自动驾驶

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

Large-Scale Tunnel Air-Ground Collaboration With FLISP: Fast LiDAR-IMU Synchronized Path Planner

大规模隧道空地协同与FLISP：快速LiDAR-IMU同步路径规划器

Fenghe Guo, Runjie Shen, Chenyang Sun, Junrui Zhang, Quanxi Zhan, Yongchun Wang, Junjie Zhang

机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University（同济大学自主智能无人系统全国重点实验室） ； College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） 纠错

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

AI总结 提出FLISP框架，通过UGV搭载的LiDAR-IMU实现无地图的UGV-UAV协同隧道检测，采用萤火虫算法和动态迭代优化器分别规划路径，在1.2公里隧道中实现100%成功率与~7ms延迟。

Comments 24 pages, 31 figures, 5 tables. Author accepted manuscript. This work was supported by the State Key Laboratory of Autonomous Intelligent Unmanned Systems. The authors also thank the KinaMind Society for its inspiring environment and support

Journal ref IEEE Transactions on Field Robotics, vol. 3, pp. 494-517, 2026

FAR-LIO: Enabling High-Speed Autonomy through Fast, Accurate, and Robust LiDAR-Inertial Odometry

FAR-LIO：通过快速、准确和鲁棒的LiDAR-惯性里程计实现高速自主

Maximilian Leitenstern, Marcel Weinmann, Patrick Haft, Tobias Lasser, Dominik Kulmer, Markus Lienkamp

机构 * NVIDIA Corp., USA（美国英伟达公司） 纠错

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

AI总结 提出FAR-LIO，一种基于CUDA加速的LiDAR-惯性里程计框架，通过新颖的体素哈希映射和稀疏感知GICP算法实现低延迟和高精度，在高速赛车场景中位置误差降低6.9%，运行时间减少38.4%。

Comments 8 pages, accepted for publication at IROS2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems 2026)

MIL-LC: A Robust Magnetometer-Inertial-LiDAR Fusion Multimodal Localization Framework

MIL-LC：一种鲁棒的磁力计-惯性-LiDAR融合多模态定位框架

Qiyang Lyu, Zhenyu Wu, Wei Wang, Hongming Shen, Danwei Wang

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； Centre for Advanced Robotics Technology Innovation (CARTIN)（先进机器人技术创新中心） 纠错

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

AI总结 提出MIL-LC框架，融合磁力计、惯性和LiDAR，解决GNSS缺失、几何重复或无纹理环境下的定位问题，通过磁地图与LiDAR退化检测实现鲁棒定位。

Commerge: Communication-Efficient, Robust, and Fast LiDAR Map Merging Framework for Multi-Robot Coordination in Resource-Constrained Scenarios

Commerge：面向资源受限场景的多机器人协调的高效通信、鲁棒且快速的LiDAR地图合并框架

Hogyun Kim, Jiwon Choi, Juwon Kim, Geonmo Yang, Seokhwan Jeong, Hyungtae Lim, Younggun Cho

机构 * Dept. of Electrical and Computer Engineering, INHA University, S.Korea（电气与计算机工程系，INHA大学，韩国） ； Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology, Cambridge, MA, USA（信息与决策系统实验室（LIDS），麻省理工学院，美国马萨诸塞州剑桥） 纠错

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

AI总结 提出Commerge框架，通过图论选择性数据交换将多机器人LiDAR地图合并的通信量降低高达5000倍，同时保持对齐精度，实现MB级数据交换。

Comments 32 pages, 32 figures

FAST-LIVGO: A Degeneracy-Robust LiDAR-Inertial-Visual-GNSS Fusion Odometry

FAST-LIVGO：一种退化鲁棒的LiDAR-惯性-视觉-GNSS融合里程计

Zhiyu Chen, Chunran Zheng, Jiayu Wen, XiaoLei Zhang, Jiaming Xu, Feng Pan, Yukang Cui

机构 * College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） ； Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） 纠错

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

AI总结 提出一种基于误差状态迭代卡尔曼滤波的紧耦合LiDAR-惯性-视觉-GNSS融合框架，通过动态时间规整的时空对齐模块、多普勒和时差载波相位观测模型以及退化感知的双模式异常值拒绝策略，在长期大尺度动态环境中实现高精度鲁棒的状态估计。

Comments Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Geometry-Preserving in 3D Gaussian Splatting for LiDAR-Camera Extrinsic Calibration

3D高斯溅射中保持几何结构的LiDAR-相机外参标定

Kyoleen Kwak, Daeho Kim, Jeong Woon Lee, Hyoseok Hwang

机构 * Kyung Hee University（庆熙大学） 纠错

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

AI总结 针对LiDAR-相机标定中跨模态特征稀缺问题，提出通过多视图LiDAR深度监督和阻止光度梯度更新高斯空间参数来保持3DGS代理的度量几何，提升标定精度。

