自动驾驶

LXD-SLAM: LiDAR+X Dense SLAM with $\sum_{i=0}^{5}C_5^i$ Configurable Sensor Combinations

LXD-SLAM：基于LiDAR+X的密集SLAM，支持∑_{i=0}^{5}C_5^i种可配置传感器组合

Zhong Wang, Lin Zhang, Linfei Li, Ying Shen, Shaoming Zhang, Pengcheng Shi, Shengjie Zhao

机构 * Tongji University（同济大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出LXD-SLAM，一种以3D LiDAR为中心的多传感器融合框架，支持32种传感器组合，通过统一的迭代误差状态卡尔曼滤波和混合位姿图实现高保真、全局一致的密集建图。

Learning 1-Bit LiDAR-based Localization with Auxiliary Objective

学习基于1比特LiDAR的定位与辅助目标

Kaijie Yin, Zhiyuan Zhang, Tian Gao, Wentao Zhu, Cheng-zhong Xu, Hui Kong

机构 * University of Macau（澳门大学） ； Singapore Management University（新加坡管理大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） 纠错

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

AI总结 提出首个二值神经网络框架BiLoc用于6-DoF LiDAR定位，通过信息瓶颈原理和辅助目标缓解二值化信息损失，实现轻量高效定位。

Comments European Conference on Computer Vision(ECCV)

Structured-Li-GS: Structured 3D Gaussians Splatting with LiDAR Incorporation and Spatial Constraints

Structured-Li-GS：结合LiDAR与空间约束的结构化3D高斯泼溅

Huaiyuan Weng, Huibin Li, Chul Min Yeum

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 提出Structured-Li-GS框架，利用LiDAR-惯性-视觉SLAM生成密集彩色点云，通过锚定高斯原语并初始化椭球参数，结合光度、扁平化、偏移、深度和法向损失训练，无需高斯密集化即可实现高质量3D重建，模型适中且性能优于现有方法。

Comments 9 pages, ISPRS Congress 2026

SelectAnyTree: A Promptable Instance Segmentation Model for 3D Forest LiDAR Point Clouds

SelectAnyTree: 一种用于3D森林LiDAR点云的可提示实例分割模型

Trung Thanh Nguyen, Daniel Lusk, Kilian Gerberding, Janusch Vajna-Jehle, Tuan-Anh Vu, Duc Viet Le, Tu Vo, Phi Le Nguyen, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide, Julian Frey, Teja Kattenborn

机构 * Nagoya University（名古屋大学） ； RIKEN（理化学研究所） ； University of Freiburg（弗莱堡大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（特温特大学） ； KC Machine Learning Lab（KC机器学习实验室） ； Hanoi University of Science and Technology（河内科技大学） ； Ritsumeikan University（立命馆大学） 纠错

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

AI总结 提出SelectAnyTree模型，通过点击提示和树冠高度模型引导的首次提示，实现3D森林点云中任意单木的实例分割，在交互和实例级别上优于现有方法。

Quantum LiDAR with non-local modulation

非局域调制的量子激光雷达

Xiao-Dong Fan, Zhong-Hua Ou, Yun-Ru Fan, Kai Guo, Zong-Liang Xie, Qiang Qi, Li-Xun Zhang, Si Shen, Hai-Zhi Song, Yan-Yu Wei, Hao Li, Li-Xing You, Qi Zhang, Yong Liu, Guang-Can Guo, Qiang Zhou

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 提出一种非局域调制的量子振幅调制连续波激光雷达，利用量子关联实现高精度（0.64 mm@1s，29 μm@500s）和米级测量范围（2-8 m），并在强噪声下比经典方案精度提升50倍。

KISS-IMU: Self-supervised Inertial Odometry with Motion-balanced Learning and Uncertainty-aware Inference

KISS-IMU：基于运动平衡学习与不确定性感知推理的自监督惯性里程计

Jiwon Choi, Hogyun Kim, Geonmo Yang, Juhui Lee, Younggun Cho

机构 * Electrical and Computer Engineering, Inha University（信息电子工程学院，印斯大学） 纠错

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

AI总结 提出KISS-IMU自监督框架，通过运动平衡训练和不确定性加权推理消除对真值依赖，仅用LiDAR作为轻量监督信号，实现鲁棒惯性里程计。

Comments 8 pages, 9 figures

Honey, I Shrunk the Arc de Triomphe!

亲爱的，我把凯旋门缩小了！

Yuanbo Xiangli, Hanyu Chen, Xueqing Tsang, Noah Snavely

机构 * Cornell University（康奈尔大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 针对单目度量几何估计中的“尺度坍缩”现象，通过构建新数据集MetricScenes并采用两阶段泊松补全方法提升深度图质量，微调MoGe-2模型显著缓解了尺度低估问题。

Comments Project page: https://metricscenes.github.io/