自动驾驶

CLRNet: Targetless Extrinsic Calibration for Camera, Lidar and 4D Radar Using Deep Learning

CLRNet：基于深度学习的无目标外校准方法用于摄像头、激光雷达和4D雷达

Marcell Kegl, Andras Palffy, Csaba Benedek, Dariu M. Gavrila

机构 * Hungarian Research Network Institute for Computer Science and Control (HUN-REN SZTAKI)（匈牙利研究网络计算机科学与控制研究所） ； Pázmány Péter Catholic University（帕兹曼·佩斯特天主教大学） ； Intelligent Vehicles Group, TU Delft（智能车辆组，代尔夫特理工大学） ； Perciv AI 纠错

专题命中 多传感器融合 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 本文提出CLRNet，一种多模态端到端深度学习网络，用于摄像头、激光雷达和4D雷达的联合校准或配对校准，通过等距投影、基于摄像头的深度图像预测和雷达通道等方法，提升校准精度。

Comments Submitted to IEEE Transactions on Intelligent Vehicles

$x^2$-Fusion: Cross-Modality and Cross-Dimension Flow Estimation in Event Edge Space

$x^2$-Fusion：事件边缘空间中的跨模态和跨维度流估计

Ruishan Guo, Ciyu Ruan, Haoyang Wang, Zihang Gong, Jingao Xu, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出$x^2$-Fusion方法，通过事件边缘空间实现跨模态和跨维度流的统一表示，提升动态场景理解的准确性和鲁棒性。

Comments This version is the camera-ready version accepted at CVPR 2026

4D Radar-Inertial Odometry based on Gaussian Modeling and Multi-Hypothesis Scan Matching

基于高斯建模和多假设扫描匹配的4D雷达-惯性里程计

Fernando Amodeo, Luis Merino, Fernando Caballero

机构 * Service Robotics Laboratory, Universidad Pablo de Olavide（服务机器人实验室， Pablo de Olavide 大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出基于高斯分布的4D雷达场景表示方法，通过全局优化提升注册精度，并通过多假设优化避免局部最优，实验表明其在雷达-惯性里程计任务中表现优异。

Comments Our code and results can be publicly accessed at: https://github.com/robotics-upo/gaussian-rio-cpp Accepted for publication in IEEE Robotics and Automation Letters