自动驾驶

LIDAR-AD: A Decoder-Free Latent-Interaction Dreamer with Action-Residual Chains for Autonomous Driving

LIDAR-AD：一种用于自动驾驶的无解码器潜在交互梦想家与动作残差链

Yongzhi Liu, Yang Xiao, Zhong Cao, Zeng Kang, Sunan Zhang, Zhaozhi Dong, Guojun Yu, Weichao Zhuang

机构 * School of Mechanical Engineering, Southeast University（东南大学机械工程学院） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） ； Xheart Technology Co., Ltd.（芯驰科技有限公司） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；autonomous driving(title,abstract)

AI总结 研究针对自动驾驶中多源观测冗余问题，提出LIDAR-AD，用减少冗余的潜在对齐取代观测重建，将车辆控制建模为残差动作更新，经实验验证其在模拟场景和现实布局下性能优异，能提升风险感知等能力。

HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-training

HilDA：利用扩散的分层蒸馏推进自监督LiDAR预训练

Maciej Wozniak, Jesper Ericsson, Hariprasath Govindarajan, Truls Nyberg, Thomas Gustafsson, Patric Jensfelt, Olov Andersson

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Linköping University（林雪平大学） ； TRATON AB（TRATON公司） ； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司） 纠错

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

AI总结 提出HilDA框架，通过分层蒸馏（多层蒸馏和全局上下文蒸馏）结合时间占用扩散目标，自监督预训练LiDAR骨干网络，在3D检测、场景流和语义占用预测任务上达到最先进水平。

Comments Accepted to ECCV 2026. Maciej and Jesper contributed equally

Comprehensive Robustness Analysis of LiDAR-based 3D Object Detection in Autonomous Driving

自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析

Adwait Chandorkar, Kai Krink, Yerdana Maulenbay, Hasan Tercan, Tobias Meisen

机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大） 纠错

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

AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。

Comments Accepted at ECCV 2026 main

CalibBEV: LiDAR-Camera Calibration via BEV Alignment

CalibBEV：基于鸟瞰图对齐的激光雷达-相机标定方法

Filippo D'Addeo, Lorenzo Cipelli, Adriano Cardace, Emanuele Ghelfi, Andrea Zinelli, Massimo Bertozzi

机构 * University of Bologna（博洛尼亚大学） ； University of Parma（帕尔马大学） ； Stanford University（斯坦福大学） ； VisLab srl（VisLab有限公司） ； Ambarella Inc.（安霸公司） 纠错

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

AI总结 CalibBEV是一种激光雷达-相机标定方法，通过两步BEV对齐结合CLIP对比损失实现跨模态统一，在KITTI、nuScenes基准上大幅降低了标定误差，达到最优性能。

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2026. p. 4345-4354

C-ARC: Continuous-Adaptive Range Clustering for Non-Repetitive LiDAR Sensors

C-ARC: 面向非重复式LiDAR传感器的连续自适应范围聚类

Nick B. Schroeder, Jonathan Lichtenfeld, Oskar von Stryk

机构 * Technical University of Darmstadt（德累斯顿技术大学） ； Simulation, Systems Optimization and Robotics Group（仿真、系统优化与机器人组） 纠错

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

AI总结 提出C-ARC框架，通过滑动窗口上的持久双图结构解耦高频点插入与按需聚类检索，并利用指数控制环自适应校准网格分辨率，实现非重复式LiDAR点云的实时聚类。

Comments Submitted to IEEE Robotics and Automation Letters. This work has been submitted to the IEEE for possible publication. 8 pages, 7 figures

FLORA: A deep learning approach to predict forest attributes from heterogeneous LiDAR data

FLORA: 一种从异构LiDAR数据预测森林属性的深度学习方法

Emilie Vautier, Clément Mallet, Cédric Vega

机构 * Univ Gustave Eiffel, Géodata Paris, IGN, LASTIG（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LASTIG） ； Univ Gustave Eiffel, Géodata Paris, IGN, LIF（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LIF） ； Université de Lorraine, Géodata Paris, IGN, LIF（洛林大学，巴黎地理数据，IGN，LIF） 纠错

