自动驾驶

Learning Geometric and Photometric Features from Panoramic LiDAR Scans for Outdoor Place Categorization

从全景LiDAR扫描中学习几何和光度特征用于户外场所分类

Kazuto Nakashima, Hojung Jung, Yuki Oto, Yumi Iwashita, Ryo Kurazume, Oscar Martinez Mozos

机构 * Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程研究生院） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程学部） ； Technical University of Cartagena（卡塔赫纳技术大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出利用CNN处理LiDAR获取的全景深度/反照率图像，通过构建MPO数据集实现户外场所分类，优于传统方法，验证了深度与反照率模态的联合使用有效性。

Comments Published in Advanced Robotics on 31 Jul 2018

Journal ref Advanced Robotics, 32(14):750-765, 2018

Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs

一致且高效的基于MSCKF的无人机激光雷达-惯性里程计与推断的簇到平面约束

Jinwen Zhu, Xudong Zhao, Fangcheng Zhu, Jun Hu, Shi Jin, Yinian Mao, Guoquan Huang

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

AI总结 本文提出了一种针对无人机的高效紧密耦合LIO框架，通过推断的平面特征构建共面约束，利用空域投影消除状态向量中的特征参数依赖，提升一致性与效率，实现实时运行于资源受限平台。

Spectral-Geometric Neural Fields for Pose-Free LiDAR View Synthesis

光谱-几何神经场用于无姿态激光雷达视角合成

Yinuo Jiang, Jun Cheng, Yiran Wang, Cheng Cheng

机构 * School of AIA, Huazhong University of Science and Technology（华中科技大学人工智能学院） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 本文提出SG-NLF框架，通过融合光谱信息与几何一致性实现无姿态激光雷达视角合成，提升重建质量和姿态精度。

Comments Accepted by CVPR 2026

IGASA: Integrated Geometry-Aware and Skip-Attention Modules for Enhanced Point Cloud Registration

IGASA: 集成几何感知和跳过注意力模块的增强点云配准

Dongxu Zhang, Jihua Zhu, Shiqi Li, Wenbiao Yan, Haoran Xu, Peilin Fan, Huimin Lu

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出IGASA框架，通过层次金字塔架构和HCLA、IGAR模块提升点云配准的鲁棒性和精度，实验表明其在多个基准数据集上优于现有方法。