自动驾驶

Inter-LPCM: Learning-based Inter-Frame Predictive Coding for LiDAR Point Cloud Compression

Inter-LPCM: 基于学习的帧间预测编码用于激光雷达点云压缩

Chang Sun, Hui Yuan, Shiqi Jiang, Chongzhen Tian, Guanghui Zhang, Raouf Hamzaoui

机构 * School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； Key Laboratory of Machine Intelligence and System Control, Ministry of Education（教育部机器智能与系统控制重点实验室） ； School of Computer Science and Technology, Shandong University（计算机科学与技术学院，山东大学） ； School of Engineering and Sustainable Development, De Montfort University（工程与可持续发展学院，德蒙福特大学） 纠错

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

AI总结 本文提出Inter-LPCM，一种基于学习的帧间预测编码方法，用于改进激光雷达点云压缩中的几何冗余去除，通过引入delta编码策略、帧间半径预测模型和轻量级注意力预测模型，结合RD优化的量化方法和针对每个球坐标分量的熵编码模型，提高压缩效率和质量。

Comments 14 pages, 12 figures

LAPS: Improving Incremental LiDAR Mapping using Active Pooling and Sampling for Neural Distance Fields

LAPS：利用主动池化和采样改进增量激光雷达映射

Dongjae Lee, Wooseong Yang, Yifu Tao, Maurice Fallon, Ayoung Kim

机构 * Department of Mechanical Engineering, Seoul National University（首尔国立大学机械工程系） ； Oxford Robotics Institute at the University of Oxford（牛津大学机器人研究所） 纠错

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

AI总结 LAPS通过主动池化和采样提升增量神经映射的回放管理，提高回放保留和分配，增强重建完整性与几何精度。

Comments accepted at RA-L 2026

ReaLiTy and LADS: A Unified Framework and Dataset Suite for LiDAR Adaptation Across Sensors and Adverse Weather Conditions

ReaLiTy与LADS：一种统一框架和数据集套件，用于跨传感器和恶劣天气条件的LiDAR适应

Vivek Anand, Bharat Lohani, Rakesh Mishra, Gaurav Pandey

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； University of New Brunswick（新不伦瑞克大学） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 本文提出ReaLiTy框架和LADS数据集，通过物理一致的方法提升LiDAR在不同传感器和天气条件下的适应性，实验显示了跨域一致性和真实天气效果的改进。

Incremental Semantics-Aided Meshing from LiDAR-Inertial Odometry and RGB Direct Label Transfer

增量语义辅助的LiDAR-惯性里程计与RGB直接标签转移的网格生成

Muhammad Affan, Ville Lehtola, George Vosselman

机构 * Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente（特温特大学地理信息科学与地球观测学院（ITC）） 纠错

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

AI总结 本文提出基于RGB和LiDAR的增量语义辅助网格生成方法，通过直接标签转移提升几何重建精度，优于ImMesh和Voxblox，为XR和数字建模提供新路径。

Comments 8 pages, 5 figures, 2 tables. Accepted in ISPRS Archives 2026

Characterizing Lidar Range-Measurement Ambiguity due to Multiple Returns

表征由于多重回波导致的激光雷达距离测量模糊性

Jason H. Rife, Yifan Li

机构 * Tufts University（塔夫茨大学） 纠错

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

AI总结 本文研究了激光雷达在道路环境中因多重回波导致的距离测量模糊性，通过分析数据集表征了两种机械旋转激光雷达的累积分布函数，并提出评估概率多回波对定位影响的方法。

Comments Proceedings of the 38th International Technical Meeting of the Satellite Division of The Institute of Navigation (ION GNSS+ 2025), Baltimore, Maryland, September 2025, pp. 1949-1963

HOTFLoc++: End-to-End Hierarchical LiDAR Place Recognition, Re-Ranking, and 6-DoF Metric Localisation in Forests

