自动驾驶

DCT Maps: Compact Differentiable Lidar Maps Based on the Cosine Transform

Alexander Schaefer, Lukas Luft, Wolfram Burgard

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

Comments 8 pages

Journal ref IEEE Robotics and Automation Letters (Volume: 3, Issue: 2, April 2018)

A Divide-and-Merge Point Cloud Clustering Algorithm for LiDAR Panoptic Segmentation

Yiming Zhao, Xiao Zhang, Xinming Huang

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

Comments Submitted to ICRA'22, code link: https://github.com/placeforyiming/Divide-and-Merge-LiDAR-Panoptic-Cluster

A Technical Survey and Evaluation of Traditional Point Cloud Clustering Methods for LiDAR Panoptic Segmentation

Yiming Zhao, Xiao Zhang, Xinming Huang

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

Comments 1. A hybrid SOTA solution. 2. Accept by ICCV2021 Workshop on Traditional Computer Vision in the Age of Deep Learning. 3. Code: https://github.com/placeforyiming/ICCVW21-LiDAR-Panoptic-Segmentation-TradiCV-Survey-of-Point-Cloud-Cluster

Simulation-based Lidar Super-resolution for Ground Vehicles

Tixiao Shan, Jinkun Wang, Fanfei Chen, Paul Szenher, Brendan Englot

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

Comments https://github.com/RobustFieldAutonomyLab/lidar_super_resolution

Open-Weather Robust 3D Detection via Dual-Critic Diffusion Alignment

基于双判别器扩散对齐的开放天气鲁棒3D检测

Shuyao Li, Chuanxing Geng, Heyang Sun, Qiang Zhou, Jingjing Gu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室） 纠错

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

AI总结 提出双判别器引导扩散对齐（DCDA）框架，通过4D雷达条件扩散过程恢复退化LiDAR特征，无需显式天气建模，在未见天气类型和强度下实现鲁棒3D检测。

Comments 18 pages, 6 figures, 8 tables. ECCV 2026 camera-ready

DrivingDepth: Sparse-Prompted Pixel-wise Scale Correction for Driving Depth Estimation

DrivingDepth: 稀疏提示的像素级尺度校正用于驾驶深度估计

Chi Huang, Wenhao Zhang, Hang Yin, YuAn Wang, Hao Li, Bosheng Wang, Xun Sun, Liang Wang

机构 * Baidu Inc.（百度公司） 纠错

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

AI总结 针对自动驾驶深度估计中几何与尺度的冲突，提出DrivingDepth方法，利用稀疏LiDAR作为几何提示，通过残差像素级尺度校正校准冻结的深度基础模型，在保持密集视觉几何的同时实现度量精度与几何一致性。

PatchScene: Patch-based Voxel Diffusion for Large-Scale Scene Completion

PatchScene：基于体素块扩散的大规模场景补全

Qingdong Xu, Jiajun Zhu, Shilin Zhu, Xinjing He, Chao Lu, Huanran Wang, Jiyao Zhang

机构 * MEGVII Technology（MEGVII技术有限公司） ； Qianli Technology（千利技术） ； Peking University（北京大学） ； Northeastern University, China（中国东北大学） ； Northwest Polytechnical University, Xi’an（西北工业大学西安校区） 纠错

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

AI总结 提出PatchScene，一种基于体素块扩散的框架，通过局部3D区域细粒度生成、置信度引导的时空融合和环形流扩散策略，实现大规模LiDAR场景补全，在SemanticKITTI上达到最优性能并展现强泛化能力。

Comments 10 pages, 5 figures, 5 tables

ARCANE-PedSynth: Synthetic Multi-Pedestrian Datasets with Behavioural Crossing Annotations

ARCANE-PedSynth：具有行为穿越注释的合成多行人数据集

Muhammad Naveed Riaz, Maciej Wielgosz, Antonio M. López Peña

机构 * Computer Vision Center (CVC), Universitat Aut\` o noma de Barcelona (UAB), Bellaterra, Barcelona, Spain ； Institute of Electronics, Faculty of Computer Science, Electronics ； Telecommunications, AGH University of Krakow, Krak\' o w, Poland 纠错

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

AI总结 提出基于CARLA的开源框架ARCANE-PedSynth，通过混合AI-手动控制架构和12状态行为有限状态机生成高穿越率的多行人合成数据，支持RGB、LiDAR和DVS模态及行为标注，用于自动驾驶中的行人穿越预测。

Tackling the Kidnapped Robot Problem via Sparse Feasible Hypothesis Sampling and Reliable Batched Multi-Stage Inference