Comments Accepted to ECCV 2026. 15 pages (excluding references), 5 figures

Automated Digital Twin Construction for Highway Scenarios Using LiDAR Point Clouds and OpenStreetMap

基于LiDAR点云和OpenStreetMap的高速公路场景自动数字孪生构建

Yongqi Zhao, Dong Bi, Paul Kovacevic, Tomislav Mihalj, Martin Schabauer, Johannes Betz, Arno Eichberger

机构 * Institute of Automotive Engineering, Graz University of Technology（格拉茨技术大学汽车工程研究所） ； School of Intelligent Connected Vehicle, Hubei University of Automotive Technology（湖北汽车工业学院智能网联汽车学院） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（慕尼黑工业大学自动驾驶系统教席） 纠错

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

AI总结 提出融合LiDAR点云与OpenStreetMap数据的自动化流程，生成地理参考的ASAM OpenDRIVE高速公路地图，实现车道级几何与拓扑的完整建模，平均横向RMSE为0.740米。

Comments 9 pages, 5 figures

LV-Calib: LiDAR-Camera Extrinsic Calibration with Boundary-Response Modeling

LV-Calib：基于边界响应建模的LiDAR-相机外参标定

Sheng Hong

机构 * Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University（厦门大学萨本栋微米纳米科学技术研究院） 纠错

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

AI总结 提出LV-Calib框架，利用可打印平面靶标，通过视觉基准和圆形反射率边界，结合强度与几何约束优化LiDAR特征点，实现LiDAR-相机外参标定和边界响应校准，达到亚像素重投影精度和毫米级特征一致性。

Comments Comments: 8 pages, 6 figures, 3 tables

Anywhere, Any-Stymie: Remote Activation of Trojan Malware on LiDAR with Modulated Signals

任意地点，任意干扰：利用调制信号远程激活LiDAR上的特洛伊恶意软件

R. Spencer Hallyburton, Miroslav Pajic

专题命中 激光雷达 ：LiDAR(title,title_cn)

AI总结 本研究设计了一种嵌入LiDAR固件的特洛伊恶意软件，并利用光学触发通过调制信号远程激活，实现虚假目标注入和真实目标抑制，威胁自动驾驶安全。

RO-LiDAR GeoQuickView: A Web Platform for Exploring Public LiDAR-Derived Elevation Data in Romania

RO-LiDAR GeoQuickView：探索罗马尼亚公共LiDAR衍生高程数据的Web平台

Alexandru Hegyi

专题命中 激光雷达 ：LiDAR(title,title_cn)

AI总结 提出一个非商业Web-GIS平台RO-LiDAR GeoQuickView，整合公共LiDAR衍生数字地形模型等高程数据，提供标准化山体阴影可视化、参与式景观记录和空间索引，以解决数据碎片化和专业处理限制问题。

MM-TRELLIS: Point-Cloud Guided Multi-Modal 3D Vehicle Generation in Autonomous Driving

MM-TRELLIS: 自动驾驶中基于点云引导的多模态3D车辆生成

Hongli Xiao, Youjian Zhang, Yucai Bai, Chaoyue Wang, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Academy of Military Science（军事科学院） ； Bosch innovation software development (Wuxi) Co., Ltd.（博世创新软件开发（无锡）有限公司） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） ； Shopee Pte. Ltd.（Shopee私人有限公司） 纠错

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

AI总结 提出MM-TRELLIS，融合多视图图像与LiDAR点云，通过点云引导和体素过滤策略，实现高质量3D车辆生成，在Waymo数据集上优于现有方法。

SurroundNEXO: Ego-Centric Metric Bridging for Spatially Consistent Geometry in Autonomous Driving

SurroundNEXO：面向自动驾驶空间一致几何的自车中心度量桥接

Shuai Yuan, Runxi Tang, Yuzhou Ji, Fudong Ge, Hanshi Wang, Yifei Wang, Xianming Zeng, Jianyun Xu, Xingliang Liu, Yanfeng Wang, Zhipeng Zhang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Hello Inc. 纠错

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

AI总结 提出SurroundNEXO框架，通过自车中心几何（Ego-Ray位置编码）和稀疏LiDAR度量锚点，解决多相机低重叠下的度量深度预测与空间一致性问题，在多个基准上显著提升性能。

Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

异构激光雷达早期融合与学习重排序策略用于非结构化环境中的鲁棒长期地点识别

Judith Vilella-Cantos, Juan José Cabrera, Mónica Ballesta, David Valiente, Luis Payá

