自动驾驶

LF-GICP: Parameter-Free Degeneracy-Aware LiDAR Odometry via a Voxel-Normal Localizability Field

LF-GICP：基于体素-法向量可定位性场的无参数退化感知激光雷达里程计

Eunsoo Im

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

AI总结 本文提出无参数退化感知激光雷达里程计LF-GICP，通过体素-法向量可定位性场解决退化环境漂移问题，在多数据集上精度领先且可跨传感器泛化。

Autonomous Agricultural Tractor: Integrated Weed Detection and LiDAR Navigation for Precision Paddy Farming

自主农业拖拉机：用于精准稻田种植的杂草检测与激光雷达导航集成系统

Benjamin Merryman-Smith, Tony Nguyen, Bilal Dogutas, Krish Shah, Anthony Raphael, Sudip Dhakal

机构 * Florida Gulf Coast University（佛罗里达湾岸大学） 纠错

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

AI总结 该研究提出集成自主拖拉机系统AgriNav，通过多模块协同与激光雷达-相机融合技术解决稻田杂草管理的三大挑战，仿真实验验证了其导航与检测的可靠性及效率提升。

Beam-Wise Statistical Background Subtraction for Static Roadside LiDAR: A Cross-Sensor Benchmark Study

面向静态路侧激光雷达的波束级统计背景减除：跨传感器基准研究

Alexander Baumann, Marcel Vosshans, Thao Dang

机构 * University of Applied Sciences Esslingen（埃斯林根应用科学大学） ； Faculty of Computer Science and Engineering（计算机科学与工程学院） ； Institute for Intelligent Systems（智能系统研究所） 纠错

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

AI总结 本文针对静态路侧激光雷达缺失系统性跨传感器评估的问题，构建波束级统计背景减除基准，引入新数据集并结合空间滤波，实现了鲁棒可迁移的背景减除方案，提升了精度并保持高召回率与实时性，相关资源已公开。

Comments Accepted for publication at the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC), Naples, Italy, September 15-18, 2026

Accelerating Large-scale Bundle Adjustment for LiDAR Mapping via Parallel Computing

基于并行计算加速激光雷达建图的大规模光束平差法

Yixi Cai, Rundong Li, Yuhan Xie, Qingwen Zhang, Patric Jensfelt, Fu Zhang

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； the University of Hong Kong（香港大学） 纠错

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

AI总结 该研究提出首个全并行计算框架，结合三项关键技术加速激光雷达建图的大规模光束平差法，经多平台公开数据集测试，效率最高提升10倍且精度相当，代码已开源。

Comments Accepted by IEEE International Conference on Automation Science and Engineering (CASE), 2026

Beyond Visibility: Real-Time Surface Accessibility Fields from Sparse LiDAR

超越可见性：基于稀疏激光雷达的实时表面可访问性场

Bradley Scott, Sam Schofield, Richard Green

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

AI总结 该研究提出一种基于稀疏激光雷达的实时表面可访问性场方法，无需先验场景模型，在工作站和Jetson Orin上运行，F1值达90.8，可准确识别不可访问表面，弥补可见性估计的不足。

Vernata: Self-Supervised Learning of LiDAR Point Representations

Vernata：激光雷达点表示的自监督学习

Oliver Lemke, Alexander Liniger, Abel Gawel, Marco Hutter

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力

Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata

JustDepth: Real-Time Radar-Camera Depth Estimation with Single-Scan LiDAR Supervision

JustDepth：基于单扫描激光雷达监督的实时雷达-相机深度估计

Wooyung Yun, Dongwook Kim, Soomok Lee

机构 * Ajou University（韩国亚洲大学） ； Kennesaw State University（肯尼索州立大学） 纠错

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

AI总结 研究自动驾驶系统中雷达-相机深度估计问题，提出单阶段JustDepth方法，仅用雷达、相机和单扫描激光雷达训练，能聚合雷达回波解耦运行时与点数，融合模态传播深度，减轻条纹伪影，相比先进方法减少推理时间并降低条纹伪影。

Comments Project page: https://github.com/TPyun/JustDepth

Journal ref IEEE Robotics and Automation Letters ( Volume: 11, Issue: 3, March 2026)

InLiER: Learning-Free Heterogeneous LiDAR Place Recognition via Intermediate Mixed-Radix Structural Keypoint Tokenization

InLiER：通过中间混合基数结构关键点令牌化实现无学习的异构激光雷达地点识别

Nikolaos Stathoulopoulos, George Nikolakopoulos

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

AI总结 研究针对机器人平台结合多种激光雷达致现有描述符性能下降的问题，提出无学习管道InLiER，通过混合基数令牌ID编码关键点信息，经三个检索阶段处理，在相关数据集和实验中表现出色，优于基于学习的基线。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). 8 pages, 8 figures

