LIN-SLAM: Lightweight LiDAR--Inertial Neural SLAM for Real-Time Onboard Navigation
中文摘要
由模型生成 · 人工抽检LIN-SLAM 提出一种轻量级激光雷达-惯性神经 SLAM 混合方法，将高频几何估计与神经隐式建图、全局优化结合。在多个数据集上取得最低轨迹误差，并在 Jetson Orin NX 上实现实时机载运行，首次让神经隐式后端在移动机器人上实时在线工作。
全文
已译中文arXiv:2610.21199v1 公告类型：新
摘要：几何激光探测与测距（LiDAR）—惯性同时定位与建图（SLAM）能够提供高效的状态估计，但缺乏神经隐式 SLAM 所具有的连续地图表示与全局优化能力，而神经隐式方法的计算开销仍然很高。我们提出轻量级 LiDAR—惯性神经 SLAM（LIN-SLAM），这是一种混合方法，将高频率的几何 LiDAR—惯性估计与神经隐式跟踪、持续建图与全局优化相耦合，以实现准确的实时板载 SLAM。在来自三个数据集、涵盖 32、64 和 128 通道 LiDAR 配置的十二条代表性序列上进行的实验表明，在所评估的 SOTA 几何方法与神经隐式方法中，LIN-SLAM 取得了最低的总体平均绝对轨迹误差（ATE），同时与现有神经隐式 SLAM 方法相比大幅降低了运行时间。在一台配备 NVIDIA Jetson Orin NX 和 16 通道 LiDAR 的 Unitree Go2 上，LIN-SLAM 在一条长 1.47 km、穿越具有挑战性的重复走廊环境的室内轨迹上持续保持实时定位与神经建图，端点闭环误差仅为 0.141~m。据我们所知，LIN-SLAM 是首个在移动机器人平台上实现实时在线运行、同时保持 SOTA 定位精度的、带有神经隐式后端的 LiDAR—惯性 SLAM 系统。代码将在论文被接收后发布。
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。