多传感器融合定位 第四讲 点云地图构建及基于地图的定位

一、理论

1.1 ScanContext

ScanContext核心思想是提取点云的全局点云描述符，然后与先前提取的全局点云描述符一一比对，找到最接近的点云。ScanContext将全局点云表示成一个二维矩阵，然后通过这个二维矩阵来计算每帧点云的相似度。

二维矩阵的生成方法：首先设定一个最大距离（文中用的是80m），然后划分成20个同心圆，每个同心圆称作一个Ring（黄色的部分），对应二维矩阵的行。同心圆划分成60份，每一份叫做Sector（青色的部分），对应矩阵的列。二维矩阵里面的值是该区域内点云高度的最大值。
Ring-key: 每一行的均值，Sector-key: 每一列的均值。Ring-key用来粗匹配，Sector-key用来精匹配。

参考博客：ScanContext介绍及理解
ScanContext源码

1.2 小结

这章理论都比较基础，PPT介绍的很完善了。

二、代码及实验

2.1 建图

效果