通过稀疏可行假设采样和可靠的分批多阶段推理解决被绑架的机器人问题

Muhua Zhang, Lei Ma, Ying Wu, Kai Shen, Deqing Huang, Henry Leung

机构 * School of Electrical Engineering, Southwest Jiaotong University（西南交通大学电子工程学院） 纠错

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

AI总结 本文提出了一种被动的2D全局重定位框架，通过单个LiDAR扫描和占用网格地图在机器人静止时高效可靠地估计全局姿态，从而提高移动机器人的长期自主性。该框架将全局重定位问题转化为非凸问题，并通过多假设方案与分批多阶段推理和早期终止平衡完整性和效率。

Comments 14 pages, 8 figures. Accepted for publication in IEEE Transactions on Instrumentation and Measurement. DOI: 10.1109/TIM.2026.3694741

Vehicle-Scene Interaction: A Text-Driven 3D Lidar Place Recognition Method for Autonomous Driving

Tianyi Shang, Zhenyu Li, Pengjie Xu, Zhaojun Deng

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

Comments 13 pages

Ground Edge based LIDAR Localization without a Reflectivity Calibration for Autonomous Driving

Juan Castorena, Siddharth Agarwal

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

CorrelationFlow: A Training-Free Geometric Approach for LiDAR Scene Flow Estimation

CorrelationFlow：一种用于激光雷达场景流估计的无训练几何方法

Minh-Quan Dao, Yancong Lin, Julie Stephany Berrio Perez, Holger Caesar

机构 * Nantes Université（南特大学） ； University of Nottingham（诺丁汉大学） ； University of Queensland（昆士兰大学） ； TU Delft（代尔夫特理工大学） 纠错

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

AI总结 针对激光雷达场景流估计的单一模式问题，本文提出无训练几何框架CorrelationFlow，在Argoverse 2026挑战赛多域测试集上的无监督方法中排名第二，且远距离性能优于学习方法。

A2D2: Audi Autonomous Driving Dataset

A2D2：奥迪自动驾驶数据集

Jakob Geyer, Yohannes Kassahun, Mentar Mahmudi, Xavier Ricou, Rupesh Durgesh, Andrew S. Chung, Lorenz Hauswald, Viet Hoang Pham, Maximilian Mühlegg, Sebastian Dorn, Tiffany Fernandez, Martin Jänicke, Sudesh Mirashi, Chiragkumar Savani, Martin Sturm, Oleksandr Vorobiov, Martin Oelker, Sebastian Garreis, Peter Schuberth

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

AI总结 为加速机器学习等领域研究，发布奥迪自动驾驶数据集A2D2，含同步图像与3D点云等，有多种注释，传感器全方位覆盖，数据经同步配准，还提供大量未标注序列，按许可可商业使用，数据等信息可在指定网址获取。

Comments https://a2d2-dataset.github.io/

Fast and Accurate Outlier-Aware LiDAR Super-Resolution for SLAM Applications

快速且准确的异常点感知激光雷达超分辨率方法用于SLAM应用

Christos Anagnostopoulos, Alexandros Gkillas, Nikos Piperigkos, Aris S. Lalos

机构 * Industrial Systems Institute（工业系统研究所） ； Dpt. of Informatics & Telecom.（信息与电信系） 纠错

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

AI总结 提出一种基于深度展开的超分辨率模型，集成异常点移除模块，在保持实时性能的同时高效重建高分辨率点云，显著提升SLAM中的位姿估计精度。

Comments 6 pages, 2 figures

Journal ref Proc. 2025 IEEE International Conference on Image Processing (ICIP), Anchorage, AK, USA, 2025

Improving 3D Labeling in Self-Driving by Inferring Vehicle Information using Vision Language Models

通过利用视觉语言模型推断车辆信息以改进自动驾驶中的3D标注

Steven Chen, Shivesh Khaitan, Nemanja Djuric

机构 * Aurora Innovation, Inc.（Aurora创新公司） 纠错

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

AI总结 本文提出了一种利用视觉语言模型推断车辆信息以提高自动驾驶中3D车辆标注精度的方法，通过零样本推理车辆信息，结合车辆型号和型号识别方法，提升了标注效率和质量。

Comments To appear in Proceedings of the IEEE Intelligent Vehicles Symposium (IV), 2026. Accepted for oral presentation

Query-Calibrated Segmental Admission for Descriptor-Agnostic LiDAR Loop Closure in Repetitive Environments

