi, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） 纠错

专题命中 点云 ：point cloud(title)；分类 cs.RO

AI总结 本文提出了一种鲁棒的环路关闭检测方法，通过生成局部地图并使用地面对齐模块处理平面和非平面运动，实现高效的SLAM系统。

Comments Accepted for publication at the International Journal of Robotics Research on 14 April, 2026

A novel network for classification of cuneiform tablet metadata

一种用于楔形文字泥板元数据分类的新型网络

Frederik Hagelskjær

机构 * SDU Robotics, University of Southern Denmark（丹麦南部大学机器人研究所） 纠错

专题命中 点云 ：point cloud(abstract,comments)；分类 cs.CV

AI总结 本文提出了一种新型网络，通过缩小点云并整合局部和全局信息，有效提升楔形文字泥板元数据分类性能。

Comments Point cloud, deep learning, cuneiform

WNOJ-LIO: A White-Noise-on-Jerk Motion-Prior EKF for High-Dynamic LiDAR-IMU Fusion

WNOJ-LIO：一种用于高动态激光雷达-惯性测量单元融合的基于加加速度白噪声运动先验的扩展卡尔曼滤波器

Junning Lyu, Qizhi Guo, Xia Ning, Tao Song, Shaoming He

机构 * School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学宇航学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 研究高动态驾驶下激光雷达-IMU融合问题，提出基于加加速度白噪声运动先验的扩展卡尔曼滤波器框架WNOJ-LIO，通过解耦先验预测状态、视IMU为高频测量源，经仿真和实际实验验证，提升了相关性能。

Understanding Fire Through Thermal Radiation Fields for Mobile Robots

通过热辐射场理解火灾以实现移动机器人安全导航

Anton R. Wagner, Madhan Balaji Rao, Xuesu Xiao, Sören Pirk

机构 * Department of Computer Science, Kiel University（计算机科学系，基尔大学） ； Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出通过实时热辐射场帮助移动机器人安全导航，利用斯特凡-玻尔兹曼定律识别火灾并生成热安全路径。

PokeNet: Learning Kinematic Models of Articulated Objects from Human Observations

PokeNet: 从人类观察中学习机械结构模型

Anmol Gupta, Weiwei Gu, Omkar Patil, Jun Ki Lee, Nakul Gopalan

机构 * School of Computation and AI, ASU, Tempe（计算与人工智能学院，亚利桑那州立大学） ； AI Institute, Seoul National University, Seoul, South Korea（首尔国立大学人工智能研究所） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 PokeNet通过单个人类示范学习机械结构模型，无需先验知识，提升关节轴和状态估计精度达27%。

Efficient LiDAR Reflectance Compression via Scanning Serialization

通过扫描序列化实现高效的激光雷达反射率压缩

Jiahao Zhu, Kang You, Dandan Ding, Zhan Ma

机构 * School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China（信息科学与技术学院，杭州师范大学） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 研究针对激光雷达反射率在神经压缩方法中未充分探索的问题,提出基于序列化的SerLiC框架。通过扫描序列化转换点云、标记点及采用双并行化方案建模,实验表明其压缩效果优,轻量级版本性能好,对实际应用有吸引力。

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 点云 ：point cloud(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。