自动驾驶

Real-Time 2D LiDAR Object Detection Using Three-Frame RGB Scan Encoding

基于三帧RGB扫描编码的实时2D激光雷达目标检测

Soheil Behnam Roudsari, Alexandre S. Brandão, Felipe N. Martins

机构 * Smart Systems Group, Institute of Engineering Hanze University of Applied Sciences, Groningen, The Netherlands 纠错

专题命中 感知 ：LiDAR(title,abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 本研究提出一种基于三帧RGB扫描编码的实时2D激光雷达目标检测方法，实现高效且隐私友好的嵌入式室内机器人感知。

Comments 6 pages, 6 figures, submitted to IEEE SAS 2026

UrbanTwin: Synthetic Roadside LiDAR Datasets

UrbanTwin：合成道路激光雷达数据集

Muhammad Shahbaz, Shaurya Agarwal

机构 * University of Central Florida（中央佛罗里达大学） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 UrbanTwin数据集通过数字孪生技术生成，提供高保真合成道路激光雷达数据，用于提升3D目标检测等任务的模型训练效果。

Comments Published journal article; 12 pages; includes figures and tables

Journal ref in IEEE Open Journal of Intelligent Transportation Systems, vol. 7, pp. 353-364, 2026

Multi-mode Coherent Detection Ghost Imaging Lidar and Vibration-Mode Imaging

多模式相干检测鬼成像雷达与振动模式成像

Jinquan Qi, Shuang Liu, Chenjin Deng, Chaoran Wang, Zunwang Bo, Youzhen Gui, Shensheng Han

专题命中 感知 ：LiDAR(title,abstract)

AI总结 本文提出了一种基于桶探测器的多模式相干检测方案，用于实现多模式光场的相干混合与振动模式重建，提升雷达的抗干扰和相位分辨能力。

Comments 16 pages, 7 figures

Exploring the Limitations of kNN Noisy Feature Detection and Recovery for Self-Driving Labs

探索kNN噪声特征检测与恢复在自动驾驶实验室中的局限性

Qiuyu Shi, Kangming Li, Yao Fehlis, Runze Zhang, Daniel Persaud, Robert Black, Jason Hattrick-Simpers

专题命中 感知 ：self-driving(title,abstract)

AI总结 本研究探讨了kNN噪声特征检测与恢复在自动驾驶实验室中的局限性，通过系统分析噪声强度、数据集大小等因素对特征可检测性和可恢复性的影响，提出了一种通用的数据恢复框架并建立了材料数据集的基准。

Comments 20 pages, 7 figures

UV-M3TL: A Unified and Versatile Multimodal Multi-Task Learning Framework for Assistive Driving Perception

UV-M3TL: 一种统一且多功能的多模态多任务学习框架用于辅助驾驶感知

Wenzhuo Liu, Qiannan Guo, Zhen Wang, Wenshuo Wang, Lei Yang, Yicheng Qiao, Lening Wang, Zhiwei Li, Chen Lv, Shanghang Zhang, Junqiang Xi, Huaping Liu

机构 * Energy and Transportation Domain, Beijing Institute of Technology（能源与交通领域，北京理工大学） ； State Key Laboratory of Intelligent Technology and Systems and Department of Computer Science and Technology, Tsinghua University（智能技术与系统国家重点实验室和清华大学计算机科学与技术系） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） ； School of Transportation Science and Engineering and the State Key Lab of Intelligent Transportation System, Beihang University（交通运输科学与工程学院和智能交通系统国家重点实验室，北京航空航天大学） ； Beijing University of Chemical Technology（北京化工大学） 纠错

专题命中 感知 ：driving perception(title)；分类 cs.CV

AI总结 UV-M3TL通过双分支结构和自适应损失机制，实现多模态多任务学习，提升辅助驾驶感知的性能与多样性。

ARCAS: An Augmented Reality Collision Avoidance System with SLAM-Based Tracking for Enhancing VRU Safety

ARCAS：一种基于SLAM跟踪的增强现实避障系统，用于提升VRU安全

Ahmad Yehia, Jiseop Byeon, Tianyi Wang, Huihai Wang, Yiming Xu, Junfeng Jiao, Christian Claudel

机构 * Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校土木、建筑与环境工程系） ； School of Architecture, The University of Texas at Austin（德克萨斯大学奥斯汀分校建筑学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 ARCAS通过融合激光雷达与SLAM跟踪，为行人提供实时AR避障，显著提升城市出行安全。

Comments 8 pages, 3 figures, 1 table, accepted for IEEE Intelligent Vehicles (IV) Symposium 2026

Mixed Precision PointPillars for Efficient 3D Object Detection with TensorRT

混合精度PointPillars用于基于TensorRT的高效3D目标检测

Ninnart Fuengfusin, Keisuke Yoneda, Naoki Suganuma

机构 * Advanced Mobility Research Institute（先进移动研究院） ； Kanazawa University（金泽大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出混合精度PointPillars框架，结合TensorRT实现高效3D目标检测，通过量化感知训练和贪心搜索优化模型性能，降低延迟达2.538倍。

Comments 6 pages, 4 figures

Under-Canopy Terrain Reconstruction in Dense Forests Using RGB Imaging and Neural 3D Reconstruction

利用RGB成像和神经3D重建进行密林下的地形重建

Refael Sheffer, Chen Pinchover, Haim Zisman, Dror Ozeri, Roee Litman

机构 * Rafael Advanced Defense Systems inc., Israel（拉斐尔先进防御系统公司，以色列） ； Bar-Ilan University, Israel（巴伊兰大学，以色列） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 利用RGB图像和神经3D重建技术，实现密林下的地形重建，提供一种低成本、高精度的替代方案。

Comments WACV 2026 CV4EO

TF-Lane: Traffic Flow Module for Robust Lane Perception

TF-Lane：用于鲁棒车道感知的交通流模块

Yihan Xie, Han Xia, Zhen Yang

机构 * BYD Company Limited（比亚迪公司） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 TF-Lane通过引入交通流信息提升车道感知鲁棒性，实现在NuScenes数据集上mAP提升达4.1%

Comments 9 pages, 7 figures, 7 tables

V2X-DSC: Multi-Agent Collaborative Perception with Distributed Source Coding Guided Communication

V2X-DSC: 基于分布式源编码引导通信的多智能体协同感知

Yuankun Zeng, Shaohui Li, Zhi Li, Shulan Ruan, Yu Liu, You He

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） 纠错

专题命中 感知 ：BEV(abstract)；分类 cs.CV

AI总结 V2X-DSC通过分布式源编码引导通信，实现多智能体协同感知的高效带宽受限融合，提升3D理解精度与通信效率。

CADGrasp: Learning Contact and Collision Aware General Dexterous Grasping in Cluttered Scenes

CADGrasp: 学习接触和碰撞感知的通用灵巧抓取在杂乱场景中

Jiyao Zhang, Zhiyuan Ma, Tianhao Wu, Zeyuan Chen, Hao Dong

机构 * Center on Frontiers of Computing Studies, School of Computer Science, Peking University（前沿计算研究中心，计算机学院，北京大学） ； National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家级重点实验室，计算机学院，北京大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 CADGrasp通过两阶段算法实现接触和碰撞感知的灵巧抓取，利用点云输入预测稀疏IBS表示，并结合占用扩散模型和能量函数优化，提升在杂乱场景中的抓取成功率与稳定性。

Deep Learning-Based Object Detection for Autonomous Vehicles: A Comparative Study of One-Stage and Two-Stage Detectors on Basic Traffic Objects

基于深度学习的对象检测在自动驾驶中的应用：对一阶段和两阶段检测器在基本交通物体上的比较研究

Bsher Karbouj, Adam Michael Altenbuchner, Joerg Krueger

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文比较了YOLOv5和Faster R-CNN在自动驾驶中的对象检测性能，发现YOLOv5在精度和效率上表现更优，而Faster R-CNN在检测小距离和复杂光照条件下的物体更有效。

Metrology-grade mid-infrared spectroscopy for multi-dimensional perception

用于多维感知的计量级中红外光谱学

Baoqi Shi, Chenxi Zhang, Ming-Yang Zheng, Yue Hu, Zeying Zhong, Zhenyuan Shang, Wenbo Ma, Xiu-Ping Xie, Xue Bai, Yi-Han Luo, Anting Wang, Hairun Guo, Qiang Zhang, Junqiu Liu

专题命中 感知 ：LiDAR(abstract)

AI总结 本研究提出了一种基于差频生成的计量级中红外光谱系统，实现了宽波段、高光子通量和高频率精度的结合，有效降低了硅氮化物微谐振器的光学损耗，并展示了在复杂环境中的多维感知能力。