自动驾驶

A Novel Segment-Based Tracking Algorithm for HLT under High-Occupancy and Complex Conditions

一种用于高占能和复杂条件下的新型基于段的跟踪算法

Pengkun Jia, Zhujun Fang, Hang Zhou, Yuhe Huang, Changqing Feng, Jianbei Liu

专题命中 感知 ：occupancy(title,abstract)

AI总结 本文提出一种基于跟踪段的新型HLT跟踪算法，通过优化边缘矩阵和合并立体超层段，减少存储段数和边缘矩阵大小，提升HLT跟踪性能，实现数据压缩比达50%-70%。

Hardware Utilization and Inference Performance of Edge Object Detection Under Fault Injection

边缘目标检测在故障注入下的硬件利用与推断性能

Faezeh Pasandideh, Mehdi Azarafza, Achim Rettberg

机构 * Hamm-Lippstadt University of Applied Sciences (HSHL)（哈姆-利普施塔特应用科学大学（HSHL）） 纠错

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

AI总结 研究通过故障注入测试评估了TensorRT优化的YOLO模型在边缘平台上的硬件行为，发现其在资源降级下保持稳定性能，为边缘推断可靠性提供硬件层面的视角。

3DTMDet: A Dual-Path Synergy Network of Transformer and SSM for 3D Object Detection in Point Clouds

3DTMDet：一种结合Transformer和SSM的双路径协同网络用于点云中的3D目标检测

Bingwen Qiu, Yuan Liu, Junqi Bai, Tong Jiang, Ben Liang, Fangzhou Chen, Xiubao Sui, Qian Chen

机构 * School of Electronic and Optical Engineering（电子与光学工程学院） ； The 28th Research Institute of China Electronics Technology Group Corporation（中国电子科技集团第二十八研究所） ； College of Astronautics（航天学院） ； School of Information and Communication Engineering（信息与通信工程学院） ； State key Laboratory of Extreme Environment Optoelectronic Dynamic Measurement Technology and Instrument（极端环境光电动态测量技术与仪器国家重点实验室） 纠错

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

AI总结 本文提出3DTMDet网络，结合SSM和Transformer，解决点云检测中稀疏点与远距离上下文理解的矛盾，通过3D混合Mamba Transformer模块和体素生成模块提升检测性能。

Multimodal Object Detection Under Sparse Forest-Canopy Occlusion

多模态目标检测在稀疏森林冠层遮挡下的应用

Nitik Jain, Mangal Kothari

机构 * Robotics & AI, Johns Hopkins University, USA（约翰霍普金斯大学机器人与人工智能系，美国） ； Department of Aerospace Engineering, IIT Kanpur（印度理工学院坎浦尔航空航天工程系） ； Senior Principal Flight Control Engineer, ADASI, EDGE Group, Abu Dhabi, UAE（阿布扎赫尔ADASI高级飞行控制系统工程师，EDGE集团） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出一种多模态管道，结合激光雷达、可见-热成像融合和合成孔径成像技术，以提高森林冠层下人类检测的可靠性，展示了改进的YOLOv5检测器在热成像和融合图像上的性能。

Learning Context-conditioned Gaussian Overbounds for Convolution-Based Uncertainty Propagation

基于卷积的不确定性传播的上下文条件高斯上界学习

Ruirui Liu, Xuejie Hou, Yiping Jiang, Hui Ren

机构 * Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（航空与航空工程系，香港理工大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出一种统一的学习框架，通过训练神经网络生成上下文感知的高斯上界，确保在有限分位数网格上具有可证明的保守性，并在满足三个显式正则性假设时在认证区间内保持连续尾保守性。