自动驾驶

BIEVR-LIO: Robust LiDAR-Inertial Odometry through Bump-Image-Enhanced Voxel Maps

BIEVR-LIO：通过凸起图像增强体素地图实现鲁棒的激光雷达惯性里程计

Patrick Pfreundschuh, Turcan Tuna, Cedric Le Gentil, Roland Siegwart, Cesar Cadena, Helen Oleynikova

机构 * 1 Autonomous Systems Lab, ETH Z\"urich, Switzerland, 2 Robotic Systems Lab, ETH Z\"urich, Switzerland, 3 Mobile Robotics Lab, ETH Z\"urich, Switzerland -1.5mm 纠错

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

AI总结 本文提出BIEVR-LIO方法，通过高分辨率体素地图表示和信息导向点采样策略，提升在信息稀疏环境下的激光雷达惯性里程计鲁棒性，并在多种场景中实现优异性能。

UniFlow: Zero-Shot LiDAR Scene Flow for Autonomous Vehicles

UniFlow: 自动驾驶车辆的零样本激光雷达场景流

Siyi Li, Qingwen Zhang, Ishan Khatri, Kyle Vedder, Eric Eaton, Deva Ramanan, Neehar Peri

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

AI总结 提出UniFlow，一种跨多数据集训练的激光雷达场景流前馈模型，无需架构修改即可泛化到未见传感器，在Waymo和nuScenes上分别提升5.1%和35.2%，并在TruckScenes和AEVAScenes上超越先前数据集专用模型30.1%和22.5%。

Comments This work has been accepted to the European Conference on Computer Vision (ECCV) 2026. Project Page: https://lisiyi777.github.io/UniFlow/

Safety-Critical LiDAR-Inertial Odometry with On-Manifold Deterministic Protection Level

安全关键的激光雷达-惯性里程计与在线流形确定性保护级别

Yueqi Zhu, Yan Pan, Chufan Rui, Jiasheng Luo, Shihua Li, Bo Zhou

机构 * School of Automation, Southeast University（东南大学自动化学院） ； Key Laboratory of Measurement and Control of CSE, Ministry of Education（教育部测控CSE重点实验室） 纠错

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

AI总结 本文提出一种安全关键的激光雷达-惯性里程计，通过在线流形确定性状态估计提供确定性保护级别，以提升移动机器人在安全关键场景中的导航安全性。

Odyssey: An Automotive Lidar-Inertial Odometry Dataset with GNSS-denied situations

Odyssey：一种面向GNSS拒止场景的汽车激光雷达-惯性里程计数据集

Aaron Kurda, Simon Steuernagel, Lukas Jung, Marcus Baum

机构 * University of Göttingen（哥廷根大学） ； iMAR Navigation（iMAR导航） 纠错

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

AI总结 提出Odyssey数据集，采用导航级环形激光陀螺仪RTK/INS提供高精度真值，包含36个序列和长时间GNSS拒止环境（隧道、室内停车场），用于评估LIO/SLAM系统。

Comments 10 pages, 4 figures, 3 tables, submitted to International Journal of Robotics Research (IJRR)

GenZ-LIO: Generalizable LiDAR-Inertial Odometry Beyond Confined--Open Boundaries

GenZ-LIO: 超越受限与开放边界的可泛化激光雷达-惯性里程计

Daehan Lee, Hyungtae Lim, Seongjun Kim, Soonbin Rho, Changhyeon Lee, Sanghyun Park, Junwoo Hong, Eunseon Choi, Hyunyoung Jo, Soohee Han

机构 * Computational Control Engineering Laboratory (CoCEL), Department of Convergence IT Engineering and Electrical Engineering, Pohang University of Science and Technology (POSTECH), Pohang 37673, South Korea（convergence 信息技术工程与电气工程系 计算控制工程实验室，POSTECH 首尔大学（Pohang University of Science and Technology）, Pohang 37673, South Korea） ； Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology, Cambridge, MA 02139, USA（信息与决策系统实验室，麻省理工学院（Massachusetts Institute of Technology）, Cambridge, MA 02139, USA） 纠错

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

AI总结 提出GenZ-LIO框架，通过尺度自适应体素化、混合度量状态更新和体素剪枝对应搜索，解决受限与开放空间过渡导致的鲁棒性和效率下降问题，在42个序列上保持稳定估计。

