【技术实现步骤摘要】
本专利技术涉及汽车无人驾驶，具体涉及一种基于语义图和语义扫描上下文的激光点云地点识别方法。
技术介绍
1、近些年来，随着机器人和无人车研究的深入，同步定位与建图(simultaneouslocalization and mapping，slam)技术得到了飞速地发展，slam技术中地点识别也成为了研究热点。地点识别(回环检测)代表机器人或无人车识别是否到达先前经过的某个地方的能力，可以为slam建立全局约束，消除里程计的累积误差，有助于构建精确的全局一致性地图。目前的地点识别方法主要为基于描述符的生成和基于特征距离的度量。其中基于视觉的地点识别主要通过提取图像的特征描述子，然后用词袋模型(bow)、vlad和fishervector等方法进行编码。通过比较全局描述符和度量它们之间的相似性来检索相似场景。但是由于相机成像的原理，极易因为天气、光照、季节的变化，导致无法正确的检索匹配。
2、由于激光雷达自身特性，季节和光照变化对激光点云的数据采集影响较小，因而基于激光点云的地点识别性能更加鲁棒。因此，基于激光点云的地点识别方法近...
【技术保护点】
1.一种基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤S1具体包括以下步骤：
3.根据权利要求2所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤A1具体包括以下步骤：
4.根据权利要求3所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤A2具体包括以下步骤：
5.根据权利要求1所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤S2中，...
【技术特征摘要】
1.一种基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤s1具体包括以下步骤：
3.根据权利要求2所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤a1具体包括以下步骤：
4.根据权利要求3所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤a2具体包括以下步骤：
5.根据权利要求1所述的基于语义图和语义扫描上下文的激光点云地点识别方法，其特征在于，步骤s2中，对点云数据提取语义图特征，包括以下步骤：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。