基于查询校准的分段准入用于无描述符的激光雷达回环闭合在重复环境中

Jaehyun Kim, Seungwon Choi, Wonseok Kang, Tae-Wan Kim

机构 * Department of Naval Architecture and Ocean Engineering（naval architecture and ocean engineering department） 纠错

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

AI总结 该研究提出了一种无描述符的稀疏回环准入策略，用于在重复环境中稳定图结构，通过校准查询级的分段假设并验证代表性配对来减少回环因素的误入，从而提高回环闭合的精度和稳定性。

Comments 8 pages, 3 figures

OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation

OmniLiDAR：一个多领域3D激光雷达生成的统一扩散框架

Youquan Liu, Weidong Yang, Ao Liang, Xiang Xu, Lingdong Kong, Yang Wu, Dekai Zhu, Xin Li, Runnan Chen, Ben Fei, Tongliang Liu, Wanli Ouyang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Computing, Department of Computer Science, National University of Singapore（新加坡国立大学计算机学院） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； Technical University of Munich（慕尼黑技术大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Sydney（悉尼大学） ； The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学（深圳）） 纠错

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

AI总结 OmniLiDAR提出一种统一的文本条件扩散框架，生成跨八个领域的3D激光雷达扫描，通过跨域训练策略和特征建模提升多域生成能力，实验显示在数据增强和鲁棒性评估中表现优异。

Comments Preprint; 12 pages, 7 figures, 10 tables

ELiC: Efficient LiDAR Geometry Compression via Cross-Bit-depth Feature Propagation and Bag-of-Encoders

ELiC：通过跨位深度特征传播和编码器袋方案实现高效的激光雷达几何压缩

Junsik Kim, Gun Bang, Soowoong Kim

机构 * Electronics and Telecommunications Research Institute（电子电信研究院） 纠错

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

AI总结 ELiC通过跨位深度特征传播和编码器袋方案，提升激光雷达几何压缩效率，实现实时高吞吐量压缩，达到SOTA性能。

Comments Accepted to CVPR 2026

Learning to Identify Out-of-Distribution Objects for 3D LiDAR Anomaly Segmentation

学习识别分布外对象以进行3D激光雷达异常分割

Simone Mosco, Daniel Fusaro, Alberto Pretto

机构 * University of Padova（帕多瓦大学） 纠错

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

AI总结 本文提出了一种高效方法，直接在特征空间中操作，通过建模内类特征分布来约束异常样本，同时引入混合真实-合成数据集以解决3D激光雷达异常分割中的领域差距问题。

Comments This paper has been accepted at the 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

Neural Distribution Prior for LiDAR Out-of-Distribution Detection

神经分布先验用于激光雷达分布外检测

Zizhao Li, Zhengkang Xiang, Jiayang Ao, Feng Liu, Joseph West, Kourosh Khoshelham

机构 * The University of Melbourne（墨尔本大学） 纠错

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

AI总结 本文提出神经分布先验框架，通过动态捕捉训练数据的logit分布模式和引入Perlin噪声生成策略，提升激光雷达分布外检测性能，实验显示在STU数据集上达到61.31%的AP，优于现有方法。

Comments CVPR 2026

MPTF-Net: Multi-view Pyramid Transformer Fusion Network for LiDAR-based Place Recognition

MPTF-Net：基于LiDAR的多视图金字塔Transformer融合网络用于地点识别

Shuyuan Li, Zihang Wang, Xieyuanli Chen, Wenkai Zhu, Xiaoteng Fang, Peizhou Ni, Junhao Yang, Dong Kong

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

AI总结 本文提出MPTF-Net，通过多视图多尺度金字塔Transformer融合网络，改进基于BEV的地点识别，利用NDT建模局部几何复杂度，提升在复杂环境中的识别性能。

Simulating Realistic LiDAR Data Under Adverse Weather for Autonomous Vehicles: A Physics-Informed Learning Approach

在恶劣天气下为自动驾驶车辆模拟真实激光雷达数据：一种物理引导的学习方法

Vivek Anand, Bharat Lohani, Rakesh Mishra, Gaurav Pandey

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； University of New Brunswick（新不伦瑞克大学） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 本文提出一种物理引导的学习框架PICWGAN，通过整合物理驱动约束来生成在恶劣天气下的真实激光雷达数据，提升了仿真与现实的差距，并在3D目标检测中表现出色。

Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors

通过激光雷达误差下的连续命令融合实现鲁棒的全局-局部行为仲裁

Mohamed Elgouhary, Amr S. El-Wakeel

机构 * West Virginia University（西弗吉尼亚大学） 纠错

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

AI总结 本文提出一种ROS2原生仲裁模块，通过连续融合两个不变且可解释的控制器输出，实现自动驾驶系统在感知不完美和严格实时约束下的全局目标与局部安全反应协调。

LiDAR-EVS: Enhance Extrapolated View Synthesis for 3D Gaussian Splatting with Pseudo-LiDAR Supervision

