自动驾驶

UQ-Loc: Uncertainty-Aware LiDAR Scene Coordinate Regression

UQ-Loc：感知不确定性的激光雷达场景坐标回归

Jacek Komorowski

机构 * Warsaw University of Technology（华沙理工大学） 纠错

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

AI总结 UQ-Loc扩展LightLoc架构，添加各向同性高斯协方差头，采用NLL损失结合kNN正则化训练，改进SC2-PCR求解器推理，提升6自由度定位精度并校准不确定性。

KILVO: Kinematic-Inertial-LiDAR-Visual Odometry with Robust Multimodal Adaptation for Humanoid Robots

KILVO：面向人形机器人的具备鲁棒多模态自适应的运动学-惯性-激光雷达-视觉里程计

Jixin Gao, Fucheng Liu, Teng Zhang, Fusheng Zha

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出面向人形机器人的KILVO里程计，基于ESIKF整合多传感器并设计多模态自适应与接触估计模块，实验显示其精度、效率及鲁棒性优于现有方法，代码与数据集已开源。

Comments This article has been accepted for publication in IEEE/ASME Transactions on Mechatronics. Personal use is permitted. All other uses require IEEE permission

Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration

Sen-Cap：基于激光雷达-相机融合的传感器灵活且抗噪的人体运动捕捉框架

Aoru Xue, Yujing Sun, Yiming Ren, Kwok-Yan Lam, Mao Ye, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信托中心） 纠错

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

AI总结 Sen-Cap是一种无需传感器间校准的激光雷达-相机融合人体运动捕捉框架，通过跨传感器运动估计器与抗噪轨迹跟踪器实现灵活部署与强鲁棒性，在多数据集上达最优性能，适用于真实场景。

Comments 16 pages, 8 figures, 4 tables. Accepted at ECCV 2026. Aoru Xue and Yujing Sun contributed equally. Yuexin Ma is the corresponding author

Proteus: A Truncation-Robust Entropy Model for Progressive LiDAR Compression

Proteus：适用于渐进式激光雷达压缩的抗截断熵模型

Yihan Qiu, Xiaodong Lin, Baoquan Zhao, Hailong Jiao, Ge Li

机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 提出名为Proteus的激光雷达压缩编解码器，通过解耦编码实现抗70%比特流截断，在理想信道下优于G-PCC、Draco等标准及Unicorn，可用于安全关键感知场景。

Flight-Ready LiDAR-Inertial Odometry for Embedded Drone Platforms

适用于嵌入式无人机平台的飞行就绪激光雷达惯性里程计

Alvaro J. Gaona, David Perez-Saura, Francisco J. Anguita, Pascual Campoy

机构 * Centre for Automation and Robotics C.A.R. (UPM-CSIC), Universidad Politécnica de Madrid（马德里理工大学自动化与机器人技术中心C.A.R.（马德里理工大学-西班牙科学研究委员会）） 纠错

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

AI总结 研究针对开源LIO系统在无人机应用时的不足，识别其架构缺陷，通过IMU速率前向传播等改进，提升里程计输出频率至200Hz，保持数据连续性，经无人机实验验证，改进可直接用于FAST-LIO2相关实现。

Comments 7 pages, 5 figures, Accepted in IMAV 2026

Factorized Spatio-Temporal Convolutions for Human Pose Estimation from Planar Lidar

用于基于平面激光雷达的人体姿态估计的分解时空卷积

Simone Arreghini, Mirko Nava, Nicholas Carlotti, Antonio Paolillo, Alessandro Giusti

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（瑞士意大利语区大学提契诺大学人工智能达勒莫利研究所） 纠错

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

AI总结 针对服务机器人仅配备平面激光雷达和普通处理器的情况，提出基于时空块的轻量级网络，用于全向人体检测和相对2D姿态估计，通过跨模态自监督训练，优于基线模型，适用于计算受限的服务机器人空间感知。

