摘要
场景识别使SLAM系统具备校正累积误差的能力。与包含丰富纹理特征的图像不同，点云几乎仅包含纯几何信息，因此基于点云的场景识别具有较大挑战性。现有方法通常将坐标、法向量、反射强度等低级特征编码为局部或全局描述子以表征场景。此外，这些方法在匹配描述子时往往忽略点云之间的平移关系。与大多数现有方法不同，本文探索利用高级特征——语义信息——来增强描述子的表征能力。同时，在描述子匹配过程中，我们尝试对点云间的平移进行校正，以提升匹配精度。具体而言，本文提出一种新型全局描述子——语义扫描上下文（Semantic Scan Context），通过融合语义信息更有效地表征场景。此外，我们设计了一种两步法全局语义ICP（Iterative Closest Point）算法，用于估计点云间的三维位姿（x, y, yaw），以实现点云对齐，从而提升匹配性能。在KITTI数据集上的实验结果表明，所提方法显著优于现有最先进方法。代码已开源，地址为：https://github.com/lilin-hitcrt/SSC。