室内激光SLAM的回环检测与重定位，为什么会“认错地方”?

UpDown-SC 开源：同时保留顶棚与低处结构

地图已经建好，机器人重新走进厂房，眼前的走廊、设备和顶棚似曾相识。它需要回答：当前这帧点云，对应地图里的哪个地点？

回环检测和全局重定位，通常先做地点检索，找出少数候选位置与朝向，再用点云配准核验。若第一步把两个相似的区域认成同一个地点，后面的几何优化就可能从错误的位置开始。

无界动力开源的 UpDown-SC 聚焦检索前端。它将同一帧扫描的高处和低处结构分别编码，共同寻找候选地点，无需训练。后续仍由 ICP 等几何配准方法估计和核验位姿。

图 1｜上方为实测扫描侧视图，下方对比两种表示。矩阵是方法示意，不是性能统计。

1. 顶棚很稳定，却未必能区分地点

经典 Scan Context（SC）把点云投进极坐标网格：按距离分环、按方位分扇区，每个格子只存一个数，即格子里的最高点高度。这种表示简单、高效，也能通过扇区循环移位处理朝向差异。

在室内，顶棚、横梁或管线可能沿着很长一段路连续分布，而门洞、隔断、墙角、设备和家具更多出现在中低处。若每格只留最高点，低处的差异就可能不再进入描述子。两个不同的房间或走廊，因而可能得到相似的描述。

下面的论文图来自同一帧实测查询点云。它有 467 个有效格子，SC 中 431 个格子的最高点来自上方结构；其中 197 个格子也有中低处回波，却没有保留在单路描述里。这一帧按“顶棚主导格子最多”的固定规则选出，用来展示问题，不代表整个数据集都具有这一比例。

图 2｜查询点云俯视图。橙点为扫描原点，原图保留 10 m 比例尺。

图 3｜三个描述图的圆盘大小一致，不将单路图放大、双路图压缩。红点标出被单路最高值遮蔽的低处格子；两路继续使用论文原图的统一高度色标。

UpDown-SC 仍保留顶棚等高处结构，同时为中低处几何留出独立通道。顶棚提供稳定轮廓，低处结构帮助区分相邻区域。

这段短视频把同一帧扫描从侧视图转成俯视描述，适合先直观看一遍上下两路是怎样出现的。

视频 1｜从实测点云到上下双路描述（21 秒）

2. 两路描述怎样保持可比

跨时间、跨安装状态比较描述子，需要一致的垂直参照。UpDown-SC 用重力方向对齐扫描，消除横滚和俯仰变化；不同安装高度通过实测的描述原点高度表达在统一坐标下。偏航差异则交给后续的扇区对齐处理。

上下分界从先验地图的高度分布中估计，再复用到查询扫描。分界面以下保留低处或中部结构的最高点，分界面以上保留高处结构的最低点，分别记录下部结构的上沿与顶部结构的下沿。这就是“双包络”表示。

每个通道都有独立的有效性掩码。匹配只比较地图与查询都有效的格子，区分“没有观测”和“观测到低高度”。两路共同参与候选排序，扇区循环移位用于估计偏航差异。

3. 检索提出候选，ICP 核验几何关系

查询扫描经过重力对齐与双路编码后，检索返回候选地图关键帧和偏航估计。ICP 再以候选为初值，优化点云相对先验地图的六自由度位姿，并检查几何拟合。通过核验的结果可用于回环或全局重定位。

图 4｜论文流程示意，按编号阅读。第 4 个面板展示的是以检索朝向初始化后的点云叠加，不是 ICP 已收敛的结果；配准后的实际回放见下方视频。

这里需要区分两个指标：Recall@1 看第一检索候选是否对应正确地点，ICP 拟合接受率看配准是否通过预设核验条件。最终位姿精度还需要与参考真值比较。

下面的片段展示先验地图上的连续配准。灰色为固定地图，青色为 ICP 配准后的查询点云，红叉保留了未通过核验的尝试。完整演示中的 91.8% 对应候选窗口的 ICP 拟合接受率，应与下文检索结果分别阅读。

视频 2｜先验地图上的连续点云配准（22.5 秒）

4. 实验结果

公开项目页使用统一的重力对齐前端，记作 +G。下面摘录 SC + G 与 UpDown-SC + G 的六组检索结果，均在 ICP 之前统计，单位为百分比。R@1 看第一候选是否正确，R@5 看前五个候选中是否包含正确地点；每行较高值加粗，平局同时加粗。

第一候选召回率 R@1（%）

前五候选召回率 R@5（%）

查询数依次为 320、148、58、57、28、60。完整基线、协议及逐查询来源见项目页结果表与结果溯源文档。

室内双序列中，R@1 从 62.5% 提高到 69.4%，增加 6.9 个百分点。Construction Hall 包含室外到室内的混合路段，也有提升。两组跨设备测试则考察了安装状态变化后的检索表现。

M2DGR 和 Newer College 的 R@1 则由 SC + G 领先，其他基线在个别场景中也有更高结果。UpDown-SC 的设计重点，是室内顶部结构遮蔽低处线索、传感器安装变化时的地点辨识；室外结果不能照搬室内结论。

下面两幅论文原图展示室内双序列的全部 320 次查询：蓝点为第一候选正确，红叉为错误，淡红线连接错误查询与其选中的地图关键帧。除了总体百分比，还可以对照各个分支上的失败分布。

图 5｜两幅结果图完整保留，手机阅读时上下排列。第一候选正确率分别为 62.5% 和 69.4%。

5. 换一张地图，看点云实际怎样对齐

除了上述检索表，视频还展示另一张先验地图上的配准回放。短片中青色查询点云在 Construction Hall 地图的不同区域依次出现，右侧局部视图用于检查轮廓是否重合。这个片段主要帮助理解“检索候选如何落到地图上”，不应把视频里的局部回放当作整个数据集的统计结论。

视频 3｜另一张先验地图上的配准

6. 开源范围与使用条件

目前的公开仓库包含不依赖 ROS 的 C++ 描述与检索实现、实验协议、基线适配、结果文件、论文绘图代码和来源记录。仓库里的紧凑结果包可以先用于检查公开数字；完整评测输入包含哪些数据组、应放在哪些路径，详见数据说明。完整包的下载状态请以项目页为准。

复现从已经去畸变、完成运动补偿的关键帧点云开始，同时需要位姿与重力信息。生成这些关键帧的上游 LIO 前端及原始 rosbag，不在本次代码仓库的发布范围内。

使用时需要可靠的重力方向、安装高度参照，以及后续几何核验。车间、楼宇中的重复顶棚是本文关注的场景；室外开阔环境或其他雷达配置，应结合对应实验判断适用性。

从头看完整过程⬇️

详细介绍！超远距EDU-SCAN三维激光雷达扫描仪，为开放生态而生！
重磅发布！解锁百米高空无人机测绘！
重磅发布！2分钟重建百米高楼！
重磅发布！助力机器狗SLAM、重建三维世界！
SLAM挑战！EDU-SCAN清晰还原室内超大电子屏
SLAM挑战 ! 9分钟重建万
平地下停车场
这款科研神器丝滑复现最强SLAM：Fast-LIVO2！
三维激光扫描仪全国线下产品试用！
车载扫街，效果实测