机构 * Miguel Hernández University of Elche（米格尔·埃尔南德斯·德埃尔切大学） 纠错

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

AI总结 提出MinkUNeXt-VINE++方法，通过异构LiDAR数据早期融合和学习重排序策略，在非结构化环境（如葡萄园）中显著提升长期地点识别性能，Recall@1指标提升20%-30%。

CRISP: A Spatiotemporal Camera-Radar Backbone for Driving via Forecasting-Based World-Model Pretraining

CRISP：一种通过基于预测的世界模型预训练实现驾驶的时空相机-雷达主干网络

Jingyu Song, Yi Liu, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（密歇根大学机器人系） 纠错

专题命中 激光雷达 ：BEV(abstract,abstract_cn)；LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；occupancy(abstract)

AI总结 研究通过基于预测的表示学习预训练时空相机-雷达主干网络CRISP，利用历史多视图图像和雷达扫描，通过预测未来激光雷达点云学习统一鸟瞰图表示，介绍相关组件，实验表明其能提升点云预测并有效迁移至下游任务。

Comments 17 pages, under review

Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge

面向边缘设备点云分类的合成激光雷达数据生成与确定性下采样

Niclas Meyer, Stefan Reitmann

机构 * Chemnitz University of Technology（开姆尼茨工业大学） 纠错

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

AI总结 本文针对三维深度学习框架在边缘设备部署的瓶颈，提出适配树莓派5的硬件受限工作流，通过合成LiDAR数据集和特征驱动的CPL层，实现边缘端50 FPS推理与88.36%分类准确率，验证了边缘实时三维感知的可行性。

Neural LiDAR Bundle Adjustment

神经激光雷达光束平差

Chin Yung Anson Hon, Kaicheng Zhang, Sen Wang

机构 * Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 研究探索RGB NeRFs和LiDAR NeRFs关键设计差异，发现体素采样密度对LiDAR NeRF重要，据此提出Neural LiDAR Bundle Adjustment算法，实验证明其在多视点云配准和3D映射中有出色性能。

Comments 8 pages, 8 figures, 4 tables

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。

Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna

基于机载激光雷达的单木分割：分水岭算法与区域生长法的对比——以博洛尼亚城市区域为例

Aldo Canfora, Tommaso Rondini, Matteo Falcioni, Mirko Degli Esposti

专题命中 激光雷达 ：LiDAR(title,summary_cn)

AI总结 该研究以博洛尼亚城市区域为案例，对比分水岭算法与区域生长法对机载LiDAR点云的单木分割效果，提取植被指标并构建交互式地图，为城市绿化规划提供可扩展基础。

Comments 26 pages, 21 figures

DeGuNet: Depth-Guided Ultra-Compact Backbones for Efficient LiDAR-Camera 3D Detection

DeGuNet：用于高效激光雷达-相机3D检测的深度引导超紧凑骨干网络

Haifa Zhang, Yijing Wang, Peixi Peng, Zhiqiang Zuo

机构 * Tianjin University（天津大学） ； Peking University（北京大学） 纠错

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

AI总结 研究针对自动驾驶中激光雷达与相机融合检测依赖2D预训练骨干网络的问题，提出DeGuNet，通过稀疏感知机制有效对齐图像与激光雷达深度，实验证明其能消除架构冗余，提升效率并提高mAP，建立参数高效多模态3D感知新范式。

Comments Accepted to ECCV 2026

Open-Weather Robust 3D Detection via Dual-Critic Diffusion Alignment

基于双判别器扩散对齐的开放天气鲁棒3D检测

Shuyao Li, Chuanxing Geng, Heyang Sun, Qiang Zhou, Jingjing Gu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室） 纠错

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

AI总结 提出双判别器引导扩散对齐（DCDA）框架，通过4D雷达条件扩散过程恢复退化LiDAR特征，无需显式天气建模，在未见天气类型和强度下实现鲁棒3D检测。

Comments 18 pages, 6 figures, 8 tables. ECCV 2026 camera-ready

DrivingDepth: Sparse-Prompted Pixel-wise Scale Correction for Driving Depth Estimation

DrivingDepth: 稀疏提示的像素级尺度校正用于驾驶深度估计

Chi Huang, Wenhao Zhang, Hang Yin, YuAn Wang, Hao Li, Bosheng Wang, Xun Sun, Liang Wang

机构 * Baidu Inc.（百度公司） 纠错

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

AI总结 针对自动驾驶深度估计中几何与尺度的冲突，提出DrivingDepth方法，利用稀疏LiDAR作为几何提示，通过残差像素级尺度校正校准冻结的深度基础模型，在保持密集视觉几何的同时实现度量精度与几何一致性。

CorrelationFlow: A Training-Free Geometric Approach for LiDAR Scene Flow Estimation

