自动驾驶

Benchmarking Multi-View BEV Object Detection with Mixed Pinhole and Fisheye Cameras

基于混合针孔和鱼眼相机的多视图鸟眼图物体检测基准测试

Xiangzhong Liu, Hao Shen

机构 * Machine Learning Group, fortiss GmbH（fortiss GmbH机器学习组） 纠错

专题命中 感知 ：BEV(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出混合相机配置下的多视图鸟眼图检测基准，通过转换KITTI-360为nuScenes格式，评估了三种BEV架构在不同策略下的性能，证明投影自由架构更抗鱼眼畸变。

Comments 8 pages,5 figures, IEEE International Conference on Robotics and Automation (ICRA),Vienna, Austria, 1-5 June 2026

Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal

Ghost-FWL: 一种大规模全波形激光雷达数据集用于鬼影检测与去除

Kazuma Ikeda, Ryosei Hara, Rokuto Nagata, Ozora Sako. Zihao Ding, Takahiro Kado, Ibuki Fujioka, Taro Beppu, Mariko Isogawa, Kentaro Yoshioka

机构 * Keio University（庆应义塾大学） ； Sony Semiconductor Solutions（索尼半导体解决方案） 纠错

专题命中 感知 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出Ghost-FWL数据集，用于解决移动激光雷达中鬼影点的检测与去除问题，通过全波形激光雷达数据提升3D映射和定位精度，实验表明其在SLAM和目标检测任务中效果显著。

Comments Accepted to CVPR 2026 (Main)

Efficient Mixture-of-Expert for Video-based Driver State and Physiological Multi-task Estimation in Conditional Autonomous Driving

高效多专家模型用于基于视频的驾驶员状态和生理多任务估计在条件自动驾驶中

Jiyao Wang, Xiao Yang, Zhenyu Wang, Ximeng Wei, Ange Wang, Dengbo He, Kaishun Wu

机构 * the Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Hong Kong（香港大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI

AI总结 本文提出VDMoE模型，通过RGB视频和远程PPG数据监测驾驶员状态，优化多专家框架以提升多模态输入下的检测效率与准确性，通过新数据集验证其在条件自动驾驶中的有效性。

TerraSeg: Self-Supervised Ground Segmentation for Any LiDAR

TerraSeg: 任意LiDAR的自监督地面分割

Ted Lentsch, Santiago Montiel-Marín, Holger Caesar, Dariu M. Gavrila

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Alcalá（阿尔卡拉大学） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 TerraSeg通过自监督学习实现任意LiDAR的地面分割，利用大规模统一数据集OmniLiDAR提升泛化能力，无需人工标注即可在多个数据集上取得最优性能。

Comments CVPR 2026

UniDA3D: A Unified Domain-Adaptive Framework for Multi-View 3D Object Detection

UniDA3D：一种统一的多视图3D目标检测领域自适应框架

Hongjing Wu, Cheng Chi, Jinlin Wu, Yanzhao Su, Zhen Lei, Wenqi Ren

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） 纠错

专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 UniDA3D通过统一领域自适应方法提升多视图3D目标检测在复杂环境下的鲁棒性，采用新颖的查询引导领域差异缓解模块和动态伪标签训练策略，实现跨多领域的一致性学习。

ContraMap: Contrastive Uncertainty Mapping for Robot Environment Representation

ContraMap：基于对比学习的机器人环境表示不确定性映射

Chi Cuong Le, Weiming Zhi

机构 * School of Computer Science and the Australian Centre for Robotics, University of Sydney（悉尼大学计算机科学学院与澳大利亚机器人中心） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 ContraMap通过对比学习方法，结合核基判别图和显式不确定性类，实现实时环境预测与空间不确定性估计，优于贝叶斯核图基线。

TwinMixing: A Shuffle-Aware Feature Interaction Model for Multi-Task Segmentation

TwinMixing：一种面向多任务分割的洗牌感知特征交互模型

Minh-Khoi Do, Huy Che, Dinh-Duy Phan, Duc-Khai Lam, Duc-Lung Vu

机构 * University of Information Technology（信息技术大学） ； Vietnam National University（越南国立大学） 纠错

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

AI总结 本文提出TwinMixing模型，通过共享编码器和任务专用解码器实现特征共享与任务专精，结合高效金字塔混合模块和双分支上采样块，在BDD100K数据集上验证了其在 drivable-area 和 lane 分割中的高效准确性能。

Journal ref Results in Engineering 30 (2026) 109982

An Annotation-to-Detection Framework for Autonomous and Robust Vine Trunk Localization in the Field by Mobile Agricultural Robots

一种用于田间自主和鲁棒葡萄藤主干定位的标注到检测框架

Dimitrios Chatziparaschis, Elia Scudiero, Brent Sams, Konstantinos Karydis

机构 * Dept. of Environmental Sciences, Univ. of California, Riverside（加州大学河滨分校环境科学系） ； Gallo（嘉露酒庄） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一种标注到检测框架，利用有限标注数据训练多模态检测器，通过跨模态标注转移和早起传感器融合，提升田间葡萄藤主干定位的鲁棒性与准确性。

Comments 7 pages, 6 figures, conference

A Self-Rotating Tri-Rotor UAV for Field of View Expansion and Autonomous Flight

一种用于视野扩展和自主飞行的自旋转三旋翼无人机

Xiaobin Zhou, Zihao Zheng, Aoxu Jin, Lei Qiang, Bo Zhu

机构 * School of Robotics and Automation, Nanjing University（南京大学机器人学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出SPINNER无人机，通过持续旋转扩大摄像头和激光雷达的视野，提升环境感知效率，并实现三维定位和姿态控制。

Intelligent Road Condition Monitoring using 3D In-Air SONAR Sensing

利用3D空中SONAR传感进行智能道路状况监测

Amber Cassimon, Robin Kerstens, Walter Daems, Jan Steckel

机构 * Department of Electronics and ICT Engineering Technology, Cosys-Lab Research Group, University of Antwerp（安特卫普大学电子与ICT工程技术系Cosys-Lab研究组） ； Flanders Make Strategic Research Centre（弗兰德斯制造战略研究中心） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文研究了空中3DSONAR传感器在道路表面状况监测中的应用，通过单个数据集实现道路材料分类和道路损坏检测，采用SONAR传感在恶劣天气下表现更优，但损坏检测准确率仍需提升。

Comments 10 pages, 9 figures, 2 tables

S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking

S3KF：基于旋转激光雷达和四鱼眼相机的全景三维多目标跟踪框架

Zhongyuan Liu, Shaonan Yu, Jianping Li, Pengfei Wan, Xinhang Xu, Pengfei Wang, Maggie Y. Gao, Lihua Xie

机构 * CertaintyX ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； ST Engineering（新科工程） ； School of Civil and Environmental Engineering, Nanyang Technological University（南洋理工大学土木与环境工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出S3KF框架，利用旋转激光雷达和四鱼眼相机实现全景三维多目标跟踪，通过球面状态表示和扩展球面卡尔曼滤波提升跟踪精度与实时性。

Unleashing the Power of Chain-of-Prediction for Monocular 3D Object Detection

释放链式预测在单目3D物体检测中的潜力

Zhihao Zhang, Abhinav Kumar, Girish Chandar Ganesan, Xiaoming Liu

机构 * Michigan State University（密歇根州立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出MonoCoP框架，通过链式预测和不确定性引导选择器结合，提升单目3D检测的深度精度，尤其在远距离物体上表现优异。

Journal ref CVPR 2026