自动驾驶

TriBand-BEV: Real-Time LiDAR-Only 3D Pedestrian Detection via Height-Aware BEV and High-Resolution Feature Fusion

TriBand-BEV：基于高度感知的鸟瞰图与高分辨率特征融合的实时仅LiDAR三维行人检测

Mohammad Khoshkdahan, Alexey Vinel

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出TriBand-BEV方法，通过高度感知的鸟瞰图与高分辨率特征融合实现实时LiDAR-only三维行人检测，采用轻量级鸟瞰图张量映射，单网络一次通过检测车辆、行人和自行车，提升检测精度与速度。

Comments Accepted for publication in the Proceedings of the 2026 International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Journal ref Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

RS2AD-LiDAR: End-to-End Autonomous Driving LiDAR Data Generation from Roadside Sensor Observations

RS2AD-LiDAR：基于路侧传感器观测的端到端自动驾驶LiDAR数据生成

Runyi Huang, Ni Ding, Ruidan Xing, Yuheng Shi, Lei He, Keqiang Li

机构 * State Key Laboratory of Intelligent Green Vehicle and Mobility（智能绿色车辆与移动国家重点实验室） ； School of Vehicle and Mobility（车辆与移动学院） ； College of Artificial Intelligence（人工智能学院） ； Logic & Silicon AI Studio ； School of Instrumentation and Optoelectronic Engineering（仪器科学与光电工程学院） 纠错

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

AI总结 提出RS2AD-LiDAR框架，通过坐标变换、虚拟LiDAR建模和点云重采样技术，从路侧LiDAR点云生成车载LiDAR数据，解决数据获取成本高和场景稀缺问题，并验证生成数据对BEV和3D检测的提升效果。

GEM: Generating LiDAR World Model via Deformable Mamba

GEM: 通过可变形Mamba生成LiDAR世界模型

Yang Wu, Zhaojiang Liu, Qiang Meng, Youquan Liu, Renliang Weng, Jianjun Qian, Jian Yang, Jin Xie

机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学） 纠错

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

AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。

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

Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement

Paired-CSLiDAR：基于高度分层的跨源空地LiDAR姿态精修

Montana Hoover, Jing Liang, Tianrui Guan, Dinesh Manocha

机构 * University of Maryland（马里兰大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出Paired-CSLiDAR基准，通过高度分层ICP、反向注册方向和置信度门控选择，实现空地LiDAR姿态精修，优于现有方法，验证了RMSE基于姿态选择的有效性。

Comments 8 pages, 4 figures. Dataset and code are being prepared for public release

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs

LiDARDraft: 从多样化输入生成LiDAR点云

Haiyun Wei, Fan Lu, Yunwei Zhu, Zehan Zheng, Weiyi Xue, Lin Shao, Xudong Zhang, Ya Wu, Guang Chen

机构 * TongjiUniversity（同济大学） 纠错

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

AI总结 LiDARDraft通过3D布局桥梁实现从多样化输入生成可控的LiDAR点云，支持自动驾驶环境的创建。

MB-Loc: Multi-planar Bird's-eye-view Localization in outdoor LiDAR scenes

MB-Loc：室外LiDAR场景中的多平面鸟瞰图定位

Ayaan Choudhury, Preet Savalia, Anirudh Pydah, Avinash Sharma

机构 * Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校） 纠错

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

AI总结 提出MB-Loc框架，通过将LiDAR扫描投影为2.5D多平面鸟瞰图表示，结合KL正则化隐瓶颈和3D空间增强，实现轻量级、视角鲁棒的场景坐标回归定位，在NCLT数据集上达到实时推理并超越现有方法。

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

LIE: LiDAR-only HD Map Construction with Intensity Enhancement via Online Knowledge Distillation