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

AI总结 提出FLORA框架，利用八叉树骨干网络与生态时空辅助变量，从异构LiDAR点云预测六种森林属性，在法国32,052个样地验证，主导高rRMSE约12.3%。

Self-Supervised Tree-level Biomass Estimation in Urban Environments From Airborne LiDAR and Optical Observations

基于机载LiDAR和光学观测的城市环境中自监督树木级生物量估算

Jose Bermudez, Zilong Zhong, Dominic Cyr, Camile Sothe, Alemu Gonsamo

机构 * McMaster University（麦克马斯特大学） ； Environment and Climate Change Canada（加拿大环境与气候变化部） ； Planet Labs PBC（行星实验室公司） 纠错

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

AI总结 提出一种自监督框架，利用机载LiDAR和光学数据估算城市树木冠层生物量，通过双流交叉注意力网络和分水岭分割实现冠层检测，在加拿大安大略省810 km²区域验证，R²达0.57-0.61。

Iterate or Widen? When Test-Time Refinement Helps LiDAR Scene Completion: A Controlled Study of Evidence Geometry, Training Coverage, and Compute

迭代还是拓宽？测试时优化对LiDAR场景补全的帮助：证据几何、训练覆盖率与计算资源的对照研究

Shijie Hao, Weining Zhang

机构 * Phillips Exeter Academy（菲利普斯埃克塞特学院） ； Cheung Kong Graduate School of Business（长江商学院） 纠错

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

AI总结 本文通过对照实验，在LiDAR语义场景补全中发现，迭代优化仅能在连贯缺口场景下提升性能，广泛稀疏化需靠训练覆盖率，且无法修复加性杂波，明确了测试时优化的适用边界。

Comments 24 pages, 11 figures, 3 tables

WinTA-GIL: Windowed Trajectory Alignment for GNSS-IMU-LiDAR Heading Refinement in Intermittent Signal Environments

WinTA-GIL：间歇信号环境下用于GNSS-IMU-LiDAR航向精化的窗口轨迹对齐

Kaixin Feng, Zhichao Wen, Zhaohong Liao, Xin Xia, You Li

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感信息工程学院） ； College of Engineering and Computer Science, University of Michigan-Dearborn（美国密歇根大学迪尔伯恩分校工程与计算机科学学院） 纠错

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

AI总结 针对多源融合定位系统中航向估计难题，提出WinTA-GIL框架，通过基于时间窗口的优化策略融合GNSS、IMU和LiDAR信息，将航向估计转化为轨迹一致性优化问题，实验证明其性能优越。

Comments Accepted to IROS 2026.8 pages,10 figures

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

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

Anywhere, Any-Stymie: Remote Activation of Trojan Malware on LiDAR with Modulated Signals

任意地点，任意干扰：利用调制信号远程激活LiDAR上的特洛伊恶意软件

R. Spencer Hallyburton, Miroslav Pajic

专题命中 激光雷达 ：LiDAR(title,title_cn)

AI总结 本研究设计了一种嵌入LiDAR固件的特洛伊恶意软件，并利用光学触发通过调制信号远程激活，实现虚假目标注入和真实目标抑制，威胁自动驾驶安全。

RO-LiDAR GeoQuickView: A Web Platform for Exploring Public LiDAR-Derived Elevation Data in Romania

RO-LiDAR GeoQuickView：探索罗马尼亚公共LiDAR衍生高程数据的Web平台

Alexandru Hegyi

专题命中 激光雷达 ：LiDAR(title,title_cn)

AI总结 提出一个非商业Web-GIS平台RO-LiDAR GeoQuickView，整合公共LiDAR衍生数字地形模型等高程数据，提供标准化山体阴影可视化、参与式景观记录和空间索引，以解决数据碎片化和专业处理限制问题。

MM-TRELLIS: Point-Cloud Guided Multi-Modal 3D Vehicle Generation in Autonomous Driving

MM-TRELLIS: 自动驾驶中基于点云引导的多模态3D车辆生成

Hongli Xiao, Youjian Zhang, Yucai Bai, Chaoyue Wang, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Academy of Military Science（军事科学院） ； Bosch innovation software development (Wuxi) Co., Ltd.（博世创新软件开发（无锡）有限公司） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） ； Shopee Pte. Ltd.（Shopee私人有限公司） 纠错

