https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8593953&tag=1

---

Abstract

feature detector와 descriptor가 많이 있지만 structural information을 이용한 것은 적습니다. 최근의 SLAM은 좋은 성과를 내는데 수많은 센서들을 필요로 합니다. scan context는 LiDAR를 이용한 non histogram based global descriptor을 제시합니다. 유사도를 이용한 두 scan context 간의 거리를 측정할 수 있고 2단계의 loop 인식 알고리즘 역시 사용합니다.

---

Introduction

place recognition은 로보틱스에서 중요한 과제입니다. SLAM에서 loop closure의 후보군을 찾는 것을 지원합니다. drift error(같은 공간에 돌아왔을 때 서로 맞지 않는 것)를 수정하기 위해 중요한 요소입니다. 이것을 찾는 것을 loop를 찾는다라고 합니다.
LiDAR는 노이즈에 대한 단점에도 불구하고 널리 사용되고 있습니다. 많은 연구들은 structural information을 담는 descriptor 개발을 목표하고 있습니다.
LiDAR에는 2가지 문제가 있는데

1. viewpoint가 바뀌어도 rotational invariance를 유지해야하는 것
2. noise handling

기존에는 이를 해결하기 위해 histogram 기반의 방법론들이 사용되었습니다. 확률적 index만을 사용하는 단점이 존재합니다.
위 논문에서 제시하는 방법론들은 본론에서 다시 보도록하겠습니다.

각도를 기준으로 bin을 나누고 다시 거리에 따라 정보를 저장합니다. 이 때 z 값을 사용합니다.

---

Related Work

Place Recognition은 vision, LiDAR 방법론 2가지 나뉩니다.
vision은 빛에 의해 영향을 많이 받는다는 단점이 조내한다. 반면에 LiDAR는 local과 global로 나뉘는데 정리하면 bin에 정보를 담는 것이고 histogram으로 표현한다고만 정리할 수 있습니다.

추후 재작성 예정