Scancontext是是LiDAR点云的全局描述符,它是专门为在室外环境中获取的稀疏且嘈杂的点云而设计的。
代码有3个示例用例。主要是用matlab编写。
matlab目录包含主要功能,包括Scancontext生成和距离功能。目录示例包含一些应用程序的完整示例代码。 我们总共提供3个示例。
1、基本内容包含字面意义上的基本代码(例如生成),并且可以作为了解Scancontext的起点。
2、位置识别是IROS18论文的示例目录。 该示例使用KITTI序列00进行,并且PlaceRecognizer.m是主要代码。 通过观看和遵循PlaceRecognizer.m代码,可以轻松掌握基于扫描上下文的位置识别的全部流程。 我们基于Scan Context的位置识别系统包括两个步骤: 描述和搜索。 然后,搜索步骤由两个层次阶段组成(1.用于快速候选提议的基于环键的KD树,2.用于查询基于成对比较的最近搜索的候选者)。 我们注意到,与其他方法不同,基于粗偏航对齐的成对距离能够很好地进行反向重访检测。
3long-term localization 是我们RAL19论文的示例目录。 为了分离制图和定位,有单独的训练和测试步骤。 主要的培训和测试代码是用python和Keras编写的,仅不包括数据生成和性能评估代码(它们是用Matlab编写的),而这些python代码则使用jupyter笔记本提供。 我们注意到某些路径可能无法直接对您的环境起作用,但是评估代码(例如makeDataForPRcurveForSCIresult.m)将帮助您了解此基于分类的SCI-localization 系统的工作方式。