ScanContext 论文详解 - 用途：Lidar SLAM 回环检测、空间描述符

Figure 1. 激光雷达沿着方位角(浅蓝)与放射方向（黄）的Bin分割 [1]

Figure 2. Scan Context示意图 [1]

1. 浅读文章

Scan Context，从英文字面理解就是“扫描 上下文”。类比于我们阅读的时候，需要理解上下文，才能明白其意，LidarSLAM在进行回环检测的时候，也需要将“上下文” （之前的数据）进行比较，方才知道我们是不是又走到了之前的同一个地方（回环）。

Scan Context这篇文章由韩国KAIST大学的Giseop Kim和Ayoung Kim所写，它的主要特点是提出了Scan Context这个非直方图的全局描述符，来帮助我们对“上下文”（当前/之前的数据）进行更快速、有效地搜索。典型的应用就是在LiDAR SLAM中进行回环检测和Place Recognition。

2. 提出的方法

• The representation that preserves absolute location information of a point cloud in each bin （如图2所示）
• Efficient bin encoding function
• Two-step search algorithm

3. 算法流程

3.1 Scan Context的创建

(1) 与Shape Context的渊源

Scan Context这个算法其实一开始是由Shape Context [2] 所启发的，而Shape Context是把点云的 local Keypoint 附近的点云形状 encode 进一个图像中。Scan Context的不同在于，它不仅仅是count the number of points,而是采用了maximum height of points in each bin（简单来说，就是取每一个bin中的所有point的z轴最高点的value作为这个bin的value）。

(2) 为什么选择Maximum height？

1. The reason for using the height is to efficiently summarize the vertical shape of surrounding structures.
2. In addition, the maximum height says which part of the surrounding structures is visible from the sensor.
3. This egocentric visibility has been a well-known concept in the urban design literature for analyzing an identity of a place

(3) Partition a 3D scan

首先，对每一次Scan进行分割：

• Nr: number of rings （黄色圈圈）
• Ns: number of sectors （浅蓝色/绿色？的格子）
• Lmax: 雷达每一个射线的最远距离
• Radial Gap between rings = $\frac{L_{max}}{N_r}$
• Sector弧度 = $\frac{2\pi }{N_s}$
• 文章中: Nr=20, Ns=60
  

(4) 给每个Bin进行赋值：Bin Encoding

公式解读：

• P i j P_{ij}