自动驾驶

3D Object Detection for Autonomous Driving: A Survey

自动驾驶中的3D物体检测：综述

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering, Renmin University of China, Beijing 100872, China（数据工程与知识工程重点实验室，中国人民大学，北京100872，中国） ； School of Mathematics, Renmin University of China, Beijing 100872, China（数学学院，中国人民大学，北京100872，中国） 纠错

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

AI总结 本文综述了自动驾驶中3D物体检测的研究进展，涵盖了传感器、数据集、性能指标及最新方法，并分析了其优缺点及未来方向。

Comments The manuscript is accepted by Pattern Recognition on 14 May 2022

Point Virtual Transformer

点虚拟变换器

Veerain Sood, Bnalin, Gaurav Pandey

机构 * Texas A \& M University Email ； Engineering Technology \& Industrial Distribution Texas A \& M University Texas, USA 纠错

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

AI总结 PointViT通过融合真实和虚拟点，提升远距离3D目标检测性能，实现91.16%的3D AP和95.94%的BEV AP。

Comments 8 pages, 4 figures

A Comparative Study of 3D Person Detection: Sensor Modalities and Robustness in Diverse Indoor and Outdoor Environments

三维人物检测的比较研究：传感器模态与在多样室内和室外环境中的鲁棒性

Malaz Tamim, Andrea Matic-Flierl, Karsten Roscher

机构 * Fraunhofer Institute for Cognitive Systems IKS（弗劳恩霍夫认知系统研究所） 纠错

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

AI总结 本文比较了三种三维人物检测方法，发现融合模型在复杂场景中表现最佳，但对传感器错位仍敏感。

Comments Accepted for VISAPP 2026

DRMOT: A Dataset and Framework for RGBD Referring Multi-Object Tracking

DRMOT：用于RGBD参照多目标跟踪的数据集和框架

Sijia Chen, Lijuan Ma, Yanqiu Yu, En Yu, Liman Liu, Wenbing Tao

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

AI总结 本文提出DRMOT任务，通过融合RGB、深度和语言信息，构建DRSet数据集并提出DRTrack框架，提升多目标跟踪的3D感知能力。

Comments https://github.com/chen-si-jia/DRMOT

BADet: Boundary-Aware 3D Object Detection from Point Clouds

BADet: 基于点云的边界感知3D目标检测

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系） 纠错

专题命中 感知 ：BEV(abstract)；分类 cs.CV

AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。

Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022