# scan context

# Scan Context: Egocentric Spatial Descriptor for Place Recognition within 3D Point Cloud Map

**2018 IROS  Giseop Kim and Ayoung Kim**

## Background

- 回环检测（场景识别）=场景描述+搜索
- 3D点云缺乏色彩信息，纹理信息等，无法提取出传统的图像所特有的特征（ORB，SIFT等）
- 如果不对点云数据进行预处理的话，就只能进行几何匹配，消耗较高

## challenge

- 降维的形式，尽可能多的保留深度信息
- 描述符的编码
- 相似度打分

## Framework

![](http://www.write-bug.com/myres/static/uploads/2021/10/19/8a17e34d3f6faf54ea8c0e47e6ba9172.writebug)

## scan-context


将点云分为环形的一块一块，每一块的数值就是这一块点云海拔最高值。这样就实现了降维。
![](http://www.write-bug.com/myres/static/uploads/2021/10/19/599a52d6cffd7c2004f900720e2cc849.writebug)

## Similarity Score between Scan Contexts

由于雷达视角的不同，即当雷达在同一地点纯转动了一定角度之后，列向量向量值不变，但是会出现偏移；行向量的行为是向量中元素的顺序会发生改变，但是行向量不会发生偏移。采用列向比较。
![](http://www.write-bug.com/myres/static/uploads/2021/10/19/8d44cf044dc2a086b4d8f318b96bdf9d.writebug)

## Two-phase Search Algorithm

- 利用ring key 构造KD—Tree后最近邻检索
  ![](http://www.write-bug.com/myres/static/uploads/2021/10/19/5d858d0b4b53d0163f0833203c678591.writebug)
- 相似度评分

- 找到闭环对应帧后使用ICP