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

AI总结 提出MM-TRELLIS，融合多视图图像与LiDAR点云，通过点云引导和体素过滤策略，实现高质量3D车辆生成，在Waymo数据集上优于现有方法。

SurroundNEXO: Ego-Centric Metric Bridging for Spatially Consistent Geometry in Autonomous Driving

SurroundNEXO：面向自动驾驶空间一致几何的自车中心度量桥接

Shuai Yuan, Runxi Tang, Yuzhou Ji, Fudong Ge, Hanshi Wang, Yifei Wang, Xianming Zeng, Jianyun Xu, Xingliang Liu, Yanfeng Wang, Zhipeng Zhang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Hello Inc. 纠错

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

AI总结 提出SurroundNEXO框架，通过自车中心几何（Ego-Ray位置编码）和稀疏LiDAR度量锚点，解决多相机低重叠下的度量深度预测与空间一致性问题，在多个基准上显著提升性能。

Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

异构激光雷达早期融合与学习重排序策略用于非结构化环境中的鲁棒长期地点识别

Judith Vilella-Cantos, Juan José Cabrera, Mónica Ballesta, David Valiente, Luis Payá

机构 * Miguel Hernández University of Elche（米格尔·埃尔南德斯·德埃尔切大学） 纠错

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

AI总结 提出MinkUNeXt-VINE++方法，通过异构LiDAR数据早期融合和学习重排序策略，在非结构化环境（如葡萄园）中显著提升长期地点识别性能，Recall@1指标提升20%-30%。

CRISP: A Spatiotemporal Camera-Radar Backbone for Driving via Forecasting-Based World-Model Pretraining

CRISP：一种通过基于预测的世界模型预训练实现驾驶的时空相机-雷达主干网络

Jingyu Song, Yi Liu, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（密歇根大学机器人系） 纠错

专题命中 激光雷达 ：BEV(abstract,abstract_cn)；LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；occupancy(abstract)

AI总结 研究通过基于预测的表示学习预训练时空相机-雷达主干网络CRISP，利用历史多视图图像和雷达扫描，通过预测未来激光雷达点云学习统一鸟瞰图表示，介绍相关组件，实验表明其能提升点云预测并有效迁移至下游任务。

Comments 17 pages, under review

Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge

面向边缘设备点云分类的合成激光雷达数据生成与确定性下采样

Niclas Meyer, Stefan Reitmann

机构 * Chemnitz University of Technology（开姆尼茨工业大学） 纠错

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

AI总结 本文针对三维深度学习框架在边缘设备部署的瓶颈，提出适配树莓派5的硬件受限工作流，通过合成LiDAR数据集和特征驱动的CPL层，实现边缘端50 FPS推理与88.36%分类准确率，验证了边缘实时三维感知的可行性。

Neural LiDAR Bundle Adjustment

神经激光雷达光束平差

Chin Yung Anson Hon, Kaicheng Zhang, Sen Wang

机构 * Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 研究探索RGB NeRFs和LiDAR NeRFs关键设计差异，发现体素采样密度对LiDAR NeRF重要，据此提出Neural LiDAR Bundle Adjustment算法，实验证明其在多视点云配准和3D映射中有出色性能。

Comments 8 pages, 8 figures, 4 tables

SelectAnyTree: A Promptable Instance Segmentation Model for 3D Forest LiDAR Point Clouds

SelectAnyTree: 一种用于3D森林LiDAR点云的可提示实例分割模型

Trung Thanh Nguyen, Daniel Lusk, Kilian Gerberding, Janusch Vajna-Jehle, Tuan-Anh Vu, Duc Viet Le, Tu Vo, Phi Le Nguyen, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide, Julian Frey, Teja Kattenborn

机构 * Nagoya University（名古屋大学） ； RIKEN（理化学研究所） ； University of Freiburg（弗莱堡大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（特温特大学） ； KC Machine Learning Lab（KC机器学习实验室） ； Hanoi University of Science and Technology（河内科技大学） ； Ritsumeikan University（立命馆大学） 纠错

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

AI总结 提出SelectAnyTree模型，通过点击提示和树冠高度模型引导的首次提示，实现3D森林点云中任意单木的实例分割，在交互和实例级别上优于现有方法。