Two-Stage Extrinsic Calibration of a Static Line-Scanning Lidar with a Rotary Platform

基于旋转平台的静态线扫描激光雷达的两阶段外部校准

Vikram Shree, Hike Danakian, Long Nguyen, Rajanish Gokidi, Patrick Nercessian

机构 * SiLC Technologies（SiLC技术公司） 纠错

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

AI总结 研究基于旋转平台的静态线扫描激光雷达校准问题，探索自动方法静态和动态估计旋转轴变换，通过真实数据集验证算法并研究其收敛特性。

Comments 8 pages, 13 figures. Manuscript accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Move First, Commit Later: Selective LiDAR-to-BIM Global Initialization via Sequential Consensus with Symmetry-Aware Abstention

先移动，后提交：通过具有对称感知弃权的顺序共识进行选择性激光雷达到BIM全局初始化

Yujie Zhang, Yuxuan Guo, Jiashuo Zheng, Zeheng Fan, Xiaohui Jia, Jinyue Liu

机构 * School of Mechanical Engineering, Hebei University of Technology（河北工业大学机械工程学院） 纠错

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

AI总结 研究激光雷达到BIM全局初始化问题，提出“先移动，后提交”的选择性层，将配准前端作证据源决定是否提交，通过特殊方法聚合证据，在真实建筑和模拟中表现良好，能正确提交或弃权，提交锚点精度高且前端模块化。

Comments 8 pages, 6 figures, 3 tables. Preprint

Depth-Dependent Hidden-State Collapse in Dynamical System Autoencoders for LiDAR Point-Cloud Classification

用于激光雷达点云分类的动态系统自动编码器中深度相关的隐藏状态坍缩

Patricia Medina, Hy P. G. Lam

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

AI总结 研究用DSAE对激光雷达点云分类，通过实验比较不同编码器深度下的表现，发现深度为\(K = 5\)时存在隐藏状态坍缩，乘积系数不能改善坍缩前指标及防止坍缩，确定大深度表示坍缩是DSAE激光雷达分类的失败模式。

Comments 6 pages, 2 figures, 1 table. Submitted to the 2026 IEEE High Performance Extreme Computing Conference (HPEC 2026)

Explainable Geospatial AI for Satellite Ground Station Siting Using LiDAR-Derived Terrain Intelligence

利用激光雷达衍生地形智能的卫星地面站选址可解释地理空间人工智能

Shohini Sarkar, Smithi Mahendran, Rishi Chudasama, Varun Mannam, Arav Luthra, Yuvraj Rekhi, Vivek Nadig, Arsh Goenka

机构 * U.S. Geological Survey（美国地质调查局） 纠错

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

AI总结 研究利用激光雷达衍生地形智能预测卫星地面站选址的代表性杂波高度，提出可解释机器学习框架，用多种数据训练，选LightGBM，模型误差降低超60%，评估相关标准，SHAP识别关键预测因子，证明开放数据可改善杂波建模。

Comments Accepted at the 2026 IEEE 22nd International Conference on Automation Science and Engineering (IEEE CASE 2026)

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。

StratMamba: Strategic and Reactive Stream Partitioning for Path-Efficient LiDAR-Based Obstacle Avoidance

StratMamba：用于基于路径高效的激光雷达避障的策略性和反应性流划分

Hung-Chieh Wu, Xiaopan Zhang, Kasra Sinaei, Ryan Abnavi, Kasun Weerakoon, Christopher Bradley, Seyed Fakoorian, Jiachen Li, Donald Ebeigbe

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； AlphaZ, Inc.（阿尔法兹公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 研究针对复杂环境中机器人导航问题，提出StratMamba双流时间建模架构，结合快慢衰减内存架构处理激光雷达数据。经多场景评估及与其他基线对比，其在时间推理效率、导航速度和路径最优性方面表现出色，在现实中性能更稳健。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 6 figures. Video: https://www.youtube.com/watch?v=Z0FfO_AVaSw

