跳到正文
11月5日周四
  1. arXiv · 机器人与计算机视觉72

    UniLoop:从检索到几何验证及相对位姿估计的统一闭环检测框架

    该论文提出 UniLoop 统一框架,复用预训练几何基础模型的层级表征以解决传统级联模型计算冗余和视觉表征割裂的问题。共享图像编码器生成紧凑的全局描述符特征,同一特征传入跨视图解码器进行成对验证,原始几何预测则为位姿图优化提供相对相机约束。

  2. arXiv · 机器人与计算机视觉58

    Occlusion-Aware Gaussian Densification:面向驾驶场景重建的遮挡感知高斯稠密化框架

    论文提出了 OccSplat 框架,针对现有前馈 3D Gaussian Splatting 方法因单视角观测导致遮挡区域重建不完整的问题,引入遮挡感知高斯稠密化技术。该方法通过高斯遮挡映射识别缺失几何区域,并生成新的高斯基元直接补全场景三维表示,无需逐场景优化即可提升新视角合成能力。实验在 nuScenes 基准上进行,结果显示其在遮挡区域的重建精度和视觉连贯性上优于对比方法。

  3. arXiv · 机器人与计算机视觉62

    Rohbau3D-Semantics:面向室内壳结构施工场景的点云稠密语义与实例标签数据集发布

    作者发布了 Rohbau3D-Semantics 数据集,该数据集为先前发布的 Rohbau3D 领域数据中的激光扫描点云添加了稠密的语义和实例级标签。数据包含来自 14 个勘测站点的 504 个场景,保留了真实激光扫描的非均匀采样、测量伪影等特性。数据集提供 17 类建筑组件及背景类的标注,并附带生成对齐全景图和立方体图表示的脚本,旨在支持复杂构建环境下的三维场景理解研究。

  4. arXiv · 机器人与计算机视觉5

    基于像素级可见光通信的投影空间三维姿态估计研究

    该系统通过高速亮度调制将不可见空间编码嵌入每个投影像素,无需外部传感基础设施即可实现投影仪与设备的精准位置对齐。实验表明,经卡尔曼滤波后系统延迟约 8 ms、三维位置 RMSE 为 19.2 mm,首次实现了与高质量投影内容协同的实时三维姿态估计。该成果已提交至 IEEE Access,解决了传统 PVLC 仅适用于平面运动而无法估算空中机器人等三维空间设备姿态的技术瓶颈。

  5. arXiv · 机器人与计算机视觉58

    植物绑定条件下的滑动模式控制对视觉稳定的有效性研究

    该论文研究了边界层滑动模式控制(SMC)在视觉稳定任务中的激活条件,提出“植物绑定”即扰动速度接近或超过执行器扫掠极限是关键阈值。研究在手持平移稳定和虚拟 PTZ 俯仰变焦两个独立领域验证了该结论:在非绑定条件下 SMC 与低通滤波效果相当且不如 PID;仅在通过仿真降低扫掠极限进入绑定条件时,SMC 在角向最坏情况下的表现优于 PID。

  6. arXiv · 机器人与计算机视觉5

    Reflection-Robust Stereo Visual-Inertial Odometry via Kalman-Filtered Ground-Height Estimation 提出反射鲁棒前端

    该方法通过实时估计地面高度并剔除低于该高度的虚拟特征,解决室内反光地板导致的视觉惯性里程计误差。实验表明,在真实反光地板序列中,该技术提升了轨迹精度、维持了准确的地面高度估计并能适应实际高度变化。论文已提交至 ICCAS 2026 会议,代码与数据许可状态待进一步确认。

  7. arXiv · 机器人与计算机视觉82

    Feature Puzzles:基于单图监督的多视角 3D 感知分割新框架

    论文介绍 Feature Puzzles 框架,利用图像裁剪与几何变换构建多视角一致分割伪标签,结合预训练 3D 基础模型特征实现无需视频或标定数据的单图监督学习。该方法在 NVOS、SPIn-NeRF 和 ScanNet++ 上达到最佳 mIoU 并保持竞争力,同时支持零样本迁移至开放词汇 3D 分割任务。

    推荐理由:提出仅用单图监督即可学习多视角一致分割的新框架,在 NVOS 等基准上表现优异且支持零样本开放词汇扩展。

  8. arXiv · 机器人与计算机视觉82

    SO3brep:一种基于 CAD 边界表示的 SO(3)-等变学习图神经网络

    针对 CAD 模型非规范朝向导致现有网络鲁棒性不足的问题,本文提出 SO3brep,这是一种在 B-rep 面邻接图上运行的 SO(3)-等变图神经网络。该方法通过 Wigner D-矩阵将局部特征映射至共享帧,并利用 Clebsch-Gordan 张量积耦合相邻面方向以保留相对取向,确保输出对 SE(3) 变换不变。

    推荐理由:提出 SO3brep 图神经网络,利用 Wigner D-矩阵与 Clebsch-Gordan 张量积在 B-rep 上实现 SE(3) 不变性,在少样本 CAD 分割任务中表现最优。