HOTFLoc++: 端到端分层激光雷达位置识别、重排序及6自由度度量局部化在森林中的应用

Ethan Griffiths, Maryam Haghighat, Simon Denman, Clinton Fookes, Milad Ramezani

机构 * CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人实验室） ； School of Electrical Engineering and Robotics, Queensland University of Technology (QUT)（昆士兰科技大学电气工程与机器人学院） 纠错

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

AI总结 本文提出HOTFLoc++框架，通过多粒度特征提取提升森林和城市环境中鲁棒性，结合可学习多尺度几何验证减少重排序失败，实现更精确的局部化。

Comments 8 pages, 2 figures, Accepted for publication in IEEE RA-L (2026)

FSKD: Monocular Forest Structure Inference via LiDAR-to-RGBI Knowledge Distillation

FSKD：通过LiDAR到RGBI知识蒸馏推断单目森林结构

Taimur Khan, Hannes Feilhauer, Muhammad Jazib Zafar

机构 * Helmholtz Centre for Environmental Research – UFZ（亥姆霍兹环境研究中心） ； Leipzig University（莱比锡大学） ； Georg-August University of Göttingen（哥廷根大学） 纠错

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

AI总结 本文提出FSKD框架，利用多模态教师模型融合RGBI影像与LiDAR衍生的平面指标和垂直剖面，通过交叉注意力机制，使RGBI-only的SegFormer学生模型在零样本情况下实现最先进的CHM性能，同时预测PAI和FHD等多指标。

Comments Paper in-review

DRUM: Diffusion-based Raydrop-aware Unpaired Mapping for Sim2Real LiDAR Segmentation

DRUM：基于扩散的反射率感知无配对映射用于Sim2Real激光雷达分割

Tomoya Miyawaki, Kazuto Nakashima, Yumi Iwashita, Ryo Kurazume

机构 * Kyushu University（九州大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） 纠错

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

AI总结 DRUM通过利用未标记真实数据预训练的扩散模型，结合反射强度和射线丢失噪声特性，提升Sim2Real激光雷达分割性能。

Comments ICRA 2026

4DRaL: Bridging 4D Radar with LiDAR for Place Recognition using Knowledge Distillation

4DRaL: 通过知识蒸馏将4D雷达与LiDAR结合用于地点识别

Ningyuan Huang, Zhiheng Li, Zheng Fang

机构 * Faculty of Robot Science and Engineering, Northeastern University, Shenyang, China（东北大学机器人科学与工程学院，沈阳，中国） 纠错

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

AI总结 本文提出4DRaL框架，利用知识蒸馏提升4D雷达的地点识别性能，通过高精度LiDAR-to-LiDAR模型指导训练，解决4D雷达数据噪声和稀疏性问题，实验表明在正常和恶劣天气下均取得最佳性能。

Comments Accepted by ICRA 2026

MS-DGCNN++: Multi-Scale Dynamic Graph Convolution with Scale-Dependent Normalization for Robust LiDAR Tree Species Classification

MS-DGCNN++：多尺度动态图卷积与尺度依赖归一化用于鲁棒点云树种分类

Said Ohamouddou, Hanaa El Afia, Mohamed Hamza Boulaich, Abdellatif El Afia, Raddouane Chiheb

机构 * ENSIAS ； Mohammed V University（摩洛哥穆罕默德五世大学） 纠错

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

AI总结 本文提出MS-DGCNN++，通过多尺度动态图卷积与尺度依赖归一化提升点云树种分类鲁棒性，实验表明其在不同SNR环境下具有更高的准确率和稳定性。

CLAIM: Camera-LiDAR Alignment with Intensity and Monodepth

CLAIM: 相机-激光雷达对齐与强度和单目深度

Zhuo Zhang, Yonghui Liu, Meijie Zhang, Feiyang Tan, Yikang Ding

机构 * Mach Drive（马奇驱动） 纠错

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

AI总结 本文提出CLAIM方法，利用单目深度模型实现相机与激光雷达对齐，通过粗到细搜索优化结构损失和纹理损失，无需复杂数据处理，实验验证其优越性能。

Comments Accepted by IROS 2025

Voronoi-based Second-order Descriptor with Whitened Metric in LiDAR Place Recognition