Comments 21 pages, 12 figures

AC-LIO: Towards Asymptotic Compensation for Distortion in LiDAR-Inertial Odometry via Selective Intra-Frame Smoothing

AC-LIO：通过选择性帧内平滑实现激光雷达-惯性里程计中畸变的渐近补偿

Tianxiang Zhang, Xuanxuan Zhang, Wenlei Fan, Xin Xia, Huai Yu, Lin Wang, You Li

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University, China（信息工程测绘遥感国家重点实验室（LIESMARS），武汉大学，中国） ； Department of Mechanical Engineering, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校机械工程系） ； Electronic Information School, Wuhan University, China（武汉大学电子信息学院，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子电气工程学院，新加坡） 纠错

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

AI总结 提出AC-LIO框架，通过渐近反向传播更新项并在收敛准则指导下补偿残余运动畸变，以最小计算开销提升离散状态LIO系统精度，在长期大尺度定位中平均RMSE降低30.4%。

Comments 11 pages, 9 figures

Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography

基于标准化车牌字体的单目车辆距离估计

Manognya Lokesh Reddy, Zheng Liu

机构 * Department of Computer and Information Science, University of Michigan-Dearborn（1计算机与信息科学系，密歇根大学-迪尔伯恩分校） ； Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn（2工业与制造系统工程系，密歇根大学-迪尔伯恩分校） 纠错

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

AI总结 本文提出了一种利用美国标准化车牌字体作为被动标记进行车辆距离估计的方法，通过显式的几何先验知识解决尺度模糊问题，无需训练数据或主动照明，实现了鲁棒的距离、相对速度和碰撞预警。

Comments 29 pages, 12 figures

Data-Free Knowledge Distillation for LiDAR-Aided Beam Tracking in MmWave Systems

毫米波系统中基于激光雷达辅助波束跟踪的无数据知识蒸馏

Abolfazl Zakeri, Nhan Thanh Nguyen, Ahmed Alkhateeb, Markku Juntti

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 提出无数据知识蒸馏框架，利用激光雷达历史测量序列预测最优波束，通过元数据损失合成训练数据，避免依赖原始激光雷达样本。

Comments Accepted to IEEE TVT correspondence 2026

CloudDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain

PointDiffusion: 点云领域的基于扩散的场景补全

Chidera Agbasiere, Mikhail Sannikov, Faith Ogunwoye, Erik Shaikhiev, Alex Kozinov, Ilya Mikhalchuk, Iana Zhura, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院智能空间机器人实验室） 纠错

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

AI总结 提出多令牌高斯VAE和锚点ICP地面真值精化，实现单步扩散场景补全，在SemanticKITTI上平方倒角距离降低16倍，推理延迟降低25-143倍。

LiAuto-GeoX: Efficient Grounded Driving Transformer

LiAuto-GeoX: 高效接地驾驶Transformer

Jiawei Lian, Haoyi Sun, Yang Wu, Lifu Mu, Siyuan Wang, Le Hui, Ning Mao, Tao Wei, Pan Zhou, Kun Zhan, Jian Yang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Li Auto Inc.（Li Auto公司） ； Northwestern Polytechnical University（西北工业大学） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学院） 纠错

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

AI总结 提出LiAuto-GeoX，通过稀疏激光雷达先验和几何保持蒸馏框架，实现高效、实时的自车中心密集3D重建，并显著提升下游自动驾驶任务性能。

Single-Frame Point-Pixel Registration via Supervised Cross-Modal Feature Matching

基于监督跨模态特征匹配的单帧点像素配准

Yu Han, Zhiwei Huang, Yanting Zhang, Fangjun Ding, Shen Cai, Xiaoyu Tang, Yanchao Dong, Rui Fan

机构 * School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学） 纠错

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

AI总结 研究激光雷达点云和相机图像的点像素配准难题，提出基于投影的无检测器框架及重复性评分机制，通过实验证明该方法在单帧激光雷达下能达先进性能，优于现有方法。

NormalView: tree species classification from backpack and aerial lidar data using geometric projections