ACZ-GSeg: Adaptive Concentric Zone-based Two-stage Ground Segmentation for LiDAR Point Clouds

ACZ-GSeg：基于自适应同心区域的激光雷达点云两阶段地面分割

Ge Zhang Chunyang Wang Bin Liu

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

AI总结 针对复杂道路场景中地面分割难题，提出基于自适应同心区域模型的两阶段地面分割方法，构建模型确定扇区数量，粗、细分割阶段分别采用不同约束提取和细化地面点，实验证明该方法能适应点云分布特征，提高分割稳定性。

A Numerically-Robust ROS 2 Port of iG-LIO: Diagnosing and Fixing Toolchain-Induced Failures in Incremental GICP LiDAR-Inertial Odometry

iG-LIO的数值稳健ROS 2端口：诊断和修复增量GICP激光雷达惯性里程计中工具链引起的故障

Afonso E. Carvalho, David Portugal, Paulo Peixoto

机构 * Robotics Institute (RI), Carnegie Mellon University (CMU)（卡内基梅隆大学机器人研究所） ； Institute of Systems and Robotics (ISR), University of Coimbra (UC)（科英布拉大学系统与机器人研究所） 纠错

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

AI总结 研究针对iG-LIO的ROS 2端口，诊断并修复由工具链导致的数值故障。通过分析QoS不匹配等问题，采取修正点场解析、添加传感器支持等方法，在多种传感器上验证了改进后的端口，为该端口提供了可引用参考。

Comments 3 pages, 1 figure, 4 references

LIT-GS: LiDAR-Inertial-Thermal Gaussian Splatting for Illumination-Robust Mapping

LIT-GS: 面向光照鲁棒建图的激光雷达-惯性-热高斯泼溅

Shikuan Shi, Chunran Zheng, Jiaming Xu, Tianyong Ye, Tao Yu, 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） 纠错

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

AI总结 提出LIT-GS框架，利用激光雷达平面几何约束联合优化位姿与高斯，解决光照变化和纹理缺失场景下RGB依赖的脆弱性问题，提升几何精度与渲染质量。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Integrating national forest inventory, airborne lidar, and satellite imagery for wall-to-wall mapping of forest structure with computer vision

整合国家森林清查、机载激光雷达和卫星影像，利用计算机视觉实现森林结构的全覆盖制图

Luke J. Zachmann, David D. Diaz, Vincent A. Landau, Chelsey Walden-Schreiner, Tony Chang, Nathan E. Rutenbeck, Katharyn A. Duffy, Kiarie Ndegwa, Andreas Gros, Scott Conway, Guy Bayes

机构 * Vibrant Planet Public Benefit Corporation（Vibrant Planet 公益公司） 纠错

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

AI总结 提出VibrantForests框架，结合卫星影像、激光雷达样本和计算机视觉，以10米分辨率生成美国本土的冠层覆盖、高度、生物量等森林属性图，减少饱和与回归均值问题。

Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes

Viking Hill数据集：用于森林场景检测与分割的激光雷达-雷达-相机数据集

Vladimír Kubelka, Oleksandr Kotlyar, Unal Artan, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； AASS research centre（AASS研究中心） ； Robot Navigation and Perception Lab（机器人导航与感知实验室） 纠错

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

AI总结 提出首个包含4D成像雷达的森林多传感器数据集，通过MinkowskiUNet实现雷达与激光雷达点云的语义分割，并评估树干分割质量与树木尺寸的关系。

Comments 33 pages, 11 figures

BIM-Loc: BIM-Integrated Discrepancy-Aware LiDAR-based Indoor Localization

BIM-Loc：集成BIM的差异感知激光雷达室内定位

Yinqiang Zhang, Liang Lu, Yipeng Pan, Maolin Lei, Yuhan Xie, Zhanteng Xie, Xiaowei Luo, Jia Pan

