获取完整原文和代码，公众号回复：10059914838
论文地址： http://arxiv.org/pdf/2107.00382v1.pdf
代码： 公众号回复：10059914838
来源： 浙江大学
论文名称：SSC: Semantic Scan Context for Large-Scale Place Recognition
原文作者：Lin Li
内容提要
位置识别使SLAM系统能够纠正累积错误。与包含丰富纹理特征的图像不同，点云几乎是纯粹的几何信息，这使得基于点云的位置识别具有挑战性。现有工作通常编码低层次特征，如坐标、法线、反射强度等，作为局部或全局描述符来表示场景。此外，在匹配描述符时，往往忽略点云之间的平移。与现有的方法不同，我们探讨了使用高级特征，即语义，来提高描述符的表示能力。此外，在匹配描述符时，我们尝试纠正点云之间的平移，以提高精度。具体地说，我们提出了一种新的全局描述符——语义扫描上下文，它探索语义信息以更有效地表示场景。我们还提出了一个两步全局语义ICP来获取用于对齐点云的三维姿态(x, y，yaw)，以提高匹配性能。我们在KITTI数据集上的实验表明，我们的方法在很大程度上优于目前最先进的方法。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