LiDAR-EVS: 通过伪LiDAR监督增强3D高斯点云的外推视角合成

Yiming Huang, Xin Kang, Sipeng Zhang, Hongliang Ren, Weihua Zhang, Junjie Lai

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

AI总结 本文提出LiDAR-EVS，通过伪LiDAR监督和空间约束dropout正则化，提升自动驾驶中外推视角LiDAR合成的鲁棒性与泛化能力，实验表明其在三个数据集上均取得最优性能。

Comments 22 pages, 8 figures

Transforming Omnidirectional RGB-LiDAR data into 3D Gaussian Splatting

将全方位RGB-LiDAR数据转换为3D高斯散点

Semin Bae, Hansol Lim, Jongseong Brad Choi

机构 * Department of Computer Science, State University of New York（计算机科学系，纽约州立大学） ； Department of Mechanical Engineering, State University of New York（机械工程系，纽约州立大学） 纠错

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

AI总结 本文提出了一种将全方位RGB-LiDAR数据转换为3D高斯散点的重用管道，解决数据处理中的非线性失真和计算开销问题，提升复杂场景的渲染保真度。

Comments This work has been submitted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) for possible publication

FlowCalib: LiDAR-to-Vehicle Miscalibration Detection using Scene Flows

FlowCalib: 基于场景流的激光雷达到车辆误校准检测

Ilir Tahiraj, Peter Wittal, Markus Lienkamp

机构 * TUM School of Engineering and Design, Chair of Automotive Technology, Technical University of Munich（慕尼黑技术大学工程与设计学院，汽车技术教授职位） ； TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） 纠错

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

AI总结 FlowCalib通过分析场景流中的运动线索，首次提出利用神经网络和几何描述符检测激光雷达到车辆的误校准问题。

LidarDM: Generative LiDAR Simulation in a Generated World

LidarDM: 生成世界中的生成激光雷达模拟

Vlas Zyrianov, Henry Che, Zhijian Liu, Shenlong Wang

机构 * UIUC（伊利诺伊大学香槟分校） ； NVIDIA（英伟达） 纠错

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

AI总结 LidarDM通过集成4D世界生成框架，实现了基于驾驶场景的4D激光雷达点云生成，提升自动驾驶模拟的逼真度与时间一致性。

Enhanced Spatiotemporal Consistency for Image-to-LiDAR Data Pretraining

增强的时空一致性用于图像到LiDAR数据预训练

Xiang Xu, Lingdong Kong, Hui Shuai, Wenwei Zhang, Liang Pan, Kai Chen, Ziwei Liu, Qingshan Liu

机构 * College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； School of Computing, Department of Computer Science, National University of Singapore（新加坡国立大学计算机学院） ； School of Computer Science, Nanjing University of Posts and Telecommunications（南京邮电大学计算机学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） 纠错

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

AI总结 SuperFlow++通过整合时空线索提升图像到LiDAR数据预训练效果，实现更鲁棒的特征表示和更高效的自动驾驶感知。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence

LiHi-GS: LiDAR-Supervised Gaussian Splatting for Highway Driving Scene Reconstruction

LiHi-GS：基于LiDAR监督的高斯点云法用于高速公路场景重建

Pou-Chun Kung, Xianling Zhang, Katherine A. Skinner, Nikita Jaipuria

机构 * Latitude AI ； Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

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

AI总结 LiHi-GS通过LiDAR监督提升高速公路场景重建与合成，解决传统方法在高速场景和LiDAR利用上的不足。

Comments RA-L 2025

A Target-based Multi-LiDAR Multi-Camera Extrinsic Calibration System

基于目标的多激光雷达多摄像头外校准系统

Lorenzo Gentilini, Pierpaolo Serio, Valentina Donzella, Lorenzo Pollini

机构 * Research \& Development, Toyota Material Handling Manufacturing, Bologna Italy Department of Information Engineering, University of Pisa, Pisa, Italy School of Engineering ； Materials Science, Queen Mary University of London, London, United Kingdom 纠错

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

AI总结 本文提出了一种基于目标的多激光雷达多摄像头外校准系统，利用定制的ChArUco板和非线性优化方法实现传感器间的交叉校准，并通过现实数据验证了其有效性。

Comments RiTA 2025 Accepted, 13 Pages, 6 Figures and 2 Tables