Image-to-Point Cloud Registration Made Easy with Rectified Flow-based LiDAR Upsampling

基于整流流的激光雷达上采样实现图像到点云配准简化

Reon Tabata, Kenji Koide, Shuji Oishi, Masashi Yokozuka, Taku Okawara, Aoki Takanose, Jun Miura

机构 * Department of Computer Science and Engineering, Toyohashi University of Technology（丰桥技术科学大学计算机科学与工程系） ； National Institute of Advanced Industrial Science and Technology（国立先进工业科学技术研究所） 纠错

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

AI总结 研究图像到点云配准难题，提出将激光雷达视为成像传感器的方法，通过条件整流流、特征匹配等步骤估计位姿，经自监督预训练和少量数据微调，实现高精度快速配准，性能优于现有方法。

TOLiD: Bridging the Architecture Gap in Vision Foundation Model to LiDAR Pretraining via Token Lifting for Distillation

TOLiD：通过用于蒸馏的令牌提升弥合视觉基础模型与激光雷达预训练之间的架构差距

Sutharsan Mahendran, Darshana Priyasad, Kaushik Roy, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Peyman Moghadam

机构 * SAIVT Group, School of Electrical Engineering and Robotics, Queensland University of Technology（澳大利亚昆士兰科技大学电气工程与机器人学院SAIVT组） ； CSIRO Robotics, CSIRO（澳大利亚联邦科学与工业研究组织机器人部） 纠错

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

AI总结 研究提出TOLiD方法，通过耦合激光雷达主干与从冻结VFM教师初始化的学生ViT，利用视锥体池化、注意力及掩码双线性采样等技术，解决模态和架构差距问题，在多数据集上评估显示能提升迁移效果。

Comments Accepted to The IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

Real-Time LiDAR Gaussian Splatting SLAM

实时激光雷达高斯点云拼接SLAM

Seungjun Tak, Yewon Jeon, Jaeik Hwang, SukMin Hwang, Seongbo Ha, Hyeonwoo Yu

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 提出基于激光雷达的高斯点云拼接SLAM实时框架，将快速G-ICP配准与球形光栅化密集映射紧密结合，利用激光雷达几何信息优化地图，引入几何分数改进效果，在多数据集实验验证其性能。

Comments 18 pages, 5 figures

Double-Helix Active Geometry: LiDAR-Anchored Multi-View Depth with Selective Abstention

双螺旋主动几何：基于激光雷达的选择性弃权多视图深度

Jinwen Wen

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究利用激光雷达等深度传感器，提出轻量级、无需训练的几何后端DH-Active，以激光雷达为度量尺，通过近场返回确定视图相对姿态，对无有效深度返回的样本进行三角测量，在几何条件不佳时弃权，实现高效准确的深度恢复。

Comments 10 pages, 3 figures, 7 tables

LOGOS: LiDAR-Only Gaussian Elevation Splatting for Unified Tiny Obstacle Segmentation

LOGOS: 仅基于激光雷达的高斯高程喷溅用于统一微小障碍物分割

Nan Ming, Yeqiang Qian, Chunxiang Wang, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） 纠错

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

AI总结 提出LOGOS系统，通过将路面建模为2D高斯原语的连续混合，利用无反向传播的激光雷达方法估计高程，实现微小障碍物分割，在道路和越野场景中优于现有方法。

Aerial-ground LiDAR place recognition with patch-level self-supervised learning and expanded reciprocal re-ranking

空地激光雷达地点识别：基于块级自监督学习和扩展互逆重排序

Yandi Yang, Xianghong Zou, Jianping Li, Haofeng Xie, Saurav Uprety, Hongzhou Yang, Naser El-Sheimy

机构 * University of Calgary（卡尔加里大学） ； Nanchang University（南昌大学） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出一种空地激光雷达地点识别框架，通过多尺度块级自监督学习缩小域差距，并利用扩展互逆重排序算法减少误检，在多个数据集上显著提升检索精度。

Hardware-triggered Time Synchronization of Roadside Multi-lidar, Multi-camera Measurement System for Accurate Data Alignment

用于精确数据对齐的路边多激光雷达、多摄像头测量系统的硬件触发时间同步

Shiva Agrawal, Savankumar Bhanderi, Zhiran Yan, Gordon Elger

机构 * Technische Hochschule Ingolstadt（英戈尔施塔特技术大学） 纠错

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

AI总结 研究路边多激光雷达与多摄像头系统数据对齐问题，提出开源、简单、模块化的硬件触发时间同步电路，通过实验评估其对时空对齐的影响，实现跨传感器一致性最大化，为多传感器同步提供低成本可扩展方案。

Comments Accepted at the IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). Code and hardware design: https://github.com/shiva-THI/hardware-trigger-time-sync-lidar-cameras