基于Voronoi的二级描述符与白化度量在激光雷达地点识别中的应用

Jaein Kim, Hee Bin Yoo, Dong-Sig Han, Byoung-Tak Zhang

机构 * Interdisciplinary Program in Neuroscience（神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（高等师范学院计算机系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Dept. of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系） 纠错

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

AI总结 本文提出一种基于Voronoi的二级描述符方法，通过白化度量提升激光雷达地点识别的鲁棒性，实验表明其在Oxford Robotcar和Wild-Places数据集上性能优越。

Comments Accepted at ICRA 26

D-Compress: Detail-Preserving LiDAR Range Image Compression for Real-Time Streaming on Resource-Constrained Robots

D-Compress：面向资源受限机器人实时流媒体的细节保留激光雷达范围图像压缩

Shengqian Wang, Chang Tu, He Chen

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

AI总结 本文提出D-Compress，一种面向资源受限机器人实时流媒体的细节保留激光雷达范围图像压缩框架，通过自适应离散小波变换和新的率失真优化算法，在高压缩比下保持几何精度和下游任务性能。

Comments To appear in IEEE ICRA 2026

Learning Geometric and Photometric Features from Panoramic LiDAR Scans for Outdoor Place Categorization

从全景LiDAR扫描中学习几何和光度特征用于户外场所分类

Kazuto Nakashima, Hojung Jung, Yuki Oto, Yumi Iwashita, Ryo Kurazume, Oscar Martinez Mozos

机构 * Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程研究生院） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程学部） ； Technical University of Cartagena（卡塔赫纳技术大学） 纠错

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

AI总结 本文提出利用CNN处理LiDAR获取的全景深度/反照率图像，通过构建MPO数据集实现户外场所分类，优于传统方法，验证了深度与反照率模态的联合使用有效性。

Comments Published in Advanced Robotics on 31 Jul 2018

Journal ref Advanced Robotics, 32(14):750-765, 2018

LIVE-GS: Online LiDAR-Inertial-Visual State Estimation and Globally Consistent Mapping with 3D Gaussian Splatting

LIVE-GS: 在线激光雷达-惯性-视觉状态估计与全局一致映射的3D高斯点云绘制

Jaeseok Park, Chanoh Park, Minsu Kim, Minkyoung Kim, Soohwan Kim

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

AI总结 LIVE-GS通过结合激光雷达与3D高斯点云绘制，实现高精度地图一致性，解决稀疏数据和计算效率问题。

Loop Closure via Maximal Cliques in 3D LiDAR-Based SLAM

基于3D激光雷达的SLAM中通过最大团实现回环闭合

Javier Laserna, Saurabh Gupta, Oscar Martinez Mozos, Cyrill Stachniss, Pablo San Segundo

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

AI总结 本文提出CliReg算法，通过最大团搜索提升3D激光雷达SLAM中回环闭合的鲁棒性和效率。

Comments Accepted in the 2025 European Conference on Mobile Robots (ECMR). This is the author's version of the work

LEAR: Learning Edge-Aware Representations for Event-to-LiDAR Localization

LEAR: 为事件到LiDAR定位学习边缘感知表示

Kuangyi Chen, Jun Zhang, Yuxi Hu, Yi Zhou, Friedrich Fraundorfer

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，技术大学格拉茨） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） 纠错

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

AI总结 LEAR通过联合估计边缘结构和密集事件深度流场，解决事件与LiDAR对齐难题，提升GPS受限环境下的定位精度。

CO^3: Cooperative Unsupervised 3D Representation Learning for Autonomous Driving

CO³：协作无监督3D表示学习用于自动驾驶

Runjian Chen, Yao Mu, Runsen Xu, Wenqi Shao, Chenhan Jiang, Hang Xu, Zhenguo Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 CO³通过协作对比学习和上下文形状预测，实现无监督学习户外场景点云的3D表示，提升自动驾驶中的检测性能。

