arXiv 2510.158032025-10-17cs.RO

LiDAR SLAM中的动态重校准：利用INAF融合集成AI与几何方法并实现实时反馈

Dynamic Recalibration in LiDAR SLAM: Integrating AI and Geometric Methods with Real-Time Feedback Using INAF Fusion

Department of Earth and Space Science and Engineering, Lassonde School of Engineering, York University（地球与空间科学与工程系，拉索nde 工程学院，约克大学）

Zahra Arjmandi, Gunho Sohn

备注：: 9 pages, 9 figures

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出一种基于INAF融合模块的LiDAR SLAM动态重校准方法，结合AI与几何里程计，利用KITTI数据动态调整注意力权重，提升定位与三维建图精度，增强复杂场景下的自主导航能力。

摘要：

本文提出了一种用于LiDAR同时定位与建图（SLAM）的新型融合技术，旨在利用LiDAR传感器提高定位和三维建图的精度。我们的方法核心是推断注意力融合（INAF）模块，该模块将人工智能与几何里程计相结合。利用KITTI数据集的LiDAR数据，INAF根据环境反馈动态调整注意力权重，增强了系统的适应性和测量精度。该方法提升了定位和三维建图的精度，展示了我们的融合技术在复杂场景中增强自主导航系统的潜力。

英文摘要：

This paper presents a novel fusion technique for LiDAR Simultaneous Localization and Mapping (SLAM), aimed at improving localization and 3D mapping using LiDAR sensor. Our approach centers on the Inferred Attention Fusion (INAF) module, which integrates AI with geometric odometry. Utilizing the KITTI dataset's LiDAR data, INAF dynamically adjusts attention weights based on environmental feedback, enhancing the system's adaptability and measurement accuracy. This method advances the precision of both localization and 3D mapping, demonstrating the potential of our fusion technique to enhance autonomous navigation systems in complex scenarios.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。