以下內容來自從零開始機器人SLAM知識星球 每日更新內容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文# SectionKey: 3-D Semantic Point Cloud Descriptor for Place Recognition

論文地址：IROS2022論文集

作者單位：南洋理工大學

? ?在SLAM應用中，位置識別被視為糾正累積誤差的關鍵?，F(xiàn)有的研究大多集中在視覺位置識別上，視覺位置識別對光照、天氣和季節(jié)等環(huán)境變化很敏感?？紤]到這些原因，最近使用3D LiDAR 進行地點識別引起了更多的關注，這表明通過利用準確的幾何信息來識別更可靠。不同于單純的基于幾何的研究，本文提出了一種新的全局描述符SectionKey，它綜合了語義和幾何信息來解決大規(guī)模城市環(huán)境中的位置識別問題。所提出的描述符具有較強的魯棒性和對視角變化的不變性。

? ?具體地說，將編碼后的三層關鍵字作為預選步驟，并在計算相似度得分之前采用候選中心選擇策略，從而顯著提高了準確率和效率。然后，應用兩步語義迭代最近點算法得到候選點云與查詢幀對齊的三維姿態(tài)(x，y，θ)，并計算相似度得分。在公開的語義Kitti數(shù)據(jù)集上進行了廣泛的實驗，證明了我們提出的系統(tǒng)的性能優(yōu)于最新的方法。

本文貢獻如下：

1、我們提出了一種新穎的三層旋轉不變全局描述子SectionKey，它充分利用了語義和幾何信息。

2、我們提出了一種新的位置識別框架，它包括具有三層關鍵字的描述符構造子模塊和采用候選中心策略的候選選擇子模塊。

3、我們在語義Kitti數(shù)據(jù)集上進行了大量的實驗。實驗表明，提出的方法優(yōu)于最先進的方法。

以上內容來自從零開始機器人SLAM知識星球 每日更新內容