自动驾驶

Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences

基于深度点对应的无靶标联合相机-激光雷达内参和外参标定

Simon Bultmann, Daniele Cattaneo, Abhinav Valada

机构 * Department of Computer Science, University of Freiburg, Germany（弗赖堡大学计算机科学系） 纠错

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

AI总结 提出首个完全无靶标的联合标定流程，通过深度像素-点对应同时估计相机内参（含畸变）和相机-激光雷达外参，并采用结构运动初始化内参、联合非线性优化。

Comments presented at 2nd German Robotics Conference (GRC)

EllipseLIO: Adaptive LiDAR Inertial Odometry with an Ellipsoid Representation

EllipseLIO: 一种基于椭球表示的自适应激光雷达惯性里程计

Rowan Border, Margarita Chli

机构 * Vision for Robotics Lab (V4RL)（机器人视觉实验室） 纠错

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

AI总结 本文提出EllipseLIO，一种基于椭球表示的实时激光雷达惯性里程计，通过自适应的激光雷达扫描过滤和配准方法，在不同环境和传感器下实现鲁棒的里程计性能，实验表明其在多种复杂场景中表现最优。

Comments 8 pages, 6 figures, 2 tables

Collaborative Learning for Semi-Supervised LiDAR Semantic Segmentation

协同学习用于半监督激光雷达语义分割

Bin Yang, Alexandru Paul Condurache

机构 * Bosch Research, Robert Bosch GmbH, Stuttgart, Germany（博世研究, 博世有限公司, 斯图加特, 德国） ； Institute for Neuro- and Bioinformatics, University of Lübeck, Lübeck, Germany（神经与生物信息学研究所, 奥尔德马克大学, 奥尔德马克, 德国） 纠错

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

AI总结 本文提出CoLLiS框架，通过协同学习解决半监督学习中伪标签单一导致的偏差问题，实验表明其在低标注情况下表现优异。

Comments The paper was accepted by ICML2026

FU-MPC: Frontier- and Uncertainty-Aware Model Predictive Control for Efficient and Accurate UAV Exploration with Motorized LiDAR

FU-MPC：面向前沿和不确定性的模型预测控制用于高效且准确的无人机探索

Jianping Li, Pengfei Wan, Zhongyuan Liu, Yi Wang, Yiheng Chen, Xinhang Xu, Rui Jin, Boyu Zhou, Lihua Xie

机构 * NTU（国立新加坡大学） 纠错

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

AI总结 本文提出FU-MPC框架，通过结合前沿感知和方向依赖的定位不确定性，提升无人机在复杂环境中的探索效率和定位鲁棒性。

Implicit spatial-frequency fusion of hyperspectral and lidar data via kolmogorov-arnold networks

通过科莫戈罗夫-阿诺德网络实现超光谱与激光雷达数据的隐式空间频率融合

Zekun Long, Judy X. Yang, Jing Wang, Ali Zia, Guanyiman Fu, Jun Zhou

机构 * School of Information and Communication Technology（信息与通信技术学院） ； School of Computing, Engineering and Mathematical Sciences（计算、工程与数学科学学院） 纠错

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

AI总结 本文提出IFGNet，利用可学习的样条函数KANs融合超光谱与激光雷达数据，提升几何感知的空间表示和全局结构模式，实验表明在准确率和Kappa值上优于现有方法。

Comments 6 pages, 1 figure, conference

3DRO: Lidar-level SE(3) Direct Radar Odometry Using a 2D Imaging Radar and a Gyroscope

3DRO：基于2D成像雷达和陀螺仪的激光雷达级SE(3)直接雷达里程计

Cedric Le Gentil, Daniil Lisus, Timothy D. Barfoot

机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所） ； Mobile Robotics Lab, ETH Zurich（苏黎世联邦理工学院移动机器人实验室） 纠错

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

AI总结 本文提出3DRO，扩展SE(2)直接雷达里程计框架以实现SE(3)状态估计，通过2D速度估计保持数据平面性并结合3D陀螺仪测量，实现激光雷达级精度。

Comments Accepted for presentation at the ICRA 2026 Workshop on Radar in Robotics (poster: https://drive.google.com/file/d/1P_iBrGxPiZL644B-dHxbvdY-UJUzd4Kp/view )

Balancing Act: Trading Off Odometry and Map Registration for Efficient Lidar Localization

平衡艺术：在里程计与地图注册之间进行权衡以实现高效的激光雷达定位

Katya M. Papais, Daniil Lisus, Cedric Le Gentil, David J. Yoon, Timothy D. Barfoot

机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所） 纠错

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

AI总结 本文研究了如何通过整合轻量级里程计与优化更新频率，提高激光雷达定位效率，同时保持高性能表现。

Comments 8 pages

LiDAR for Rehabilitation: A Comprehensive Survey of Applications, AI Techniques, and Future Directions

激光雷达在康复中的应用：应用、人工智能技术及未来方向的综合调研

Soumia Siyoucef, Najmeddine Dhieb, Hakim Ghazzai, Eleonora Guanziroli, Franco Molteni, Gianluca Setti

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

AI总结 本文综述了激光雷达在康复、术后护理和医院环境中的应用，分析了基于学习的方法及统计趋势，揭示了当前方法、AI处理技术和开放挑战。

Comments This paper is accepted for publication in IEEE Sensors Reviews, April, 2026

On the Derivation of Tightly-Coupled LiDAR-Inertial Odometry with VoxelMap

关于基于VoxelMap的紧密耦合激光雷达-惯性里程计的推导

Zhihao Zhan

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

AI总结 本文基于VoxelMap，推导了紧密耦合激光雷达-惯性里程计的数学模型，通过一致的符号和显式公式统一几何建模与概率状态估计。

Sixth-Sense: Self-Supervised Learning of Spatial Awareness of Humans from a Planar Lidar

第六感：从平面激光雷达自监督学习人类的空间感知

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

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫利人工智能研究所（IDSIA）） 纠错

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

AI总结 本文提出基于1D激光雷达和RGB-D相机的自监督方法，实现对人类的检测与2D姿态估计，提升机器人在共享空间中的全方位感知能力。

A multi-platform LiDAR dataset for standardized forest inventory measurement at long term ecological monitoring sites

多平台激光雷达数据集用于长期生态监测站点标准化森林调查测量

Michael R. Chang, Anna Candotti, Karl von Ellenrieder, Enrico Tomelleri, Marco Camurri

机构 * Faculty of Engineering, Free University of Bozen-Bolzano（博尔扎诺自由大学工程学院） ； Department of Industrial Engineering, University of Trento（特伦托大学工业工程系） ； Faculty of Agricultural, Environmental and Food Sciences, Free University of Bozen-Bolzano（博尔扎诺自由大学农业、环境与食品科学学院） ； Competence Centre for Mountain Innovation Ecosystems, Free University of Bozen-Bolzano（博尔扎诺自由大学山地创新生态系统能力中心） 纠错

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

AI总结 本文提出一个多平台激光雷达数据集，用于校准、基准测试和整合3D结构数据与生态观测及标准生物量模型，结合无人机、地面和背包式激光扫描技术，提供高精度森林结构数据。

Comments 30 pages, 7 figures

A Robust Approach for LiDAR-Inertial Odometry Without Sensor-Specific Modeling

一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法

Meher V. R. Malladi, Tiziano Guadagnino, Luca Lobefaro, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） 纠错

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

AI总结 本文提出一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法，通过简化惯性测量单元积分模型和直接扫描到地图的激光雷达配准，提升整体里程计性能，并在多种机器人传感器和平台数据集上验证了其鲁棒性。

LEADER: Learning Reliable Local-to-Global Correspondences for LiDAR Relocalization

LEADER: 学习可靠的局部到全局对应关系用于LiDAR重定位

Jianshi Wu, Minghang Zhu, Dunqiang Liu, Wen Li, Sheng Ao, Siqi Shen, Chenglu Wen, Cheng Wang

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing（福建省城市智能感知与计算重点实验室） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, School of Informatics, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学信息学院） ； School of Engineering Mathematics and Technology, University of Bristol（布里斯托大学工程数学与技术学院） 纠错

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

AI总结 本文提出LEADER框架，通过几何编码器提升描述性，采用截断相对可靠性损失减少不可靠预测影响，实验表明在Oxford RobotCar和NCLT数据集上性能优于现有方法。

Comments Accepted to CVPR 2026 (Highlight)

Learned Elevation Models as a Lightweight Alternative to LiDAR for Radio Environment Map Estimation

学习的高程模型作为LiDAR的轻量级替代方案用于无线电环境图估计

Ljupcho Milosheski, Fedja Močnik, Mihael Mohorčič, Carolina Fortuna

机构 * Department of Communication Systems, Jožef Stefan Institute（Jožef Stefan研究所通信系统系） 纠错

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

AI总结 本文提出一种两阶段框架，利用卫星RGB图像学习高程模型，替代传统LiDAR数据，提升无线电环境图估计的精度和效率。

Comments 6 pages, 3 figures, 3 tables Submitted to PIMRC 2026

DSERT-RoLL: Robust Multi-Modal Perception for Diverse Driving Conditions with Stereo Event-RGB-Thermal Cameras, 4D Radar, and Dual-LiDAR

DSERT-RoLL：多模态感知用于多样驾驶条件的鲁棒性，结合立体事件-RGB-热成像相机、4D雷达和双光雷达

Hoonhee Cho, Jae-Young Kang, Yuhwan Jeong, Yunseo Yang, Wonyoung Lee, Youngho Kim, Kuk-Jin Yoon

机构 * Visual Intelligence Lab, KAIST（韩国科学技术院视觉智能实验室） 纠错

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

AI总结 本文提出DSERT-RoLL数据集，结合立体事件、RGB和热成像相机以及4D雷达和双光雷达，涵盖多样的天气和光照条件，提供精确的2D和3D边界框及轨迹ID，支持跨传感器组合的公平比较，提升新型传感器的数据可用性，并建立统一的3D和2D基准，促进传感器性能的系统研究。

Comments Accepted by CVPR2026

Expanding mmWave Datasets for Human Pose Estimation with Unlabeled Data and LiDAR Datasets

通过未标记数据和LiDAR数据扩展毫米波数据集用于人体姿态估计

Zhuoxuan Peng, Boan Zhu, Xingjian Zhang, Wenying Li, S. -H. Gary Chan

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出EMDUL方法，利用未标记毫米波数据和LiDAR数据扩展现有数据集，提升人体姿态估计模型的性能和泛化能力，减少15.1%和18.9%的误差。

Comments Accepted by CVPR2026

An Open-Source LiDAR and Monocular Off-Road Autonomous Navigation Stack

开源的激光雷达与单目越野自主导航栈

Rémi Marsal, Quentin Picard, Adrien Poiré, Sébastien Kerbourc'h, Thibault Toralba, Clément Yver, Alexandre Chapoutot, David Filliat

机构 * U2IS, ENSTA, Institut Polytechnique de Paris（巴黎综合理工学院，ENSTA，U2IS） ； AMIAD, Pôle Recherche（AMIAD，研究部） ； LARIAD, a joint AMIAD-ENSTA laboratory（LARIAD，AMIAD-ENSTA联合实验室） 纠错

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

AI总结 本文提出一个开源的越野导航栈，结合激光雷达和单目3D感知，无需特定任务训练，通过边缘遮蔽和时间平滑提升鲁棒性，实验证明单目深度估计可替代激光雷达。

ALIVE-LIO: Degeneracy-Aware Learning of Inertial Velocity for Enhancing ESKF-Based LiDAR-Inertial Odometry

ALIVE-LIO: 退化感知的惯性速度学习以增强基于误差状态卡尔曼滤波的LiDAR-惯性里程计

Seongjun Kim, Daehan Lee, Junwoo Hong, Sanghyun Park, Hyunyoung Jo, Soohee Han

机构 * Department of Electrical Engineering, POSTECH（浦项科技大学电气工程系） 纠错

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

AI总结 ALIVE-LIO通过将深度神经网络整合到经典误差状态卡尔曼滤波中，提升退化环境中LiDAR可观测性，减少姿态漂移，实验显示在22/32序列中表现最佳。

Comments 18 pages, 9 figures

Delaunay Canopy: Building Wireframe Reconstruction from Airborne LiDAR Point Clouds via Delaunay Graph

Delaunay Canopy：通过Delaunay图构建空中LiDAR点云的线框重建

Donghyun Kim, Chanyoung Kim, Youngjoong Kwon, Seong Jae Hwang

机构 * Emory University（埃默里大学） ； Yonsei University（延世大学） 纠错

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

AI总结 本文提出Delaunay Canopy方法，利用Delaunay图作为几何先验，解决空中LiDAR点云中噪声、稀疏性和内部角区域线框重建的难题，实现高精度线框重建。

IGLOSS: Image Generation for Lidar Open-vocabulary Semantic Segmentation

IGLOSS：面向激光雷达开放词汇语义分割的图像生成

Nermin Samet, Gilles Puy, Renaud Marlet

机构 * LIGM, Ecole des Ponts, Univ Gustave Eiffel, CNRS（LIGM, 巴黎高科桥梁学院, 古斯塔夫·埃菲尔大学, 法国国家科学研究中心） 纠错

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

AI总结 本文提出一种新的方法，用于3D汽车激光雷达数据的零样本开放词汇语义分割。通过文本生成图像创建原型，利用2D视觉基础模型提取3D网络特征，实现点云标注，方法在nuScenes和SemanticKITTI上达到最新水平。

Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop

仅源域跨天气LiDAR点云几何感知

YoungJae Cheong, Jhonghyun An

机构 * School of Computing, Gachon University（嘉泉大学计算机学院） 纠错

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

AI总结 本文提出几何感知适配器，通过局部窗口KNN搜索和水平圆填充，提升LiDAR语义分割在恶劣天气下的鲁棒性，实现+3.4mIoU的提升。

Comments Accepted by ICRA 2026

DCReg: Decoupled Characterization for Efficient Degenerate LiDAR Registration

DCReg: 用于高效退化LiDAR配准的解耦表征

Xiangcheng Hu, Xieyuanli Chen, Mingkai Jia, Jin Wu, Ping Tan, Steven L. Waslander

机构 * Hong Kong University of Science and Technology（香港科技大学） ； National University of Defense Technology（国防科技大学） ； University of Science and Technology Beijing（北京科技大学） ； 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

AI总结 本文提出DCReg方法，通过解耦配准问题中的退化因素，提高配准稳定性与精度，实验显示在多种环境中实现更高的定位精度和更快的计算速度。

Comments 27 pages, 19 figures, 9 tables

LiDAR for Crowd Management: Applications, Benefits, and Future Directions

激光雷达用于人群管理：应用、优势与未来方向

Abdullah Khanfor, Chaima Zaghouani, Hakim Ghazzai, Ahmad Alsharoa, Gianluca Setti

机构 * College of Computer Science and Information Systems, Najran University（纳吉兰大学计算机科学与信息系统学院） ； College of Innovation & Technology, University of Michigan-Flint（密歇根大学弗林特分校创新与技术学院） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） 纠错

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

AI总结 本文探讨了激光雷达在人群管理中的应用与优势，分析了其在隐私保护、恶劣天气适应性和三维建模方面的优势，并提出未来研究方向，包括数据集稀缺性、传感器融合与点云处理等。

Comments 8 pages, 5 figures, 1 table

Omni-LIVO: Robust RGB-Colored Multi-Camera Visual-Inertial-LiDAR Odometry via Photometric Migration and ESIKF Fusion

Omni-LIVO：通过光度迁移和ESIKF融合实现鲁棒的多摄像头视觉-惯性-激光雷达里程计

Yinong Cao, Chenyang Zhang, Xin He, Yuwei Chen, Chengyu Pu, Bingtao Wang, Kaile Wu, Shouzheng Zhu, Fei Han, Shijie Liu, Chunlai Li, Jianyu Wang

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） ； Advanced Laser Technology Lab of Anhui Province（安徽省先进激光技术实验室） ； Key Laboratory of Space Active Opto-Electronics Technology, Shanghai Institute of Technical Physics, Chinese Academy of Sciences（中国科学院上海技术物理研究所空间主动光电技术重点实验室） 纠错

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

AI总结 Omni-LIVO通过多视角观测充分利用LiDAR几何信息，引入跨视角直接对齐策略和改进的ESIKF，提升多摄像头视觉-惯性-LiDAR里程计的精度和鲁棒性。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L). Early Access version available. This version supersedes all previous versions and is the official accepted manuscript for citation

Physics-Aware Diffusion for LiDAR Point Cloud Densification

面向激光雷达点云密集化的物理感知扩散模型

Zeping Zhang, Robert Laganière

机构 * University of Ottawa（渥太华大学） 纠错

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

AI总结 本文提出Scanline-Consistent Range-Aware Diffusion模型，通过概率细化提升激光雷达点云密集度，以156ms实现高保真结果，采用Ray-Consistency损失和Negative Ray增强技术抑制物理幻觉，提升3D检测性能。

LiZIP: An Auto-Regressive Compression Framework for LiDAR Point Clouds

LiZIP：一种用于激光雷达点云的自回归压缩框架

Aditya Shibu, Kayvan Karim, Claudio Zito

机构 * MACS Heriot Watt University Dubai, United Arab Emirates（MACS 哈罗德·瓦特大学迪拜，阿联酋） 纠错

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

AI总结 本文提出LiZIP框架，通过神经预测编码实现轻量级近无损压缩，优于现有方法，在不同数据集上实现更高的压缩比和效率，适用于V2X和大规模云存储。

Comments 8 pages

Spatially-Aware Evaluation Framework for Aerial LiDAR Point Cloud Semantic Segmentation: Distance-Based Metrics on Challenging Regions

面向空中的激光雷达点云语义分割的空间感知评估框架：基于距离的挑战区域指标

Alex Salvatierra, José Antonio Sanz, Christian Gutiérrez, Mikel Galar

机构 * Department of Statistics, Computer Science and Mathematics and Institute of Smart Cities (ISC), Public University of Navarre (UPNA)（统计、计算机科学与数学系和智能城市研究所（ISC），纳瓦拉公共大学） ； Tracasa Instrumental 纠错

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

AI总结 本文提出一种新的评估框架，通过引入基于距离的指标和聚焦于困难点的评估方法，解决传统指标在空中有激光雷达数据中的局限性，揭示空间误差模式，提升地球观测应用中的模型选择。

Comments 11 pages, 1 figure

PA-LVIO: Real-Time LiDAR-Visual-Inertial Odometry and Mapping with Pose-Only Bundle Adjustment

PA-LVIO: 基于姿态仅捆绑调整的实时激光雷达-视觉-惯性里程计与建图

Hailiang Tang, Tisheng Zhang, Liqiang Wang, Xin Ding, Man Yuan, Xiaoji Niu

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

AI总结 本文提出PA-LVIO，通过姿态仅捆绑调整实现高精度实时激光雷达-视觉-惯性里程计与建图，结合无边际化和帧到地图的激光雷达测量模型，消除里程计漂移，实现高精度点云地图生成。

Comments 14 pages, 10 figures

Benchmarking Deep Learning Models for Aerial LiDAR Point Cloud Semantic Segmentation under Real Acquisition Conditions: A Case Study in Navarre

在真实采集条件下评估深度学习模型用于空中LiDAR点云语义分割：纳瓦拉案例研究

Alex Salvatierra, José Antonio Sanz, Christian Gutiérrez, Mikel Galar

机构 * Department of Statistics, Computer Science and Mathematics and Institute of Smart Cities (ISC), Public University of Navarre (UPNA)（统计、计算机科学与数学系和智能城市研究所（ISC），纳瓦拉公共大学（UPNA）） ； Tracasa Instrumental 纠错

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

AI总结 本文评估了四种深度学习模型在真实飞行条件下大规模空中LiDAR数据集上的性能，揭示了空中数据中类别不平衡和几何变化的挑战，结果显示KPConv在多个类别上表现最佳。

Comments 6 pages, 2 figures

SE(3)-LIO: Smooth IMU Propagation With Jointly Distributed Poses on SE(3) Manifold for Accurate and Robust LiDAR-Inertial Odometry

SE(3)-LIO：在SE(3)流形上联合分布姿态的平滑IMU传播以实现准确且鲁棒的LiDAR-惯性里程计

Gunhee Shin, Seungjae Lee, Jei Kong, Youngwoo Seo, Hyun Myung

机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Hanwha Aerospace（翰威航宇） 纠错

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

AI总结 本文提出SE(3)-LIO，通过在SE(3)流形上联合分布姿态的IMU传播和不确定性感知运动补偿，解决现有方法在运动预测和补偿中的不足，提升LiDAR-惯性里程计的准确性与鲁棒性。