自动驾驶系统进阶与项目实战（四）自动驾驶高精度地图构建中的三维场景识别和闭环检测

自动驾驶系统进阶与项目实战（四）自动驾驶高精度地图构建中的三维场景识别和闭环检测

闭环检测（loop-closure detection）是SLAM中非常关键的一部分，当然也是自动驾驶高精度地图（HD Map）构建的核心技术之一，闭环检测即无人车能够识别出SLAM构图过程中形成的闭环，从而优化由观测（lidar slam、imu、车辆can、gnss等算出的里程计）累计的误差，使得SLAM地图在闭环的“缝合处”能够准确对接、在同一路段的重复测量（主要是激光点云、图像等）能够准确拟合。显然闭环检测对于大面积、大场景的地图构建非常必要。

在闭环检测中，场景识别是关键步骤之一，场景识别即无人车匹配当前场景和历史场景的过程，如果当前场景和历史中的某些场景吻合，那么无人车才知道自己“来过”这个地方，从而进行闭环的位姿优化，场景识别中最常见的就是基于图像的识别，但是基于图像的方法容易收到场景光照条件变化以及移动目标的影响。

基于点云的三维场景识别技术受光照、季节等环境条件的影响较小，和图像方法