自动驾驶

No Adaptation Without Observation: Observability-Constrained Test-Time Prompt Tuning for LiDAR Semantic Segmentation

无观测则无适应：面向LiDAR语义分割的观测约束测试时提示调整

Linlian Jiang, Wentao Ju, Sadman Rakib Pinon, Jianwei Xian, Zhixiang Chi, Xinxin Zuo, Yang Wang

机构 * Concordia University（康考迪亚大学） ； Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Toronto（多伦多大学） 纠错

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

AI总结 针对LiDAR语义分割在部署中性能下降的问题，提出一种几何约束的测试时提示调整框架，通过估计感知可靠性并加权空间监督，仅调整轻量提示适配器，实现稳定适应。

Comments IROS 2026

Self-supervised Geometry Reasoning for LiDAR Simultaneous Localization and Mapping

自监督几何推理用于LiDAR同时定位与地图构建

Jiwoo Kim, Jinwoo Lee, Woojae Shin, Giseop Kim, Hyondong Oh

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国高级科学研究院） ； Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院） 纠错

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

AI总结 提出自监督框架，通过学习局部几何的显式符号表示（高斯分布协方差）并递归优化LiDAR SLAM，无需密集标签，提升低分辨率或稀疏点云下的定位与建图精度。

PL-LIT: A LiDAR-Inertial-Thermal SLAM Using Point-Line Features and Thermographic Mapping

PL-LIT：一种使用点线特征和热成像的LiDAR-惯性-热SLAM系统

Jiawei Xia, Yixiao Feng, Yongliang Shi, Chao Gao, Renjing Xu, Weining Lu, Bin Liang

机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of California, Berkeley（加州大学伯克利分校） ； Xinchen Qihang Co., Ltd.（新晨启航有限公司） 纠错

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

AI总结 提出PL-LIT系统，结合光度校准与点线特征提取网络，通过ESIKF紧耦合LiDAR、惯性和热数据，实现鲁棒的热SLAM，并构建概率热强度体素地图用于热异常检测。

Comments 8 pages,International Conference on Intelligent Robots and Systems 2026 (IROS)

Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments

跨会话3D LiDAR与相机融合用于GPS拒止环境下无人机的鲁棒定位

Cong Hoang Quach, Chi Thanh Vo, Dong LT. Tran, Truong Son Nguyen, Manh Duong Phung, Thuan Hoang Tran

机构 * School of Electrical and Data Engineering, University of Technology Sydney（悉尼大学电气与数据工程学院） ； Institute of Aerospace Engineering and Technology, Duy Tan University（杜益大学航空航天工程与技术学院） ； College of Engineering and Computer Science, VinUniversity（Vin大学工程与计算机科学学院） ； Smart Green Transformation Center (GREEN-X), VinUniversity（Vin大学智能绿色转型中心 (GREEN-X)） ； Department of Artificial Intelligence and Robotics, Sejong University（成均馆大学人工智能与机器人系） 纠错

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

AI总结 提出Cross-Fusion方法，融合3D LiDAR和单目相机数据，通过跨会话融合策略整合多代理基线调查数据，实现GPS拒止环境下无人机的实时高精度定位。

Comments Journal of Robotics, 2026

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

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

SR-LIO++: LiDAR-Inertial Odometry and Quantized Mapping with Caching-Aware Sweep Reconstruction

SR-LIO++: 基于缓存感知扫描重建的LiDAR-惯性里程计与量化建图

Zikang Yuan, Ruiye Ming, Chengwei Zhao, Yonghao Tan, Pingcheng Dong, Yuan Ren, Yuzhong Jiao, Xin Yang, Kwang-Ting Cheng

机构 * ACCESS-AI Chip Center for Emerging Smart Systems, InnoHK Centers, Hong Kong Science Park, Hong Kong, China（新兴智能系统 ACCESS-AI 芯片中心，InnoHK 中心，香港科学公园，香港，中国） ； HongKong University of Science and Technology, HongKong, China（香港理工大学，香港，中国） ； Huazhong University of Science and Technology, Wuhan, China（华中科技大学，武汉，中国） ； Hangzhou Qisheng Intelligent Techology Co. Ltd., Hangzhou, China（杭州启盛智能科技有限公司，杭州，中国） ； Southeast University, Nanjing, China（东南大学，南京，中国） 纠错

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

AI总结 提出SR-LIO++系统，通过扫描重建提高输出频率，并采用缓存机制和量化地图点管理，在资源受限平台上实现高精度、高效率的LiDAR-惯性里程计。

Comments 18 pages, 10 figures

PACE: Post-Causal Entropy Modeling for Learned LiDAR Point Cloud Compression

PACE：用于学习LiDAR点云压缩的后因果熵建模

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，杭州，中国） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学，南京，中国） 纠错

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

AI总结 PACE通过非因果骨干网络和轻量级预测器提升LiDAR点云压缩效率，实现90%以上的解码延迟降低和BD-BR节省。

Semantic-weighted ICP for LiDAR Odometry: Class-Aware Residual Reweighting for Robust Scan Registration