机构 * Department of AI & Data Science, University of Hong Kong (HKU)（香港大学人工智能与数据科学系） ； Department of Architecture and Civil Engineering, City University of Hong Kong (CityU)（香港城市大学建筑与土木工程系） ； Humanoids and Human Centered Mechatronics Research Line, Italian Institute of Technology (IIT)（意大利技术研究院人形机器人与以人为本机电一体化研究组） 纠错

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

AI总结 提出BIM-Loc，一种直接集成建筑信息模型（BIM）的差异感知激光雷达定位方法，通过多命中射线投射、BIM集成因子位姿图优化和层次贝叶斯推断，实现与BIM坐标系对齐的轨迹估计和在线差异检测，显著提升定位精度与鲁棒性。

Comments 24 pages, 21 figures, accepted by International Journal of Robotics Research (IJRR), to be published

Journal ref The International Journal of Robotics Research, 2026

PRISA: Proactive Infrastructure LiDAR Framework for Intersection Safety Assessment

PRISA：用于交叉路口安全评估的主动式基础设施激光雷达框架

Tam Bang, Hussam Abubakr, Emiliano de la Garza Villarreal, Truc Phuong Nguyen, Austin Harris, Toru Hirano, Mina Sartipi, Yunfei Xu, Hoang H. Nguyen

机构 * University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 研究针对城市交叉路口危险问题，提出PRISA框架，利用隐私保护、低光鲁棒的路边传感器，通过自动整理训练数据训练轨迹预测模型，进行连续运动预测和双重替代安全评估，经实验验证其在交叉路口安全监测方面具有实际可行性。

Comments Accepted for publication at the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 2 figures

Detecting clear-air turbulence via beam broadening in a Rayleigh-scattering lidar system

通过瑞利散射激光雷达系统中的光束展宽检测晴空湍流

Christopher Miller, Daniel Lum, Brandon Rodenburg, Michael Stenner, Anthony DiCarlo, Bradford Snios, Paul D. Williams

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 研究提出利用瑞利散射激光雷达，通过差分探测器测量光束展宽估计涡耗散率来探测晴空湍流的方法，实验验证了相关模型有效性，该方法可使受限系统探测范围超30公里，提升了航空安全保障能力。

Development of a Raman Lidar for the Southern Site of the Cherenkov Telescope Array Observatory

切伦科夫望远镜阵列天文台南部站点拉曼激光雷达的研制

Patrick Brun, Omar Gabella, Stephane Rivoire, George Vasileiadis

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文围绕切伦科夫望远镜阵列天文台南部站点需求，研制LUPM拉曼激光雷达系统，通过在OHP天文台两年观测，获取355和532纳米处消光、后向散射及激光雷达比等数据，验证原型符合CTAO要求。

Twin-beam advantage in quantum LiDAR under correlated noise

相关噪声下量子激光雷达的双光束优势

Valeria Cimini

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 研究在相关噪声环境下，使用双光束纠缠态和零差探测实现目标距离与速度联合估计，发现纠缠在相关干扰下提供超越局部压缩的鲁棒性优势。

Event-based Scheimpflug LiDAR for Ultra-Fast Laser-Scanned Rangefinding

基于事件的Scheimpflug激光雷达用于超快激光扫描测距

Nathan Meraz, Alisha Whitehead, Suet Ying Chan, Ronan Taneja, Gabriella Mayrend, Joseph L. Greene

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 提出eSCHORTY系统，将事件传感器与调制连续波线激光结合，通过Scheimpflug几何实现每秒百万兆事件级密集3D点云，解决帧率限制和背景干扰问题。

Comments 19 pages, 8 figures

PathCover: A Fast Convex Decomposition along a Path via Randomized Iterative Space Partitioning (RISP) on Point Clouds

PathCover：基于点云的随机迭代空间划分（RISP）沿路径的快速凸分解

Kunal S. Narkhede, Abhijeet M. Kulkarni, Guoquan Huang, Ioannis Poulakakis

机构 * University of Delaware（特拉华大学） ； Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； HERON–Center of Excellence in Robotics（赫伦机器人卓越中心） 纠错

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

AI总结 PathCover是基于点云的快速凸分解框架，采用RISP算法，可高效生成无障碍物多面体，速度较现有方法提升一个数量级，经仿真与实机验证适用于机器人导航。

Comments 13 pages, 5 figures

KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility

KinematicRL: 一种面向社交导航的具有运动学可行性的仿真到现实强化学习框架

Zhiming Xu, Haodong Yang, Chengju Liu, Qijun Chen, Chenpeng Yao

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Department of Electronics and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Institute of Intelligent Science and Technology, Tongji University（同济大学上海智能科学与技术研究院） 纠错

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

AI总结 提出KinematicRL框架，通过二阶控制动作空间、基于2D LiDAR的聚类人体追踪和无偏残差门控模块，解决社交导航中仿真到现实的动态可行性问题。

Comments Accepted by IEEE Transactions on Automation Science and Engineering (T-ASE)

G-PROBE: Cross-FOV Place Recognition and Certainty-Coupled Localization for 3D Point Clouds

G-PROBE：用于3D点云的跨视场位置识别和确定性耦合定位

Jinseop Lee

机构 * SK Intellix（SK智能科技） 纠错

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

AI总结 研究针对3D点云在有限或不对称视场下全局定位难的问题，提出G-PROBE框架。通过虚拟传感器分解、跨视场分支集合等方法，结合确定性耦合定位，无需学习。在多数据集和模式上评估，该框架性能出色，端到端可用性高，在不对称视场下优势明显。

Comments 18 pages, 9 figures

Cross4D-JEPA: Dense Cross-modal Correspondence Distillation for 4D Point Cloud Representation Learning

Cross4D-JEPA: 用于4D点云表示学习的密集跨模态对应蒸馏

Trung Thanh Nguyen, Hai Nguyen-Truong, Tu Vo, Hoang M. Truong, Tuan-Anh Vu

机构 * Nagoya University（名古屋大学） ； Northeastern University（东北大学） ； KC Machine Learning Lab（KC机器学习实验室） ； University of Science, Vietnam National University Ho Chi Minh City（胡志明市越南国立大学理科大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出Cross4D-JEPA，通过教师-学生框架将冻结的2D基础模型（如DINOv2或V-JEPA 2）的密集补丁特征蒸馏到4D点编码器，实现每点对应和潜在空间匹配，在四个基准上优于模态内和全局跨模态基线。

Transferable Above-Ground Biomass (AGB) Estimation Model from Multi-Sensor Data with Sparse Field Calibration

结合稀疏地面校准的多传感器可迁移地上生物量（AGB）估算模型

Pann Thinzar Seint, Bryan Atwood, Subas Chhatkuli

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

AI总结 该研究提出结合稀疏地面校准的多传感器可迁移AGB估算框架，以全局训练CNN为核心，经GEDI数据训练后用少量样地校准，提升了AGB估算精度，优于现有产品。

CDSeg: A Renderable Gaussian Carrier for Image-to-3D Label Transfer

CDSeg：用于图像到3D标签迁移的可渲染高斯载体

Wentao Sun, Yiping Chen, Zhengsen Xu, Jonathan Li, John S. Zelek

机构 * University of Waterloo（滑铁卢大学） ； Sun Yat-sen University（中山大学） ； University of Calgary（卡尔加里大学） 纠错

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

AI总结 CDSeg是基于高斯溅射的跨域分割接口，无需特定任务3D分割训练，可复用2D掩码实现多视图标签迁移，在多个数据集上取得高mIoU，能快速处理大规模场景。

Comments 15 pages, 8 figures