自动驾驶

Efficiently Closing Loops in LiDAR-Based SLAM Using Point Cloud Density Maps

利用点云密度地图高效关闭LiDAR基于SLAM中的环路

Saurabh Gupta, Tiziano Guadagnino, Benedikt Mersch, Niklas Trekel, Meher V. R. Malladi, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） 纠错

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

AI总结 本文提出了一种鲁棒的环路关闭检测方法，通过生成局部地图并使用地面对齐模块处理平面和非平面运动，实现高效的SLAM系统。

Comments Accepted for publication at the International Journal of Robotics Research on 14 April, 2026

Efficient LiDAR Reflectance Compression via Scanning Serialization

通过扫描序列化实现高效的激光雷达反射率压缩

Jiahao Zhu, Kang You, Dandan Ding, Zhan Ma

机构 * School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China（信息科学与技术学院，杭州师范大学） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学） 纠错

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

AI总结 研究针对激光雷达反射率在神经压缩方法中未充分探索的问题,提出基于序列化的SerLiC框架。通过扫描序列化转换点云、标记点及采用双并行化方案建模,实验表明其压缩效果优,轻量级版本性能好,对实际应用有吸引力。

Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure

通过信息感知里程计和追溯回环闭合改进基于图的激光雷达SLAM中的地图一致性

Saurabh Gupta, Niklas Trekel, Louis Wiesmann, Cyrill Stachniss

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

AI总结 该研究针对3D激光雷达SLAM中地图一致性问题提出解决方案，通过估计信息矩阵加权里程计约束，引入分层及追溯回环闭合模块，实验证明能提升轨迹精度与地图一致性。

Comments 8 pages, 4 figures, 2 tables

WNOJ-LIO: A White-Noise-on-Jerk Motion-Prior EKF for High-Dynamic LiDAR-IMU Fusion

WNOJ-LIO：一种用于高动态激光雷达-惯性测量单元融合的基于加加速度白噪声运动先验的扩展卡尔曼滤波器

Junning Lyu, Qizhi Guo, Xia Ning, Tao Song, Shaoming He

机构 * School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学宇航学院） 纠错

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

AI总结 研究高动态驾驶下激光雷达-IMU融合问题，提出基于加加速度白噪声运动先验的扩展卡尔曼滤波器框架WNOJ-LIO，通过解耦先验预测状态、视IMU为高频测量源，经仿真和实际实验验证，提升了相关性能。

RoughNet: Mapping Arctic Sea Ice Roughness Using Diffusion-Based Super-Resolution of Satellite Imagery

RoughNet：利用基于扩散的卫星图像超分辨率绘制北极海冰粗糙度

Tessa Cannon, Michel Tsamados, Petru Manescu, Thomas Newman, Christian Haas, Veit Helm, Weibin Chen, Randall Scharien

机构 * University College London（伦敦大学学院） ； Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research（阿尔弗雷德·韦格纳极地与海洋研究所亥姆霍兹中心） ； University of Victoria（维多利亚大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 研究旨在准确估计北极海冰粗糙度，采用RoughNet方法，通过条件扩散框架从光学卫星图像重建海冰地形，经训练和评估，能在不同冰况下泛化，为高分辨率海冰测绘和粗糙度估计提供可扩展途径。

Comments Code available at https://github.com/tessacannon48/RoughNet