CorrelationFlow：一种用于激光雷达场景流估计的无训练几何方法

Minh-Quan Dao, Yancong Lin, Julie Stephany Berrio Perez, Holger Caesar

机构 * Nantes Université（南特大学） ； University of Nottingham（诺丁汉大学） ； University of Queensland（昆士兰大学） ； TU Delft（代尔夫特理工大学） 纠错

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

AI总结 针对激光雷达场景流估计的单一模式问题，本文提出无训练几何框架CorrelationFlow，在Argoverse 2026挑战赛多域测试集上的无监督方法中排名第二，且远距离性能优于学习方法。

Generalized-CVO: Fast and Correspondence-Free Local Point Cloud Registration with Second Order Riemannian Optimization

广义CVO：基于二阶黎曼优化的快速无对应局部点云配准

Ray Zhang, Marcus Greiff, Thomas Lew, John Subosits

机构 * Toyota Research Institute（丰田研究院） 纠错

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

AI总结 提出一种基于几何表面结构和再生核希尔伯特空间嵌入的无对应局部点云配准方法，采用二阶流形优化实现高达10倍加速，在LiDAR和RGB-D跟踪及物体配准中显著降低漂移并提升鲁棒性。

Comments 16 pages, 12 figures

GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure

GhostPoint：通过幻觉生成被遮挡的激光雷达结构实现自监督表示学习

Mohamed Abdelsamad, Bin Yang, Michael Ulrich, Miao Zhang, Yakov Miron, Alexandru Paul Condurache, Abhinav Valada

机构 * Bosch Center for AI（博世人工智能中心） ； University of Freiburg（弗莱堡大学） ； University of Luebeck（吕贝克大学） 纠错

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

AI总结 GhostPoint是一种自监督学习框架，通过实例体素膨胀幻觉生成激光雷达被遮挡区域特征，在nuScenes和Waymo数据集上提升了下游3D检测性能，尤其适用于稀疏扫描和有限标签场景。

Comments Accepted by ECCV2026

Adversarially Guided Diffusion for LiDAR Range Image Synthesis

用于激光雷达距离图像合成的对抗引导扩散

Stavros Bouras, Antonios Makris, Alexandros Gkillas, Aris S. Lalos, Konstantinos Tserpes

机构 * School of Electrical and Computer Engineering, National Technical University of Athens（雅典国立技术大学电气与计算机工程学院） ； Industrial Systems Institute, Athena Research Center（雅典娜研究中心工业系统研究所） 纠错

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

AI总结 研究针对二维距离图像分割的无限制对抗攻击，提出基于扩散并利用分割损失对抗引导的方法，在SemanticKITTI数据集实验，能跨架构转移，相比基线在有效性与现实性间有独特权衡，实现可控退化。

Comments Accepted at the 1st Workshop on Secure and Trustworthy AI (STAI 2026), co-located with the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2026)

Real-World Perturbation Testing of Autonomous Driving Systems

自动驾驶系统的真实世界扰动测试

Stefano Carlo Lambertenghi, Matthias Weil, Andrea Stocco

机构 * Technical University of Munich（慕尼黑技术大学） ； fortiss GmbH（fortiss公司） 纠错

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

AI总结 研究自动驾驶系统在多样条件下的可靠性，通过72种相机和激光雷达扰动，在三种测试模式下评估，揭示测试水平差距及实时可行性的关键作用。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26)

Learning to Suppress SPAD-based LiDAR Flare

学习抑制基于单光子雪崩二极管（SPAD）的激光雷达耀斑

Xuanya Zhu, Linghao Shen

机构 * Centre for Vision, Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉、语音和信号处理中心） ； Advanced Technology Center, Sony (China) Ltd., China（索尼（中国）有限公司先进技术中心） 纠错

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

AI总结 针对基于SPAD的激光雷达耀斑问题，将其重构成语义分割问题，提出基于物理信息的激光雷达耀斑分割方法，通过聚合跨回波信息联合编码特征，实验表明该方法显著优于其他模型。

PCFootprint: A Large-Scale Dataset and Benchmark for Vectorized Building Footprint Extraction from Aerial LiDAR Point Clouds

PCFootprint：用于从航空LiDAR点云中提取矢量化建筑足迹的大规模数据集与基准

Haoyuan Shen, Kuihao Wang, Ruisheng Wang, Yujun Liu

机构 * School of Architecture and Urban Planning, Shenzhen University（深圳大学建筑与城市规划学院） 纠错

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

AI总结 提出首个大规模航空激光扫描点云建筑足迹提取数据集PCFootprint，含33000个瓦片及跨域测试集，通过评估主流方法揭示复杂地理环境下的挑战。

Comments 14 pages, 9 figures