语义加权ICP用于LiDAR里程计：基于类感知残差加权的鲁棒扫描配准

Vasco Carvalho, Tiago Barros, Urbano J. Nunes

机构 * Institute of Robotics and Autonomous Systems, University of Lisbon（里斯本大学机器人与自主系统研究所） 纠错

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

AI总结 提出语义加权ICP方法，通过根据语义类别的几何稳定性对残差进行加权，在动态和复杂环境中提升LiDAR里程计的位姿估计鲁棒性。

A Decentralized LiDAR-SLAM System with Certifiably Optimal Pose Graph Optimization

一种具有可认证最优位姿图优化的去中心化LiDAR-SLAM系统

Baoshan Song, Feng Huang, Li-Ta Hsu

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 针对多机器人去中心化LiDAR-SLAM全局一致性问题，提出首个集成可认证最优位姿图优化后端的系统，利用黎曼块坐标下降算法实现全局一致轨迹估计，无需精确初始猜测，轨迹RMSE相比DiSCo-SLAM最高降低48.9%。

Comments In Proceedings of the IEEE International Conference on Robotics & Automation (ICRA'26) 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, Vienna, Austria, Jun. 5, 2026

LiDAR Point Cloud Colourisation Using Multi-Camera Fusion and Low-Light Image Enhancement

使用多相机融合和低光图像增强的LiDAR点云着色

Pasindu Ranasinghe, Dibyayan Patra, Bikram Banerjee, Simit Raval

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

AI总结 提出一种硬件无关的方法，通过多相机融合和低光增强模块，实现机械LiDAR点云的360度着色，在低光照条件下仍能恢复场景细节。

Journal ref Sensors 25(21), 6582 (2025)

RFDT-Channel: RGB-LiDAR-Based RF Digital Twin Scene Construction for 28 GHz Indoor Ray-Tracing Channel Simulation

RFDT-Channel：基于RGB-LiDAR的RF数字孪生场景构建用于28 GHz室内射线追踪信道仿真

Chengyang Yao, Cunhua Pan, Jiaming Zeng, Yuquan Sun, Haoyang Weng, Haojian Wang, Hong Ren, Jiangzhou Wang

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

AI总结 提出RFDT-Channel工作流，利用RGB图像和LiDAR点云自动构建射频可计算几何与电磁材料属性的数字孪生场景，用于28 GHz射线追踪仿真，通过材料绑定将有效路径数从约742降至约52，同时保持主路径幅度不变。

Super-Resolved Canopy Height Mapping from Sentinel-2 Time Series Using Airborne LiDAR HD Reference Data across Metropolitan France

利用法国大都市机载LiDAR HD参考数据从Sentinel-2时间序列进行超分辨率冠层高度制图

Ekaterina Kalinicheva, Florian Helen, Stéphane Mermoz, Florian Mouret, Milena Planells

机构 * CESBIO ； GlobEO 纠错

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

AI总结 提出THREASURE-Net端到端框架，利用Sentinel-2时间序列和LiDAR HD数据生成2.5m、5m和10m分辨率的年度冠层高度图，无需预训练模型或高分辨率光学图像，在法国大都市区实现优于现有方法的精度。

MR-LiDAR: A Multi-Resolution Roadside LiDAR Benchmark for Perception Diagnostics and Deployment Guidance

MR-LiDAR：用于感知诊断和部署指导的多分辨率路边激光雷达基准

Shunlai Cui, Peng Cao, Yuan Zhu, Yongjiang He, Jiacheng Yin, Xiao Huo, Gang Cao, Xiaobo Liu

机构 * Intelligent Comprehensive Transportation Key Laboratory of Sichuan Province（四川省智能综合交通运输重点实验室） 纠错

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

AI总结 针对激光雷达选型缺乏实证基准的问题，提出MR-LiDAR多分辨率基准，通过控制光束数和分布等变量，系统分析其对感知性能的影响，并给出选型指导。

Comments 9 pages, 6 figures

Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain

点云中的鬼影：瞬态域中的LiDAR去眩光

Avery Gump, Connor Henley, Sungjin Cheong, Akarsh Prabhakara, Mohit Gupta

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对固态LiDAR内部多径眩光导致的伪影问题，提出基于瞬态眩光扩散函数（TGSF）的物理模型和无训练算法，在点云形成前抑制眩光，保留真实场景结构。

Comments CVPR 2026

3D LULC classification using multispectral LiDAR and deep learning: current and prospective schemes

基于多光谱LiDAR和深度学习的3D土地利用/覆盖分类：当前和未来方案

Narges Takhtkeshha, Aldino Rizaldy, Markus Hollaus, Juha Hyyppä, Fabio Remondino, Gottfried Mandlburger