NormalView：利用几何投影从背包和航空激光雷达数据进行树种分类

Juho Korkeala, Jesse Muhojoki, Josef Taher, Klaara Salolahti, Matti Hyyppä, Antero Kukko, Juha Hyyppä

机构 * Finnish Geospatial Research Institute FGI（芬兰地理研究 institute FGI） ； The National Land Survey of Finland（芬兰国家土地调查局） ； Department of Remote Sensing and Photogrammetry（遥感与摄影测量系） ； Department of Built Environment, School of Engineering（环境系，工程学院） 纠错

专题命中 激光雷达 ：LiDAR(title)；分类 cs.CV

AI总结 研究利用NormalView方法，通过将几何信息嵌入二维投影并输入YOLOv11网络进行树种分类，在移动和航空激光雷达数据上测试，发现多传感器强度信息有益，该方法仅依赖几何信息，公开了相关数据集，取得较好分类结果。

Comments 25 pages, 10+4 figures

TreeLoc++: Robust 6-DoF LiDAR Localization in Forests with a Compact Digital Forest Inventory

TreeLoc++：利用紧凑数字森林清单在森林中进行稳健的6自由度激光雷达定位

Minwoo Jung, Dongjae Lee, Nived Chebrolu, Haedam Oh, Maurice Fallon, Ayoung Kim

机构 * Department of Mechanical Engineering, Seoul National University, Seoul, South Korea（首尔国立大学机械工程系，韩国首尔） ； Department of Computer Science and Engineering, Indian Institute of Technology Bombay, India（印度班加罗尔印度理工学院计算机科学与工程系） ； Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, UK（牛津大学奥克斯福德机器人研究所，英国牛津） 纠错

专题命中 激光雷达 ：LiDAR(title)；分类 cs.RO

AI总结 研究提出TreeLoc++框架，直接基于数字森林清单定位，以紧凑几何属性编码树干。通过距离直方图等减少误匹配，优化估计姿态，不依赖密集点云数据，实现厘米级精度定位，具长期部署扩展性。

Comments 30 pages, 33 figures and 15 tables

WHU-PCPR: A cross-platform heterogeneous point cloud dataset for place recognition in complex urban scenes

WHU-PCPR：用于复杂城市场景中地点识别的跨平台异构点云数据集

Xianghong Zou, Jianping Li, Yandi Yang, Weitong Wu, Yuan Wang, Qiegen Liu, Zhen Dong

机构 * School of Advanced Manufacturing, Nanchang University（南昌大学先进制造学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Geomatics Engineering, University of Calgary（卡尔加里大学测绘工程系） ； School of Earth Sciences and Engineering, Hohai University（河海大学地球科学与工程学院） ； School of Geography and Environment, Jiangxi Normal University（江西师范大学地理与环境学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； Hubei Luojia Laboratory（湖北省珞珈实验室） 纠错

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

AI总结 针对现有PCPR数据集在场景、平台和传感器方面缺乏多样性的问题，建立跨平台异构点云数据集WHU-PCPR，其具备独特特征。基于此对几种PCPR方法评估分析，讨论关键挑战与未来方向，推动相关研究发展。

Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection

看清部署地点：基于指标RGB的航向-地面隐蔽空间检测可通行性分析

Seoyoung Lee, Shaekh Mohammad Shithil, Durgakant Pushp, Lantao Liu, Zhangyang Wang

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

AI总结 本文提出基于指标RGB的几何-语义重建与可通行性分析框架，用于航向-地面隐蔽空间检测。通过多视角RGB重建生成密集几何，结合时间一致的语义分割生成3D语义地图，引入基于体感运动的先验知识恢复指标尺度，构建自信度-aware的几何-语义可通行性地图，评估候选部署区域的可达性。

Comments Accepted to IROS 2026. Project page: https://seoyoung1215.github.io/seeing-where-to-deploy/

Unordered Landmark Visual Navigation

无序地标视觉导航

Hao Ren, Junzhe Zhu, Yihan Li, Zetong Bi, Le Zheng, Zhi Li, Yiqing Yuan, Zhaoliang Wan, Dizhe Zhang, Lu Qi, Hui Cheng