TreeLoc: 6-DoF LiDAR Global Localization in Forests via Inter-Tree Geometric Matching

TreeLoc: 通过树间几何匹配实现森林中的6自由度LiDAR全局定位

Minwoo Jung, Nived Chebrolu, Lucas Carvalho de Lima, Haedam Oh, Maurice Fallon, Ayoung Kim

机构 * Dept. of Mechanical Engineering, SNU（机械工程系，首尔国立大学） ； Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； CSIRO Robotics, DATA61, CSIRO and the School of Electrical Engineering and Computer Science, The University of Queensland (UQ)（CSIRO机器人、DATA61、CSIRO及昆士兰大学电气工程与计算机科学学院） 纠错

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

AI总结 TreeLoc通过树间几何匹配实现森林中的6自由度LiDAR全局定位，结合树干和DBH特征进行粗细匹配，并通过两步几何验证实现高精度定位。

Comments An 8-page paper with 7 tables and 8 figures, accepted to ICRA 2026

SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems

SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络

Khalfalla Awedat, Mohamed Abidalrekab, Gurcan Comert, Mustafa Ayad

机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈） 纠错

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

AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。

CaLiV: LiDAR-to-Vehicle Calibration of Arbitrary Sensor Setups

CaLiV：任意传感器配置的LiDAR到车辆校准

Ilir Tahiraj, Markus Edinger, Dominik Kulmer, Markus Lienkamp

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 CaLiV提出了一种基于目标的校准技术，用于多LiDAR系统的传感器到传感器和传感器到车辆的校准，适用于非重叠视野范围，无需外部设备，实现了高精度的平移和旋转误差校正。

Advanced techniques and applications of LiDAR Place Recognition in Agricultural Environments: A Comprehensive Survey

激光雷达地点识别在农业环境中的高级技术和应用：全面综述

Judith Vilella-Cantos, Mónica Ballesta, David Valiente, María Flores, Luis Payá

机构 * University Institute for Engineering Research（工程研究院） ； Miguel Hernández University（米格尔·海纳尔德大学） 纠错

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

AI总结 本文综述了农业环境中激光雷达地点识别的最新技术与应用，探讨了其挑战、现有方法及未来研究方向。

From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR

从树冠到地面：通过ForestGen3D实现跨领域生成3D森林结构：从航空到地面LiDAR

Juan Castorena, E. Louise Loudermilk, Scott Pokswinski, Rodman Linn

机构 * Los Alamos National Laboratories（洛斯阿拉莫斯国家实验室） ； Southern Research Station（南部研究站） ； Prescribed Fire Laboratory（规定火实验室） 纠错

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

AI总结 ForestGen3D通过跨领域生成模型，从航空LiDAR数据推断地面细节，实现高精度的3D森林结构重建，提升生态分析和遥感应用的准确性。

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Communication-Free Collective Navigation for a Swarm of UAVs via LiDAR-Based Deep Reinforcement Learning

基于激光雷达的深度强化学习实现无人机群通信自由的集体导航

Myong-Yol Choi, Hankyoul Ko, Hanse Cho, Changseung Kim, Seunghwan Kim, Jaemin Seo, Hyondong Oh

机构 * Department of Mechanical Engineering, Ulsan National Institute of Science and Technology（机械工程系，釜山国立科学技术研究院） ； Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology（机械工程系，韩国科学技术院） 纠错

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

AI总结 本文提出一种基于激光雷达的深度强化学习方法，使无人机群在无通信和无外部定位的情况下实现稳健的集体导航。

Multimodal Signal Processing For Thermo-Visible-Lidar Fusion In Real-time 3D Semantic Mapping