机构 * D Optical Metrology (3DOM) Unit, Bruno Kessler Foundation (FBK)（3D光学计量（3DOM）单元，布鲁诺·凯塞尔基金会（FBK）） ； Department of Geodesy and Geoinformation, TU Wien（测绘与地理信息系，维也纳技术大学） ； Helmholtz-ZentrumDresden-Rossendorf (HZDR), Helmholtz Institute Freiberg for Resource Technology (HIF)（德累斯顿-罗斯托克赫尔姆霍尔茨研究中心（HZDR），资源技术赫尔姆霍尔茨研究所（HIF）） ； Freie Universität Berlin, Remote Sensing and Geoinformatics（柏林自由大学，遥感与地理信息学） ； Department of Remote Sensing and Photogrammetry, Finnish Geospatial Research Institute FGI, The National Land Survey of Finland（芬兰地理研究所（FGI），芬兰国家土地测绘局） 纠错

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

AI总结 本文提出了一种基于多光谱LiDAR和深度学习的3D土地利用/覆盖分类方法，介绍了NMCA对齐的L1和L2分类方案，并引入了一个新的多光谱LiDAR基准数据集，评估了七种最先进的深度学习模型，并展示了光谱信息对分类性能的提升。

Imaging Hidden Objects with Consumer LiDAR via Motion Induced Sampling

通过运动诱导采样用消费级LiDAR成像隐藏物体

Siddharth Somasundaram, Aaron Young, Akshat Dave, Adithya Pediredla, Ramesh Raskar

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Dartmouth College（达特茅斯学院） 纠错

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

AI总结 本文提出了一种多帧融合策略，利用运动诱导孔径采样模型，在消费级LiDAR上实现了非线视成像，实现了隐藏物体的3D重建、多物体跟踪和相机定位，并展示了消费级硬件无需额外设置即可实现非线视成像的潜力。

Uncertainty Representation in a SOTIF-Related Use Case with Dempster-Shafer Theory for LiDAR Sensor-Based Object Detection

基于Dempster-Shafer理论的LiDAR传感器目标检测SOTIF相关用例中的不确定性表示

Milin Patel, Rolf Jung

机构 * Institute for Driver Assistance and Connected Mobility（驾驶员辅助与车联网研究所） ； Kempten University of Applied Sciences（科佩滕应用科学大学） 纠错

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

AI总结 本文提出了一种系统的方法，利用Dempster-Shafer理论构建判定框架，以表示LiDAR传感器目标检测中的不确定性，并通过方差敏感性分析量化和优先处理这些不确定性，以确保自动驾驶场景的安全性。

Comments submitted as extended paper of Vehicle Technology and Intelligent Transport Systems (VEHITS)2024 conference and will be published by Springer in a CCIS Series book later in 2025

NeuroLiDAR: Adaptive Frame Rate Depth Sensing via Neuromorphic Event-LiDAR Fusion

NeuroLiDAR: 通过神经形态事件-LiDAR融合实现自适应帧率深度感知

Darshana Rathnayake, Dulanga Weerakoon, Meera Radhakrishnan, Archan Misra

机构 * Singapore Management University（新加坡国立管理学院） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联合研究和技术中心） ； University of Technology Sydney（悉尼技术大学） 纠错

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

AI总结 本文提出NeuroLiDAR，通过融合稀疏LiDAR数据和密集的神经形态事件相机数据，实现了高达约66Hz的自适应帧率深度感知，减少了29%的深度重建误差。

Comments ICRA2026 accepted

EfficientPENet: Real-Time Depth Completion from Sparse LiDAR via Lightweight Multi-Modal Fusion

EfficientPENet：通过轻量多模态融合实现稀疏LiDAR的实时深度补全

Johny J. Lopez, Md Meftahul Ferdaus, Mahdi Abdelguerfi, Anton Netchaev, Steven Sloan, Ken Pathak, Kendall N. Niles

机构 * Canizaro Livingston Gulf States Center for Environmental Informatics, the University of New Orleans, New Orleans, USA（Canizaro Livingston Gulf States环境信息中心，新奥尔良大学，美国新奥尔良） ； US Army Corps of Engineers, Engineer Research and Development Center, Vicksburg, Mississippi, USA（美国陆军工程兵团，工程师研究与发展中心，密西西比州维克斯堡，美国） 纠错

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

AI总结 本文提出EfficientPENet，通过轻量级多模态融合网络，在稀疏LiDAR和RGB图像上实现实时深度补全，具有更少的参数和更高的速度，同时保持竞争力的精度。

Comments This work has been submitted to the IEEE for possible publication

Continuous-streaming high-speed two-photon dual-comb LiDAR with free-running lasers

连续流高-speed双光子双梳LiDAR

Benjamin H. Forman, Hollie Wright, Hanna Ostapenko, Derryck T. Reid

专题命中 激光雷达 ：LiDAR(title,title_cn)

AI总结 利用自由运行激光器实现高速低数据负担的双光子双梳LiDAR距离计量，精度达1微米，适用于工业应用。

Comments Submitted for publication. In peer review