LIE：基于LiDAR的高精度地图构建方法：通过在线知识蒸馏增强强度

Kanak Mazumder, Fabian B. Flohr

机构 * Munich University of Applied Sciences（慕尼黑应用科学大学） 纠错

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

AI总结 本文提出LIE方法，通过在线知识蒸馏提升LiDAR强度信息，实现高精度地图构建，优于单模态方法，适用于复杂环境和长距离场景。

Comments This work has been accepted for publication in International Conference on Intelligent Transportation Systems (ITSC), IEEE, 2026. The final published version will be available via IEEE Xplore

ReCamDriving: LiDAR-Free Camera-Controlled Video Synthesis for Novel Trajectories

ReCamDriving：无需LiDAR的相机控制新型轨迹视频生成

Yaokun Li, Shuaixian Wang, Mantang Guo, Jiehui Huang, Taojun Ding, Mu Hu, Kaixuan Wang, Shaojie Shen, Guang Tan

机构 * Sun Yat-sen University（中山大学） ； ZYT ； Shenzhen Polytechnic University（深圳职业技术大学） ； 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,title_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 ReCamDriving通过基于3DGS的密集渲染和两阶段训练策略，实现了无需LiDAR的相机可控新型轨迹视频生成，构建了ParaDrive数据集并展示了卓越的生成效果。

Comments Project page: https://recamdriving.github.io/

FGGS-LiDAR: Ultra-Fast, GPU-Accelerated Simulation from General 3DGS Models to LiDAR

FGGS-LiDAR：从通用3DGS模型到LiDAR的超快速GPU加速仿真

Junzhe Wu, Yufei Jia, Yiyi Yan, Zhixing Chen, Tiao Tan, Zifan Wang, Guangyu Wang, BoKui Chen, Guyue Zhou

机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； DISCOVER Robotics ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） 纠错

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

AI总结 提出FGGS-LiDAR框架，通过体积离散化和TSDF提取将预训练3DGS资产转换为水密网格，结合GPU加速光线投射实现超500 FPS的LiDAR仿真，在并行设置中比Isaac Sim低一个数量级延迟。

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

Motion Cues from Image-based Point Tracking for LiDAR Scene Flow Estimation

基于图像点跟踪的运动线索用于LiDAR场景流估计

Youngdong Jang, Gyeongrok Oh, Jong Wook Kim, Hyunju Ryu, Hyung-gun Chi, SeungHyeon Kim, Seungryong Kim, Jonghyun Choi, Sangpil Kim

机构 * Korea University（韩国大学） ； Purdue University（普渡大学） ； KAIST（韩国科学技术院） ； Hyundai Motor Company（现代汽车公司） 纠错

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

AI总结 本文提出TrackCue框架，通过图像点跟踪获取密集轨迹以改进LiDAR场景流估计中的动态物体表示，通过视觉一致的运动补偿策略和视觉运动线索提升来实现更准确的静态-动态分类和更可靠的场景流学习。

Generating Roadside LiDAR Datasets from Vehicle-Side Datasets via Novel View Synthesis

通过新颖视角合成从车辆侧数据生成道路侧LiDAR数据集

Yuhan Xia, Runxin Zhao, Hanyang Zhuang, Chunxiang Wang, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai 200240, China（自动化与智能感知学院，上海交通大学，上海200240，中国） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai 200240, China（系统控制与信息处理重点实验室，中华人民共和国教育部，上海200240，中国） ； Global College, Shanghai Jiao Tong University, Shanghai 200240, China（全球学院，上海交通大学，上海200240，中国） 纠错

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

AI总结 本文提出VRS框架，通过LiDAR新颖视角合成从车辆侧数据生成标注道路侧LiDAR数据集，缓解车辆到道路域差距，提升道路侧感知模型的泛化能力。

LiDAR-based 3D Change Detection at City Scale

基于LiDAR的城市级三维变化检测

Hezam Albaqami, Haitian Wang, Xinyu Wang, Muhammad Ibrahim, Zainy M. Malakan, Abdullah M. Algamdi, Mohammed H. Alghamdi, Ajmal Mian

机构 * Department of Computer Science and Artificial Intelligence, University of Jeddah（计算机科学与人工智能系，朱德亚大学） ； Department of Computer Science and Software Engineering, University of Western Australia（计算机科学与软件工程系，西澳大学） ； Department of Data Science, Umm Al-Qura University（数据科学系，乌姆·阿勒·卡拉大学） ； Department of Information and Technology Systems, College of Computer Science and Engineering, University of Jeddah（信息与技术系统系，计算机科学与工程学院，朱德亚大学） 纠错

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

AI总结 本文提出了一种基于LiDAR的城市级三维变化检测方法，通过多分辨率NDT和ICP对齐数据，结合语义分割和双分匹配优化，实现了高精度的变化检测性能。

Low Cost, High Efficiency: LiDAR Place Recognition in Vineyards with Matryoshka Representation Learning

低成本、高效率：利用Matryoshka表示学习的葡萄园LiDAR位姿识别

Judith Vilella-Cantos, Mauro Martini, Marcello Chiaberge, Mónica Ballesta, David Valiente

机构 * University Institute for Engineering Research, Miguel Hernández University（工程研究院，米格尔·赫尔内亚大学） ； Department of Electronics and Communications, Politecnico di Torino（电子与通信系，托里诺理工学院） 纠错

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

AI总结 本文提出MinkUNeXt-VINE方法，通过预处理和Matryoshka表示学习多损失策略，在葡萄园环境中实现高效低成本的LiDAR位姿识别，验证了在低成本输入数据上的鲁棒性。

Journal ref Ecological Informatics, Volume 95, 2026, 103780, ISSN 1574-9541

4DLidarOpen: An Open 4D FMCW Lidar Dataset for Motion-Aware Autonomous Driving

4DLidarOpen: 一个用于运动感知自动驾驶的开放4D FMCW激光雷达数据集

Kane Qian, Xin Zhao, Yining Shi, Rujun Yan, Zhengqing Pan, Kaojin Zhu, Mengmeng Yang, Kai Sun, Diange Yang, Kun Jiang

机构 * Tsinghua University（清华大学） ； Hesai Technology Co., Ltd.（海思科技有限公司） 纠错

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

AI总结 本文提出4DLidarOpen数据集，用于自动驾驶，该数据集基于4D频率调制连续波（FMCW）激光雷达传感，包含点径向速度测量、多种激光雷达、环绕摄像头和6自由度车辆姿态数据，通过混合标注策略实现大规模训练和人工精修，用于3D目标检测、鸟瞰图分割和流预测及运动预测基准测试。

Comments 15pages, 9 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。

Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis

并非所有点都同等重要：不确定性感知的4D LiDAR场景合成

Xiang Xu, Alan Liang, Youquan Liu, Xian Sun, Linfeng Li, Lingdong Kong, Ziwei Liu, Qingshan Liu

机构 * NUAA（南京航空航天大学） ； NUS（新加坡国立大学） ； FDU（福建工程学院） ； Duke（杜克大学） ； NTU（国立新加坡大学） ； NJUPT（南京理工大学泰州学院） ； SKL-TI（特种信息处理实验室） 纠错

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

AI总结 提出U4D框架，利用空间不确定性引导LiDAR场景生成，通过熵图识别高不确定性区域并优先合成，再补全其余区域，实现高保真4D场景。

Comments CVPR 2026 E2E3D Workshop; GitHub at https://github.com/worldbench/U4D

xModel-KD: Cross-modal Knowledge Distillation for 3D Scene Perception using LiDAR

xModel-KD：基于LiDAR的3D场景感知跨模态知识蒸馏

Thenukan Pathmanathan, Kanchan Keisham, Thangarajah Akilan

机构 * Dept. of Computer Science Lakehead University Thunder Bay, Canada ； School of Computer Science Engg. \& Info. Systems Vellore Institute of Technology Tamil Nadu, India ； Dept. of Software Engg. Lakehead University Thunder Bay, Canada 纠错