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

AI总结 针对无序图像导航的挑战，本文提出无需时间与里程计先验的ULVN框架，通过整合建图、定位与规划，在仿真和真实场景中性能优于现有最优方法。

Comments ECCV2026 Oral & Spotlight

GeRaF: Neural Geometry Reconstruction from Radio Frequency Signals

GeRaF: 从射频信号进行神经几何重建

Jiachen Lu, Hailan Shanbhag, Haitham Al Hassanieh

机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） 纠错

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

AI总结 提出GeRaF方法，利用神经隐式学习从射频信号重建近距3D几何，通过滤波渲染、物理射频体渲染和无透镜采样策略解决低分辨率、噪声和镜面反射问题。

Comments Accepted at NeurIPS 2025 (Spotlight)

Journal ref Advances in Neural Information Processing Systems 38 (2026): 94200-94230

Parameter-Efficient CLIP Adaptation for 3D Understanding via Unified Tokenization

用于3D理解的参数高效CLIP适配：通过统一分词实现

Guofeng Mei, Qinfeng Xiao, Bin Ren, Luigi Riz, Juan Liu, Xiaoshui Huang, Xu Zheng, Nicu Sebe, Ming-Hsuan Yang, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布鲁诺·科塞拉基金会） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） ； Beijing Forestry University（北京林业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology (GZ)（香港科技大学） ； Shandong University（山东大学） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 本文提出参数高效框架UTok3D，通过学习尺度归一化3D分词器，实现冻结CLIP视觉主干在无标注情况下对不同尺度点云的复用，完成3D分割任务。

Comments 14 pages, tokenizer

Robust 4D Driving Scene Reconstruction from Imperfect Visual Priors

超越完美先验：用于野外4D驾驶重建的自适应高斯图

Xiaoyun Dong, Qian Xu, Yun Wang, Yang Lu, Jen-Ming Wu, Jianping Wang

机构 * City University of Hong Kong（香港城市大学） ； Hon Hai Research Institute（鸿海研究院） 纠错

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

AI总结 研究针对野外4D驾驶场景重建，现有方法依赖精确先验，噪声先验下有问题。提出自适应高斯图（AGG）框架，含语义引导策略和自适应拓扑进化模块。在KITTI和Wild-30实验验证，AGG在视觉保真度和鲁棒性上优于现有方法。

Adaptive Learned State Estimation based on KalmanNet

基于KalmanNet的自适应学习状态估计

Arian Mehrfard, Bharanidhar Duraisamy, Stefan Haag, Florian Geiss, Mirko Mählisch

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Institute for Autonomous Driving, University of the Bundeswehr Munich（慕尼黑联邦国防军大学自动驾驶研究所） 纠错

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

AI总结 本文提出AM-KNet，通过引入传感器特定的测量模块和超网络实现多传感器自动驾驶中的自适应状态估计，提升真实世界汽车数据的估计精度和跟踪稳定性。

Comments Pending release approval from company

MapAnything: Evaluating Monocular Metric Depth Models for 3D Urban Asset Localization

MapAnything: 评估单目度量深度模型用于3D城市资产定位

Miriam Louise Carnot, Jonas Kunze, Erik Quinten Fastermann, Eric Peukert, André Ludwig, Bogdan Franczyk

机构 * ScaDS.AI (University of Leipzig)（ScaDS.AI（莱比锡大学）） ； University of Leipzig（莱比锡大学） ； Kühne Logistics University（库赫内物流大学） ； Wrocław University of Economics（沃拉夫经济大学） 纠错

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

AI总结 本文提出MapAnything框架，通过单目图像自动映射城市物体和事件，利用度量深度估计模型计算物体坐标，验证其在复杂城市环境中的精度，展示其在交通标志和道路损坏等实际应用中的有效性。

Utonia: Toward One Encoder for All Point Clouds

Utonia：迈向适用于所有点云的单一编码器

Yujia Zhang, Xiaoyang Wu, Yunhan Yang, Xianzhe Fan, Han Li, Yuechen Zhang, Zehao Huang, Naiyan Wang, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaomi（小米） 纠错

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

AI总结 研究旨在训练跨多领域的单自监督点变压器编码器Utonia，其能学习一致表征空间实现跨域转移，统一各领域点云，提升感知能力，还对具身和多模态推理有益，有望成为稀疏3D数据基础模型。

