場所認識は、SLAMシステムが累積誤差を補正する能力をもたらす。画像には豊富なテクスチャ特徴が含まれるのに対し、点群はほぼ純粋な幾何学的情報に過ぎないため、点群に基づく場所認識は困難である。従来の手法では、座標、法線、反射強度などの低レベル特徴を局所的またはグローバルな記述子として符号化してシーンを表現する。さらに、これらの手法は記述子のマッチング時に点群間の並進変換を無視しがちである。本研究では、多くの既存手法とは異なり、シーン表現能力を向上させるために高レベル特徴である意味情報（セマンティクス）の利用を検討している。また、記述子のマッチング時に点群間の並進変換を補正することで、精度の向上を図っている。具体的には、シーンをより効果的に表現するため、意味情報を活用する新しいグローバル記述子「セマンティック・スキャンコンテキスト（Semantic Scan Context, SSC）」を提案する。さらに、点群のマッチング性能を向上させるために、3D姿勢（x, y, イェウ）を推定するための2段階のグローバルセマンティックICP（Iterative Closest Point）を提案している。KITTIデータセットを用いた実験の結果、本手法は最先端手法を大幅に上回る性能を達成した。本研究のコードは以下のURLから公開されている：https://github.com/lilin-hitcrt/SSC。