自动驾驶

G-PROBE: Cross-FOV Place Recognition and Certainty-Coupled Localization for 3D Point Clouds

G-PROBE：用于3D点云的跨视场位置识别和确定性耦合定位

Jinseop Lee

机构 * SK Intellix（SK智能科技） 纠错

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

AI总结 研究针对3D点云在有限或不对称视场下全局定位难的问题，提出G-PROBE框架。通过虚拟传感器分解、跨视场分支集合等方法，结合确定性耦合定位，无需学习。在多数据集和模式上评估，该框架性能出色，端到端可用性高，在不对称视场下优势明显。

Comments 18 pages, 9 figures

Rail Track Extraction from Rasterized Classified Point Clouds Using a Full-Resolution, Fully Convolutional Recurrent Neural Network

使用全分辨率全卷积递归神经网络从光栅化分类点云提取铁轨

Alexander Gribov, Jie Chang

机构 * Esri（环境系统研究所公司） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 介绍利用全卷积递归神经网络从分类3D点云提取铁轨的新方法，先光栅化点，经神经网络、形态学操作、平滑处理等步骤，用动态时间规整算法找中心线，人工干预少，实验验证了该方法提取铁轨的有效性。

Comments 15 pages, 8 figures, 1 table

Multi-Modal Beamforming with Model Compression and Modality Generation for V2X Networks

用于车联网的基于模型压缩和模态生成的多模态波束成形

Chen Shang, Dinh Thai Hoang, Jiadong Yu

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 针对6G车联网中ISAC范式的不足，提出基于分层Transformer的多模态学习框架BeamTransFuser，利用跨模态相关性提升波束预测性能，开发剪枝方案减少延迟，引入生成模型处理模态缺失，实验证明该方案优于现有基线。

Comments 15 pages, 5 figures

Journal ref IEEE Transactions on Mobile Computing, 2026