11月4日周三
  1. arXiv · 机器人与计算机视觉74

    预训练视觉地点识别模型的锚定秩对抗微调

    针对当前基础模型在视觉地点识别任务中面对白盒攻击时鲁棒性不足的问题,本文提出锚定秩对抗微调方法。该方法通过冻结预训练模型描述符并引入锚点,利用列表级秩损失对最困难正样本进行微调。实验表明,在固定的干净准确率预算内,该方法将 SuperVLAD 和 BoQ 的鲁棒召回率从 0 分别提升至 47.3% 和 55.3%,且无需重新调优即可迁移至不同模型。

  2. arXiv · 机器人与计算机视觉72

    基于身份一致分析的长镜头风帆冲浪视频:一种领域专用离线跟踪系统

    该论文介绍了一种用于处理长镜头风帆冲浪视频的离线分析系统,旨在为每位冲浪者生成独立的稳定相对视频。系统在 21 个手动重建的开发视频(含 41,004 条观测)上评估,实现了 0.957 的成对精度和 0.937 的 F1 值,优于 OC-SORT 和 BoT-SORT。

  3. arXiv · 机器人与计算机视觉78

    仅凭位置比较轨迹:基于曲率的时间对齐与漂移误差度量

    针对机器人领域缺乏高精度参考轨迹且现有评估工具依赖未公开假设的问题,本文提出一种标准化的轨迹评估协议。该方法结合基于曲率信号的新型时间对齐技术与按行进距离归一化的误差指标,显式量化了时间同步、采样对齐及外参校准的影响,旨在提升状态估计与 SLAM 评估的严谨性与可复现性。

    推荐理由:提出基于曲率信号的时间对齐与归一化误差指标,解决状态估计评估中假设不明导致的误导问题。

  4. arXiv · 机器人与计算机视觉62

    RAIL-BENCH:首个面向铁路领域的感知基准套件发布

    RAIL-BENCH 是首个专为铁路自动化运营设计的感知基准套件,包含轨道检测、目标检测、植被分割、多目标跟踪和单目视觉里程计五大挑战及对应数据集与公开排行榜。论文重点介绍了 LineAP 指标,该指标通过解耦几何精度与实例分组并引入基于轨距的距离阈值,解决了现有线检测指标在铁路场景下的局限性。

  5. arXiv · 机器人与计算机视觉72

    基于不完整移动和航空 LiDAR 数据的输电线路鲁棒重建

    针对移动和航空 LiDAR 点云中导线稀疏、噪声及植被遮挡问题,提出一种结合密度聚类、多项式拟合与碎片合并的自动化重建方法。该方法经语义分类后无需模态特定调参即可处理两类数据。在航空数据集上实现 96.87% 精度与 0.127m 几何 RMSE;在缺乏导线级标注的移动数据集上,点云到模型 RMSE 为 0.045m,重建覆盖率达 95.27%。源代码、文档及评估数据已公开。

  6. arXiv · 机器人与计算机视觉78

    基于多视角无人机影像的免训练高保真光伏组件映射方法

    针对光伏组件地图需要完整实例恢复和精确描绘的挑战,本文提出了 Multi-View PV Module Mapper (MV-PVMapper),这是一个无需训练的框架,耦合了视觉基础模型与无人机摄影测量。

    推荐理由:该工作提出无需训练的框架,利用多视角无人机影像实现光伏组件的高保真映射与实例恢复。

  7. arXiv · 机器人与计算机视觉78

    稀疏锚点用于变化环境中的视觉多会话配准

    该研究针对重复机器人监测中环境变化导致视觉内容减少或结构重复的问题,提出一种结合稀疏可靠绝对姿态约束与会内相对姿态信息的配准方法。通过视觉地物识别、局部特征匹配及几何验证估计对齐假设,利用序列共识保留一致的姿态作为绝对锚点,再经高斯特征场优化与稳健位姿图优化完成完整轨迹注册。

    推荐理由:论文提出稀疏锚点方法,在环境变化下实现跨会话轨迹注册,在 HILTI26 数据集上优于独立定位与 SfM 直接配准。

  8. arXiv · 机器人与计算机视觉38

    Radial distortion homography estimation from affine-covariant or orientation-covariant features 提出新约束求解器

    该研究利用仿射或方向协变特征,通过新型几何约束实现了联合单应性与径向畸变的极小化求解。在存在离群值时,该方法相比现有最先进方案显著提速且保持相当或更优的估计精度。实验验证了其在合成图像及含鱼眼畸变的真实图像上的有效性。

  9. arXiv · 机器人与计算机视觉58

    超越局部细化:大尺度精确跨视角定位

    针对现有方法依赖窄地理先验导致在大范围空天地跨视角定位中失效的问题,论文提出了 RingMatch 搜索验证框架与 VIGOR-Pro 基准数据集。RingMatch 利用预测不确定性筛选候选区域,并通过引入深度环这一新颖的几何表征作为空间签名,辅助 LVLM 解析视觉歧义。

  10. arXiv · 机器人与计算机视觉58

    SparseGraph-I2P:基于一致性的图像到点云配准高效假设选择方法

    论文 SparseGraph-I2P 针对粗到细图像到点云配准中易丢弃正确但模糊的图对、重复匹配的问题,提出结合外观与深度兼容性构建粗假设图,并通过稀疏精细匹配解码像素及利用深度感知过滤提升内点率。该方法在传感器深度和单目深度校准条件下,于 RGB-D Scenes V2 和 7-Scenes 数据集上实现了最高的配准召回率和最低的延迟。代码即将发布。

  11. arXiv · 机器人与计算机视觉78

    MPath Mamba:一种用于 3D 点云语义场景补全的 Multi-Path Mamba 扩散网络

    该论文提出了一种名为 MPath Mamba 的新型神经网络框架,旨在解决自动驾驶系统中的 3D 语义场景补全任务。该方法结合了状态空间建模与基于扩散的生成方法,利用跳连三元组 Mamba 结构、维度分解残差和多路径数据中的多方向膨胀来高效处理长序列特征提取。

    推荐理由:该工作提出融合状态空间建模与扩散模型的 MPath Mamba 网络,在 SemanticKITTI 基准上实现了具有竞争力的 3D 点云语义场景补全性能。

  12. arXiv · 机器人与计算机视觉78

    在无目标相机 -LiDAR 外参校正前进行审计的研究

    该预印本研究了在无目标条件下对相机-LiDAR 融合的外参变换进行校正后是否应被下游系统采纳的问题。研究在 Argoverse 2 合成漂移数据上评估了单帧与多帧对齐策略,发现单帧 Canny 对齐在轻度漂移下有害,而多帧对齐虽改善旋转但恶化平移且联合误差指标为负。

    推荐理由:该预印本通过日志分离协议评估了无目标外参校正的质量与递归风险,指出单帧对齐在轻度漂移下有害且联合误差指标为负,不支持将其作为可部署的校准门禁。

  13. arXiv · 机器人与计算机视觉83

    ReSMap:一种利用卫星先验增强鲁棒性的在线 HD 地图构建框架

    针对基于相机的在线 HD 地图系统易受传感器故障影响的问题,本文提出 ReSMap 框架,将离线缓存的卫星图像作为相机失效时的冗余互补源。该框架通过预测 - 融合模块和以物体为中心的跨模态查询解码器,利用各分支的置信度进行像素级可靠性加权并合并更新,无需学习路由网络。模型在 nuScenes 数据集的所有划分及范围设置下均达到最先进性能,特别是在相机故障场景下显著提升了鲁棒性。

    推荐理由:提出利用卫星图像作为相机失效时的冗余备份,在 nuScenes 数据集上实现包括相机故障场景在内的最先进性能。

  14. arXiv · 机器人与计算机视觉48

    Mamba3R:固定容量选择性状态记忆用于长序列三维重建

    Mamba3R 通过仅训练 128 万参数适配器,在冻结骨干网络下实现长序列三维重建的几何质量优化。该模型在公开室内外数据集及机器人实测轨迹上,较循环基线降低轨迹误差并提升表面与深度精度,单指标最高增益达 40%。离线回放实验显示,RTX 4060 显卡在 5.1 GiB 显存下平均吞吐 11.7 FPS,覆盖 10 Hz 传感器速率且吞吐量波动不超过 1.4%。

11月3日周二
  1. arXiv · 机器人与计算机视觉72

    ArabGeoText:面向阿拉伯地理文本检测的工具增强视觉语言模型研究

    本文介绍 ArabGeoText 基准数据集,覆盖利雅得和吉达的 970 个地点及 17,875 个标注实例,通过叠加 OSM 渲染图与遥感影像构建配对视图以支持跨背景评估。实验表明直接微调 Qwen3.5-4B 难以恢复所有标签,因此提出结合 YOLO26 定位裁剪与 LoRA 适配的框架,在图像视图和测试城市上均优于基线。数据集与代码将公开提供。

  2. arXiv · 机器人与计算机视觉78

    Ray-SCR:实现跨相机模型的通用场景坐标回归

    针对场景坐标回归(SCR)在鱼眼、全景等不同相机模型间泛化能力差的问题,本文提出 Ray-SCR 方法。该方法将局部视觉特征条件化为校准后的观测射线,并利用稀疏 SfM 点作为度量锚点连接不同视图与相机模型。实验表明,Ray-SCR 显著提升了跨相机场景的泛化性能,在针孔、鱼眼及全景相机设置下均达到最先进定位效果。

    推荐理由:Ray-SCR 通过射线条件化与稀疏 SfM 锚点,解决了场景坐标回归在多相机模型间的泛化难题。

  3. arXiv · 机器人与计算机视觉43

    GPU-Native Real-Time Textured Mesh Reconstruction with Seam-Aware Multi-View Radiometric Correction 方法实现实时重建

    该方法提出一种 GPU 原生体素视频系统,将 TSDF 融合、Marching Cubes 及纹理映射等全流程驻留于 GPU,无需数据回传主机。在 CMU Panoptic 数据集上,其速度优于所有测试基线,峰值加速超过 CUDA-accelerated nvblox 和 CPU-based Open3D 一个数量级,且感知重渲染质量接近离线基准。