Comments produced by Pointcept, project page: https://pointcept.github.io/Utonia

Journal ref International Conference on Machine Learning 2026

Humanoid Everyday: A Comprehensive Robotic Dataset for Open-World Humanoid Manipulation

Humanoid Everyday：面向开放世界人形机器人操作的综合机器人数据集

Zhenyu Zhao, Hongyi Jing, Xiawei Liu, Jiageng Mao, Abha Jha, Hanwen Yang, Rong Xue, Sergey Zakharov, Vitor Guizilini, Yue Wang

机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究院） 纠错

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

AI总结 提出Humanoid Everyday数据集，包含10.3k轨迹、260个任务的多模态数据，用于人形机器人灵巧操作、人机交互和移动操作研究，并配套云评估平台。

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/

Integrated Localization, Mapping, and Communication through VCSEL-Based Light-emitting RIS (LeRIS)

基于垂直腔面发射激光器（VCSEL）的发光可重构智能表面（LeRIS）实现定位、建图与通信的集成

Rashid Iqbal, Dimitrios Bozanis, Dimitrios Tyrovolas, Sotiris Ioannidis, Christos K. Liaskos, Muhammad Ali Imran, George K. Karagiannidis, Hanaa Abumarshoud

专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)

AI总结 本文提出基于VCSEL的LeRIS框架，可联合实现用户定位、避障建图与毫米波通信，通过仿真验证其能达到厘米级定位精度、可靠障碍物检测及频谱效率与用户速率增益。

Resonance-enhanced integrated acousto-optic beam steering

共振增强的集成声光束转向

Yue Yu, Qixuan Lin, Shucheng Fang, Joseph G. Thomas, Yibing Zhou, Zichen Xi, Jun Ji, Yizheng Zhu, Linbo Shao, Bingzhao Li, Mo Li

专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)

AI总结 本文提出一种基于薄膜铌酸锂平台的集成声光束转向技术，通过共振增强实现高效束转向，并结合电光控制实现多功能应用。

Unsupervised Point Cloud Registration with Self-Distillation

基于自蒸馏的无监督点云配准

Christian Löwens, Thorben Funke, André Wagner, Alexandru Paul Condurache

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文针对点云配准依赖真实位姿标注的问题，提出自蒸馏无监督方法，在3DMatch基准上优于现有方法，且可泛化至汽车雷达场景。

Comments Oral at BMVC 2024

Registering the 4D Millimeter Wave Radar Point Clouds Via Generalized Method of Moments

通过广义矩方法配准4D毫米波雷达点云

Xingyi Li, Han Zhang, Ziliang Wang, Yukai Yang, Weidong Chen

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系） 纠错

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

AI总结 针对4D雷达点云稀疏噪声导致配准困难的问题，提出基于广义矩方法的配准框架，无需显式点对应，在合成与真实数据集上精度和鲁棒性优于基准方法，甚至接近激光雷达方法。

Autonomous Exploration-Based Precise Mapping for Mobile Robots through Stepwise and Consistent Motions

基于逐步一致运动的移动机器人自主探索精准建图

Muhua Zhang, Lei Ma, Ying Wu, Kai Shen, Yongkui Sun, Henry Leung

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种面向采用激光SLAM的室内移动机器人的自主探索框架，通过多RRT采样、逐步一致运动等策略提升建图精度与鲁棒性，经仿真与真实实验验证其优于基准2D算法。

Comments 8 pages, 11 figures. This work has been submitted to the IEEE for possible publication

3D Gaussian Splatting against Moving Objects for High-Fidelity Street Scene Reconstruction

针对移动物体的3D高斯散射用于高保真的街道场景重建

Peizhen Zheng, Dongjing Jiang, Qingchong Jiao, Redouane EL Bouchtaoui, Flynnwell Jianfei Zhang

机构 * Ontario Knowledge Intelligence Centre, Canada（加拿大安大略知识智能中心） ； Canadian Institute of Interscience, Canada（加拿大跨学科科学研究所） ； DeepCox Intelligence, Canada（加拿大DeepCox智能科技公司） 纠错

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

AI总结 本文提出了一种新的3D高斯点分布方法，通过自适应透明机制消除移动物体并保留高保真静态场景细节，结合迭代优化提升几何精度和纹理表现。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation