视觉与机器人

多模态信息融合

面向图像、视频、多传感器和跨模态感知的信息融合，包括 Image Fusion、红外可见光、遥感、医学影像、LiDAR/雷达/相机和音视频融合。

2026-07-20 至 2026-07-20 共收录 3 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 机器人多传感器融合 2 篇

2607.16000 2026-07-20 eess.SP 新提交 79%

Inertial Human Motion Capture: From Biomechanics to Recent Sensor Fusion Methods and Back

惯性人体运动捕捉：从生物力学到近期的传感器融合方法再回归

Manon Kok, Ive Weygers, Hassan Osman, Daniel Weber, Ruiyuan Li, Thomas Seel, Ajay Seth

专题命中机器人多传感器融合：sensor fusion(title,abstract)；分类 eess.SP

AI总结该综述聚焦惯性人体运动捕捉的运动学，介绍确定生物力学问题转化公式的关键方面，指出从IMU估计运动学的挑战及常用方法局限，分享近期有潜力的方法，并通过下肢关节角度估计用例说明相关问题及应用，旨在弥合两社区差距。

Comments 31 pages, 5 figures

2504.06479 2026-07-20 cs.RO cs.CV cs.SY eess.SY 版本更新 62%

Holistic Fusion: Task- and Setup-Agnostic Robot Localization and State Estimation with Factor Graphs

整体融合：基于因子图的与任务和设置无关的机器人定位与状态估计

Julian Nubert, Turcan Tuna, Jonas Frey, Cesar Cadena, Katherine J. Kuchenbecker, Shehryar Khattak, Marco Hutter

机构 * ETH Zürich（苏黎世联邦理工学院）； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所）； NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室）

专题命中机器人多传感器融合：sensor fusion(abstract)；分类 cs.CV、cs.RO

AI总结研究针对移动机器人定位与状态估计问题，提出整体融合方法，通过因子图公式融合多类型测量，注重局部平滑性与一致性，能在典型硬件上实现低延迟、平滑在线估计及低漂移全局定位，在多场景验证了框架有效性。

Comments 21 pages, 25 figures, 9 tables, Transactions on Robotics, accepted

Journal ref Transactions on Robotics 2026

2. 融合架构与评测 1 篇

2607.16154 2026-07-20 cs.CV cs.SY eess.SY 新提交 70%

CLIFE: Camera-LiDAR Fusion Framework for Edge-Deployable Roadside VRU Perception

CLIFE：用于边缘可部署路边VRU感知的相机-激光雷达融合框架

Tam Bang, Hoang H. Nguyen, Lei Cheng, Lihao Guo, Siyang Cao, Hussam Abubakr, Tianya Zhang, Austin Harris, Mina Sartipi

专题命中融合架构与评测：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.CV

AI总结针对路边VRU感知难题，提出CLIFE框架，集成无目标在线校准与轻量级后期融合跟踪于单嵌入式设备，无需云卸载。经实验验证，该框架提升了传感器感知能力与鲁棒性，核心运行高效，为下游安全应用提供基础并减少相关开销。

Comments Accepted for publication at the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 7 figures