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

AI总结 提出跨模态知识蒸馏框架xModel-KD，通过对比学习对齐2D图像纹理与3D点云几何特征，在无额外标注下提升LiDAR点云分割性能。

Comments 3 figures, and 5 tables

SurfFill: Completion of LiDAR Point Clouds via Gaussian Surfel Splatting

SurfFill: 通过高斯曲面元填充完成LiDAR点云

Svenja Strobel, Matthias Innmann, Bernhard Egger, Marc Stamminger, Linus Franke

机构 * NavVis GmbH（NavVis公司） ； Inria, Université Côte d'Azur（Inria与阿尔卑斯海岸大学） 纠错

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

AI总结 针对LiDAR点云缺失薄结构和边缘细节的问题，提出基于高斯曲面元（Gaussian surfel）的补全方案SurfFill，利用光束发散启发式识别模糊区域并优化曲面元重建以生长新点，在合成和真实场景中优于先前方法。

Comments Project page: https://lfranke.github.io/surffill

LiDAR-based Control of Autonomous Rotorcraft for the Inspection of Pier-like Structures: Proofs

基于LiDAR的自主旋翼飞行器对类似桥体结构的检测控制：证明

Bruno J. Guerreiro, Carlos Silvestre, Rita Cunha, David Cabecinhas

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

AI总结 本文提出基于LiDAR的自主旋翼飞行器轨迹跟踪控制方法，通过定义基于LiDAR测量的运动学模型，结合LPV表示和H2控制理论，实现对桥体结构的高效检测。

Comments [1] B. J. Guerreiro, C. Silvestre, R. Cunha, and D. Cabecinhas, Lidar-based control of autonomous rotorcraft for the inspection of pier-like structures, IEEE Transactions in Control Systems Technology, 2017. (to appear)

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

SA-LIVO: Efficient LiDAR-Inertial-Visual Odometry with Subspace-Aware Degeneracy Handling

SA-LIVO: 基于子空间感知退化处理的轻量级LiDAR-惯性-视觉里程计

Yinong Cao, Xin He, Shouzheng Zhu, Senyuan Wang, Changhui Jiang, Chenyang Zhang, Pingfeng He, Tingwei Wang, Yuwei Chen, Shijie Liu, Chunlai Li, Genghua Huang, Jianyu Wang

机构 * 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） ； 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） 纠错

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

AI总结 提出SA-LIVO系统，通过子空间感知信息融合（SAIF）框架对联合信息矩阵进行特征分解，在方向级别选择性融合LiDAR和视觉测量，解决LiDAR退化与视觉失效问题，实现高精度、低内存的实时里程计。

SynFlow: Scaling Up LiDAR Scene Flow Estimation with Synthetic Data

SynFlow：通过合成数据扩大LiDAR场景流估计

Qingwen Zhang, Xiaomeng Zhu, Chenhan Jiang, Patric Jensfelt

机构 * RPL, KTH Royal Institute of Technology（RPL，瑞典皇家理工学院） ； 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,title_cn)；分类 cs.CV

AI总结 本文提出SynFlow，通过大规模合成数据生成管道，为LiDAR场景流估计提供鲁棒的运动先验。实验表明，基于SynFlow-4k的模型在多个真实世界基准上表现优异，且在少量真实标签下仍能超越基线模型。

Comments ECCV 2026; 18 pages, 4 figures

A Vendor-Agnostic LiDAR Data Conversion System with Multi-Signal Detection and Multi-Format Output

一种支持多信号检测和多格式输出的厂商无关LiDAR数据转换系统

Param Patel, Jay Dave, Pratyush Chakraborty

机构 * BITS Pilani, Hyderabad Campus（比拉理工学院海德拉巴校区） ； Department of Electrical and Electronics Engineering, BITS Pilani, Hyderabad Campus（比拉理工学院海德拉巴校区电气与电子工程系） ； Department of Computer Science and Information Systems, BITS Pilani, Hyderabad Campus（比拉理工学院海德拉巴校区计算机科学与信息系统系） 纠错

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

AI总结 提出一种厂商无关的LiDAR数据转换系统，通过加权多信号方法自动识别传感器厂商，并输出五种标准格式，解决了多厂商SDK不兼容问题。

Comments Manuscript submitted at Software: Practice and Experience

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