多模态信号处理用于热-可见-激光雷达融合的实时3D语义制图

Jiajun Sun, Yangyi Ou, Haoyuan Zheng, Chao yang, Yue Ma

机构 * College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机械与控制工程学院） ； School of Robotics, Xi’an-Jiaotong Liverpool University（西安交通大学利物浦大学机器人学院） 纠错

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

AI总结 本文提出通过多模态信号处理融合热、可见和激光雷达数据，提升实时3D语义制图的精度与语义理解能力，适用于灾害评估和工业维护等场景。

Comments 5 pages,7 figures. Under review

Real-Time LiDAR Point Cloud Densification for Low-Latency Spatial Data Transmission

实时LiDAR点云密集化用于低延迟空间数据传输

Kazuhiko Murasaki, Shunsuke Konagai, Masakatsu Aoki, Taiga Yoshida, Ryuichi Tanida

机构 * NTT Human Informatics Laboratories（NTT人机信息实验室） 纠错

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

AI总结 本文提出了一种基于卷积神经网络的实时LiDAR点云密集化方法，实现低延迟的3D场景生成与深度补全，效率比传统方法快15倍。

Journal ref 19th International Conference on Machine Vision Applications (MVA2025), IEICE Transactions on Information and Systems letter

Systematic Evaluation of Depth Backbones and Semantic Cues for Monocular Pseudo-LiDAR 3D Detection

单目伪LiDAR 3D检测中深度骨干网络与语义线索的系统评估

Samson Oseiwe Ajadalu

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 本文系统评估了单目伪LiDAR 3D检测中深度骨干网络和语义线索的影响，发现几何保真度和深度骨干网络选择对性能更为关键。

Comments 7 pages, 4 figures

DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network

DST-Calib: 一种双路径、自监督、无目标的激光雷达-摄像头外参校准网络

Zhiwei Huang, Yanwei Fu, Yi Zhou, Xieyuanli Chen, Qijun Chen, Rui Fan

机构 * Department of Control Science & Engineering, the College of Electronics & Information Engineering, Tongji University（控制科学与工程系，电子与信息工程学院，同济大学） ； Department of Mechanical Engineering, the School of Mechanical Engineering, Tongji University（机械工程系，机械工程学院，同济大学） ； School of Robotics, Hunan University（机器人学院，湖南大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科学技术大学） ； Department of Control Science & Engineering, the College of Electronics & Information Engineering, Shanghai Research Institute for Intelligent Autonomous Systems, the State Key Laboratory of Intelligent Autonomous Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Tongji University（控制科学与工程系，电子与信息工程学院，上海智能自主系统研究院，智能自主系统国家重点实验室，智能自主系统前沿科学中心，同济大学） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） 纠错

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

AI总结 DST-Calib通过双路径自监督方法，无需目标实现激光雷达与摄像头的高效外参校准，提升泛化能力。

PRISM-Loc: a Lightweight Long-range LiDAR Localization in Urban Environments with Topological Maps

PRISM-Loc：一种轻量级长距离激光雷达定位方法，用于城市环境中的拓扑地图

Kirill Muravyev, Artem Kobozev, Vasily Yuryev, Alexander Melekhin, Oleg Bulichev, Dmitry Yudin, Konstantin Yakovlev

机构 * Federal Research Center for Computer Science and Control of Russian Academy of Sciences（俄罗斯科学院计算机科学与控制联邦研究中心） ； Moscow Institute of Physics and Technology (MIPT)（莫斯科物理技术学院） ； Artificial Intelligence Research Institute (AIRI)（人工智能研究所） ； Innopolis University（Innopolis大学） 纠错

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

AI总结 PRISM-Loc提出了一种轻量级的激光雷达定位方法，结合紧凑拓扑表示与新型扫描匹配和车道线检测模块，实现了在城市环境中高精度的实时定位。

Comments This version was submitted to ICRA 2026 conference