Scan Context这篇文章由韩国KAIST大学的Giseop Kim和Ayoung Kim所写,它的主要特点是提出了Scan Context这个非直方图的全局描述符 ,来帮助我们对“上下文”(当前/之前的数据)进行更快速、有效地搜索。 典型的应用就是在LiDAR SLAM中进行回环检测和Place Recognition。 2 提出的方法 The representation that preserves ab...
scan context是一个描述场景的描述符,它之前不是用在slam上面的,但是有人将它用到激光slam上面,发现还可以,于是这个scan context就用来进行激光slam的位置识别(做闭环用的)。 首先是点云分割,就按照半径的方向,分成一个个环,然后每个环再进行360°的切割。 必须明白scan context每一行和每一列代表啥,每一行代表一...
Scan Context这个算法其实一开始是由Shape Context [2] 所启发的,而Shape Context是把点云的 local Keypoint 附近的点云形状 encode 进一个图像中。 Scan Context的不同在于,它不仅仅是count the number of points,而是采用了maximum hei...
Scan Context这个算法其实一开始是由Shape Context [2] 所启发的,而Shape Context是把点云的 local Keypoint 附近的点云形状 encode 进一个图像中。Scan Context的不同在于,它不仅仅是count the number of points,而是采用了maximum height of pointsin each bin(简单来说,就是取每一个bin中的所有point的z轴最...
Scan Context,从英文字面理解就是“扫描 上下文”。 类比于我们阅读的时候,需要理解上下文,才能明白其意,LidarSLAM在进行回环检测的时候,也需要将“上下文” (之前的数据)进行比较,方才知道我们是不是又走到了之前的同一个地方(回环)。 Scan Context这篇文章由韩国KAIST大学的Giseop Kim和Ayoung Kim所写,它的主要...
Scan Context,从英文字面理解就是“扫描 上下文”。类比于我们阅读的时候,需要理解上下文,才能明白其意,LidarSLAM在进行回环检测的时候,也需要将“上下文” (之前的数据)进行比较,方才知道我们是不是又走到了之前的同一个地方(回环)。 Scan Context这篇文章由韩国KAIST大学的Giseop Kim和Ayoung Kim所写,它的主要...
其中,Scan-Context是Disco-SLAM算法中的关键步骤之一,它能够将激光雷达扫描数据转换成一个紧凑的特征向量,用于检索已建立的地图并实现定位。 Scan-Context算法的基本思路是将单帧激光雷达扫描数据拆分成若干个子区间,然后分别计算每个子区间与周围区间之间的相似度。这里的相似度可以使用多种方法来度量,如Cross-...
Scan Context,从英文字面理解就是“扫描 上下文”。 类比于我们阅读的时候,需要理解上下文,才能明白其意,LidarSLAM在进行回环检测的时候,也需要将“上下文” (之前的数据)进行比较,方才知道我们是不是又走到了之前的同一个地方(回环)。 Scan Context这篇文章由韩国KAIST大学的Giseop Kim和Ayoung Kim所写,它的主要...
Scan Context,从英文字面理解就是“ 扫描 上下文 ”。类比于我们阅读的时候,需要理解上下文,才能明白其意,LidarSLAM在进行回环检测的时候,也需要将“上下文” (之前的数据)进行比较,方才知道我们是不是又走到了之前的同一个地方( 回环 )。 2.1提出方法 ...
作为激光雷达的回环而言,最经典的仍然是Scan Context,但是Scan Context仍然会存在有一些缺陷,一是它只利用了最大的高度,丢失了很多点云信息,二是Scan-Context不具有旋转不变性,需要进行暴力匹配,三是Scan-Context缺少特征提取步骤。所以文章《LiDAR Iris for Loop-Closure Detection》...