视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-03-24 至 2026-03-24 共收录 3 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 多传感器融合 3 篇

2603.21987 2026-03-24 cs.CV cs.AI 88%

LRC-WeatherNet: LiDAR, RADAR, and Camera Fusion Network for Real-time Weather-type Classification in Autonomous Driving

LRC-WeatherNet：用于自动驾驶中实时天气类型分类的激光雷达、雷达和摄像头融合网络

Nour Alhuda Albashir, Lars Pernickel, Danial Hamoud, Idriss Gouigah, Eren Erdal Aksoy

机构 * Halmstad University, School of Information Technology, Center for Applied Intelligent Systems Research（哈姆斯塔德大学，信息科技学院，应用智能系统研究中心）

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

AI总结本文提出LRC-WeatherNet，通过融合激光雷达、雷达和摄像头数据，实现在恶劣天气下的实时天气分类，优于单一传感器基线，且在MSU-4S数据集上表现优异。

Comments Accepted for publication at IEEE Intelligent Vehicles Symposium - IVS 2026

2506.22507 2026-03-24 cs.NI cs.MA eess.SP 67%

A Unified Cloud-Edge-Terminal Framework for Multimodal Integrated Sensing and Communication

多模态感知与通信一体化的统一云-边-终端框架

Yubo Peng, Luping Xiang, Kun Yang, Feibo Jiang, Kezhi Wang, Christos Masouros

专题命中多传感器融合：autonomous driving(abstract)；LiDAR(abstract)

AI总结本文提出统一云-边-终端框架，通过多模态感知与通信融合，解决异构融合、通信开销和系统扩展性等挑战，提升任务导向的多模态感知能力。

2603.21661 2026-03-24 cs.CV cs.AI cs.GR cs.LG cs.MM 62%

Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis

跨场景去雨适应：超像素结构先验与多阶段伪雨合成

Kangbo Zhao, Miaoxin Guan, Xiang Chen, Yukai Shi, Jinshan Pan

机构 * School of Information Engineering, Guangdong University of Technology（广东工业大学信息工程学院）； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）

专题命中多传感器融合：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结本文提出一种无需配对雨天数据的跨场景去雨适应框架，通过超像素生成模块提取结构先验，结合多阶段伪雨合成提升去雨性能，实验表明在未知分布领域取得显著PSNR提升。

Comments We aim at addressing the cross-scenario (i.e., O.O.D) de-rain challenge, which has been neglected for a long period