Foundation-Model Earth Representations Enable Regional-Scale Forest Aboveground Biomass Monitoring Across the Northeastern United States

基于基础模型的地球表征实现美国东北部区域尺度森林地上生物量监测

Shashika Lamahewage, Chandi Witharana

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)

AI总结 该研究利用AlphaEarth基础模型生成的Google卫星嵌入，结合LiDAR数据与森林清查数据构建模型，实现美国东北部区域森林地上生物量的高精度监测，为规模化碳评估提供了新途径。

Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework

大规模MIMO的多模态环境感知波束管理：一种几何驱动的虚拟基站框架

Yijie Bian, Wei Guo, Jie Yang, Shenghui Song, Jun Zhang, Shi Jin, Khaled B. Letaief

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)

AI总结 提出几何驱动框架，利用3D LiDAR点云和位置信息构建虚拟基站数据库，通过镜像对称建模主导反射路径，实现粗信道重建和低开销波束训练，并采用双智能体深度强化学习协调波束选择，提升波束管理效率。

RVLoss: Runoff Vote Loss for Self-Supervised LiDAR Scene Flow Estimation

RVLoss：用于自监督激光雷达场景流估计的 runoff vote 损失

Shiming Wang, Liangliang Nan, Julian Kooij, Holger Caesar, Yancong Lin

机构 * TU Delft（代尔夫特理工大学） ； University of Nottingham（诺丁汉大学） 纠错

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

AI总结 该研究针对自监督激光雷达场景流估计中运动刚性不足的问题，提出融入 runoff vote 机制的 RVLoss，在 Argoverse2 2026 挑战赛上性能超基线 20%，跨数据集也有稳定提升。

Comments 15 pages, 5 figures

How Sampling Strategy Affects Imbalance Mitigation in LiDAR Segmentation: A Study of Structured vs. Random Point-Based Architectures

采样策略如何影响激光雷达分割中的不平衡缓解：结构化与基于随机点的架构研究

Antonis Savva, Christos Kyrkou, Theocharis Theocharides

机构 * University of Cyprus（塞浦路斯大学） 纠错

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

AI总结 该研究在DALES、S3DIS、STPLS3D数据集上，针对KPConv和RandLA-Net架构，测试了6种重加权方案与5种感知不平衡损失，发现采样策略、不平衡程度及数据采集特征的相互作用影响激光雷达分割的不平衡缓解效果。

Comments 9 pages, 6 figures, IEEE International Conference on Image Processing (ICIP) 2026

Degenerate in Whose Frame? An Equivariance Condition for Degeneracy Detection in LiDAR Registration

在谁的坐标系中退化？激光雷达配准的退化检测的等变性条件

Yujie Zhang, Chunlei Zhao, Yuzong Lin, Yuxuan Guo, Xiaohui Jia, Jinyue Liu

机构 * School of Mechanical Engineering, Hebei University of Technology（河北工业大学机械工程学院） 纠错

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

AI总结 该研究针对激光雷达配准退化检测中坐标系依赖问题，提出等变度量规则，构建等变点位移度量，经实验验证其特征值与阈值的不变性，为退化检测提供坐标系无关的准则。

Comments 8 pages, 4 figures, 5 tables. Submitted to IEEE Robotics and Automation Letters (RA-L)

LightLoc++: Sensor-Robust Representation Learning for Efficient Outdoor LiDAR Localization

LightLoc++：面向高效室外激光雷达定位的传感器鲁棒性表示学习

Wen Li, Shangshu Yu, Dunqiang Liu, Qiming Xia, Sheng Ao, Siqi Shen, Chenglu Wen, Cheng Wang

机构 * Xiamen University（厦门大学） ； University of Bristol（布里斯托大学） ； Northeastern University（东北大学） 纠错

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

AI总结 LightLoc++通过引入SULID数据集与跨传感器一致性学习预训练传感器鲁棒骨干，结合样本分类引导与冗余样本下采样，实现高效室外激光雷达定位，性能最优且新场景训练成本最低。

Comments 19 pages, 10 figures

CORAL: Curriculum-Optimized Reward Adaptation for LiDAR-Based Goal-Directed Urban Driving

CORAL：面向基于激光雷达的目标导向城市驾驶的课程优化奖励适配

Anisa Saleem, Duksu Kim

机构 * Korea University of Technology and Education (KOREATECH)（韩国技术教育大学） 纠错

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

AI总结 CORAL结合五阶段课程与阶段感知奖励，在CARLA中训练多流演员-评论家策略，实现基于激光雷达的城市驾驶，长路线约束下成功率显著优于PPO基线，且可零样本跨城镇迁移。

Comments 13 pages, 6 figures

Rethinking 3D Segmentation from Individual LiDAR Scans: Incidence-Aware Sampling on the SIP Benchmark

