Local Descriptor for Robust Place Recognition using LiDAR Intensity

  在传统描述子中引入了校正过的激光强度，同时维护地图点接收投票的概率。

预处理

  激光强度随距离会发生变化，首先对激光强度进行校正。
  在SHOT描述子的基础上增加邻域的激光强度差值。

基于概率的关键点投票机制

定位流程

  通过描述子匹配和关键的投票得到最困难的位置，然后使用ICP对定位结果进行优化。

地图点投票概率

  将特征匹配的概率建模为每个特征点匹配的概率之积。每对特征点匹配有两个参数，描述子和最佳匹配和次佳匹配的距离比值。
  地图点被选为匹配点的概率分为两部分，随地图点距真值距离变化的正态分布和地图点被随机选择的均匀分布。本文通过预训练得到的比值与距离分布在给定距离比值下得到概率初值。在随后的地图点投票中，对概率进行更新。
  本文还提到只在需要的时候计算描述子和概率分布，在迭代过程中随机选取一部分点进行特征匹配，无法理解这种思路。