自动驾驶

UniLGL: Learning Uniform Place Recognition for FOV-limited/Panoramic LiDAR Global Localization

UniLGL：学习适用于视场受限/全景激光雷达全局定位的统一地方识别

Hongming Shen, Xun Chen, Yulin Hui, Zhenyu Wu, Wei Wang, Qiyang Lyu, Tianchen Deng, Danwei Wang

机构 * School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院） 纠错

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

AI总结 UniLGL通过编码完整点云生成空间和材质均匀性，结合多BEV融合网络实现统一特征提取，引入视角不变假设提升异构激光雷达的鲁棒性，最终在真实环境中验证了其在高精度定位与多无人机协同探索中的有效性。

Journal ref IEEE TRANSACTIONS ON ROBOTICS, 2026

Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop

仅源域跨天气LiDAR点云几何感知

YoungJae Cheong, Jhonghyun An

机构 * School of Computing, Gachon University（嘉泉大学计算机学院） 纠错

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

AI总结 本文提出几何感知适配器，通过局部窗口KNN搜索和水平圆填充，提升LiDAR语义分割在恶劣天气下的鲁棒性，实现+3.4mIoU的提升。

Comments Accepted by ICRA 2026

DCReg: Decoupled Characterization for Efficient Degenerate LiDAR Registration

DCReg: 用于高效退化LiDAR配准的解耦表征

Xiangcheng Hu, Xieyuanli Chen, Mingkai Jia, Jin Wu, Ping Tan, Steven L. Waslander

机构 * Hong Kong University of Science and Technology（香港科技大学） ； National University of Defense Technology（国防科技大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出DCReg方法，通过解耦配准问题中的退化因素，提高配准稳定性与精度，实验显示在多种环境中实现更高的定位精度和更快的计算速度。

Comments 27 pages, 19 figures, 9 tables

Recirculating frequency-shifting loop for flexible optical chirp generation and FMCW LiDAR

回流频率调制环用于灵活的光学啁啾生成和FMCW激光雷达

Alexander Mrokon, Sebastian Schöler, Leonard Vossgrag, Karsten Buse, Ingo Breunig

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文提出了一种回流频率调制环，用于生成可调带宽、持续时间、啁啾率和重复率的相干光学啁啾光，展示了其在FMCW激光雷达中的应用潜力。

Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors

Points-to-3D: 基于点云先验的结构感知3D生成

Jiatong Xia, Zicheng Duan, Anton van den Hengel, Lingqiao Liu

机构 * Australian Institute for Machine Learning, University of Adelaide, Australia（澳大利亚阿德莱德大学澳大利亚机器学习研究所） 纠错

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

AI总结 本文提出Points-to-3D框架，利用点云先验生成可控的3D资产和场景，通过结构修复网络和分阶段采样策略提升几何精度和渲染质量。

Comments Accepted by CVPR 2026