从单个激光雷达扫描数据重新思考三维分割：SIP基准上的入射角感知采样

Seongyong Kim, Jingdao Chen, Yong Kwon Cho

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

AI总结 针对单个激光雷达扫描的三维分割，本研究在SIP基准上提出入射角感知采样策略，提升了非平面构件等的分割性能，降低了对采样分辨率的敏感性。

UQ-Loc: Uncertainty-Aware LiDAR Scene Coordinate Regression

UQ-Loc：感知不确定性的激光雷达场景坐标回归

Jacek Komorowski

机构 * Warsaw University of Technology（华沙理工大学） 纠错

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

AI总结 UQ-Loc扩展LightLoc架构，添加各向同性高斯协方差头，采用NLL损失结合kNN正则化训练，改进SC2-PCR求解器推理，提升6自由度定位精度并校准不确定性。

KILVO: Kinematic-Inertial-LiDAR-Visual Odometry with Robust Multimodal Adaptation for Humanoid Robots

KILVO：面向人形机器人的具备鲁棒多模态自适应的运动学-惯性-激光雷达-视觉里程计

Jixin Gao, Fucheng Liu, Teng Zhang, Fusheng Zha

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出面向人形机器人的KILVO里程计，基于ESIKF整合多传感器并设计多模态自适应与接触估计模块，实验显示其精度、效率及鲁棒性优于现有方法，代码与数据集已开源。

Comments This article has been accepted for publication in IEEE/ASME Transactions on Mechatronics. Personal use is permitted. All other uses require IEEE permission

Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration

Sen-Cap：基于激光雷达-相机融合的传感器灵活且抗噪的人体运动捕捉框架

Aoru Xue, Yujing Sun, Yiming Ren, Kwok-Yan Lam, Mao Ye, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信托中心） 纠错

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

AI总结 Sen-Cap是一种无需传感器间校准的激光雷达-相机融合人体运动捕捉框架，通过跨传感器运动估计器与抗噪轨迹跟踪器实现灵活部署与强鲁棒性，在多数据集上达最优性能，适用于真实场景。

Comments 16 pages, 8 figures, 4 tables. Accepted at ECCV 2026. Aoru Xue and Yujing Sun contributed equally. Yuexin Ma is the corresponding author

Proteus: A Truncation-Robust Entropy Model for Progressive LiDAR Compression

Proteus：适用于渐进式激光雷达压缩的抗截断熵模型

Yihan Qiu, Xiaodong Lin, Baoquan Zhao, Hailong Jiao, Ge Li

机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 提出名为Proteus的激光雷达压缩编解码器，通过解耦编码实现抗70%比特流截断，在理想信道下优于G-PCC、Draco等标准及Unicorn，可用于安全关键感知场景。

Flight-Ready LiDAR-Inertial Odometry for Embedded Drone Platforms

适用于嵌入式无人机平台的飞行就绪激光雷达惯性里程计

Alvaro J. Gaona, David Perez-Saura, Francisco J. Anguita, Pascual Campoy

机构 * Centre for Automation and Robotics C.A.R. (UPM-CSIC), Universidad Politécnica de Madrid（马德里理工大学自动化与机器人技术中心C.A.R.（马德里理工大学-西班牙科学研究委员会）） 纠错

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

AI总结 研究针对开源LIO系统在无人机应用时的不足，识别其架构缺陷，通过IMU速率前向传播等改进，提升里程计输出频率至200Hz，保持数据连续性，经无人机实验验证，改进可直接用于FAST-LIO2相关实现。

Comments 7 pages, 5 figures, Accepted in IMAV 2026

Factorized Spatio-Temporal Convolutions for Human Pose Estimation from Planar Lidar

用于基于平面激光雷达的人体姿态估计的分解时空卷积

Simone Arreghini, Mirko Nava, Nicholas Carlotti, Antonio Paolillo, Alessandro Giusti

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（瑞士意大利语区大学提契诺大学人工智能达勒莫利研究所） 纠错

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

AI总结 针对服务机器人仅配备平面激光雷达和普通处理器的情况，提出基于时空块的轻量级网络，用于全向人体检测和相对2D姿态估计，通过跨模态自监督训练，优于基线模型，适用于计算受限的服务机器人空间感知。

Two-Stage Extrinsic Calibration of a Static Line-Scanning Lidar with a Rotary Platform

基于旋转平台的静态线扫描激光雷达的两阶段外部校准

Vikram Shree, Hike Danakian, Long Nguyen, Rajanish Gokidi, Patrick Nercessian

机构 * SiLC Technologies（SiLC技术公司） 纠错

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

AI总结 研究基于旋转平台的静态线扫描激光雷达校准问题，探索自动方法静态和动态估计旋转轴变换，通过真实数据集验证算法并研究其收敛特性。

Comments 8 pages, 13 figures. Manuscript accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)