自动驾驶 - arXivDaily 专题

2604.23604 2026-04-28 cs.CV cs.RO 84%

Learning to Identify Out-of-Distribution Objects for 3D LiDAR Anomaly Segmentation

学习识别分布外对象以进行3D激光雷达异常分割

Simone Mosco, Daniel Fusaro, Alberto Pretto

机构 * University of Padova（帕多瓦大学）

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

AI总结本文提出了一种高效方法，直接在特征空间中操作，通过建模内类特征分布来约束异常样本，同时引入混合真实-合成数据集以解决3D激光雷达异常分割中的领域差距问题。

Comments This paper has been accepted at the 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

2604.24044 2026-04-28 cs.CV 83%

CLLAP: Contrastive Learning-based LiDAR-Augmented Pretraining for Enhanced Radar-Camera Fusion

CLLAP：基于对比学习的激光雷达增强预训练用于增强雷达-相机融合

Bingyi Liu, Chuanhui Zhu, Hongfei Xue, Jian Teng, Jipeng Liu, Enshu Wang, Penglin Dai, Pu Wang

机构 * Wuhan University of Technology（武汉理工大学）； University of North Carolina at Charlotte（北卡罗来纳州立大学）； Wuhan University（武汉大学）； Southwest Jiaotong University（西南交通大学）； The Hong Kong Polytechnic University（香港理工大学）

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

AI总结 CLLAP通过利用丰富的激光雷达数据生成伪雷达数据，结合双阶段双模态对比学习策略，提升雷达-相机融合模型的特征提取能力，实验证明在NuScenes和Lyft Level 5数据集上显著提升3D目标检测性能。

Comments accepted by 2026 CVPR Findings

2604.23010 2026-04-28 cs.CV cs.RO 82%

GenAssets: Generating in-the-wild 3D Assets in Latent Space

GenAssets：在真实世界中生成3D资产的潜在空间

Ze Yang, Jingkang Wang, Haowei Zhang, Sivabalan Manivasagam, Yun Chen, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学）

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

AI总结本文提出一种基于潜在空间的3D生成模型，利用真实世界LiDAR和相机数据生成高质量3D资产，通过重建-生成方法提升模拟中的多样性和可扩展性。

Comments CVPR 2025. Project page: https://waabi.ai/genassets

2604.24628 2026-04-28 cs.RO 57%

Real-time windrow detection from onboard tractor sensors for automated following

从车载拖拉机传感器实时检测风堆

Lorenz Gunreben, Nico Heider, Sebastian Zürner, Martin Schieck, Bogdan Franczyk

机构 * Leipzig University（莱比锡大学）

专题命中激光雷达：LiDAR(abstract)；分类 cs.RO

AI总结本文提出一个结合立体视觉和激光雷达的多模态数据集，用于实时风堆跟随，展示了低成本立体相机与激光雷达的性能一致性，提供开源ROS 2管道以支持自主牧草收获系统开发。

Comments Published in the proceedings of the 46th GIL Annual Conference (GIL-Jahrestagung 2026)

2604.22807 2026-04-28 math.OC cs.LG cs.SY eess.SY stat.ML 50%

Sliced Wasserstein Steering between Gaussian Measures

切片Wasserstein方向控制高斯测度

Kaito Ito, Anqi Dong

机构 * Department of Information Physics and Computing, The University of Tokyo（信息物理与计算系，东京大学）； Department of Decision and Control Systems and Department of Mathematics, KTH Royal Institute of Technology（决策与控制系统系和数学系，皇家理工学院）

专题命中激光雷达：LiDAR(abstract)

AI总结本文提出一种切片反馈控制器，通过在球面上投影概率分布并合成一维速度，实现分布的高效操控。该方法在高斯分布下能准确导向目标分布，并将能耗与切片Wasserstein距离关联。

Comments Accepted at the European Control Conference 2026

1. 激光雷达 5 篇

Learning to Identify Out-of-Distribution Objects for 3D LiDAR Anomaly Segmentation

CLLAP: Contrastive Learning-based LiDAR-Augmented Pretraining for Enhanced Radar-Camera Fusion

GenAssets: Generating in-the-wild 3D Assets in Latent Space

Real-time windrow detection from onboard tractor sensors for automated following

Sliced Wasserstein Steering between Gaussian Measures