01
轨迹评估基础
为什么需要评估轨迹？绝对轨迹误差(ATE)与相对轨迹误差(RPE)的概念。
概念ATE/RPE
02
坐标系与变换
世界坐标系、机器人坐标系、齐次变换矩阵、李群与李代数基础。
坐标系李代数
03
传感器模型与噪声
IMU模型、轮式里程计模型、激光雷达模型、噪声特性分析。
传感器噪声
04
位姿图优化
图优化理论、顶点与边、信息矩阵、非线性最小二乘求解。
图优化最小二乘
05
回环检测原理
基于外观的回环检测、基于几何的回环检测、词袋模型。
回环词袋
06
图优化求解器
g2o、Ceres、GTSAM的安装与基本使用。
g2oCeresGTSAM
07
绝对轨迹误差(ATE)计算
对齐方法、RMSE计算、Python实现。
ATERMSEPython
08
相对轨迹误差(RPE)计算
时间间隔选择、平移与旋转误差分离、Python实现。
RPE误差分离
09
轨迹可视化
使用Matplotlib和Plotly绘制轨迹、误差曲线、误差分布图。
可视化Matplotlib
10
evo工具详解
evo_ape、evo_rpe、evo_traj命令的使用与参数调优。
evo评估
11
数据集与基准
KITTI、EuRoC、TUM RGB-D数据集格式与评估协议。
KITTIEuRoCTUM
12
漂移来源分析
积分漂移、传感器标定误差、运动畸变、时间戳不同步。
漂移标定
13
轮式里程计标定
运动学模型标定、轮距标定、编码器分辨率校准。
里程计标定
14
IMU零偏估计
Allan方差分析、零偏稳定性、温漂补偿。
IMUAllan方差
15
多传感器融合基础
扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)原理。
EKFUKF
16
松耦合融合
EKF融合IMU与轮式里程计、协方差设置技巧。
松耦合EKF
17
紧耦合融合
基于图优化的IMU预积分、因子图构建。
紧耦合因子图
18
视觉惯性里程计(VIO)
VINS-Mono、ORB-SLAM3的轨迹评估。
VIOVINSORB-SLAM3
19
激光惯性里程计(LIO)
LIO-SAM、FAST-LIO2的轨迹评估。
LIOLIO-SAMFAST-LIO2
20
GPS融合修正
GPS坐标系转换、RTK定位、GPS与IMU融合。
GPSRTK
21
磁力计辅助修正
地磁模型、磁干扰检测、航向角修正。
磁力计航向
22
高程约束修正
气压计原理、高程融合、地面约束。
高程气压计
23
运动约束修正
非完整约束、零速检测、车辆运动模型约束。
运动约束零速
24
回环检测修正
图优化中的回环边添加、回环置信度判断。
回环修正置信度
25
实时漂移修正策略
滑动窗口优化、边缘化策略、关键帧选择。
实时滑动窗口
26
轨迹平滑与后处理
基于贝塞尔曲线的平滑、基于图优化的全局平滑。
平滑后处理
27
评估指标进阶
相对精度、绝对精度、一致性、鲁棒性分析。
精度鲁棒性
28
自动化评估流水线
批量处理脚本、报告生成、可视化仪表盘。
自动化流水线
29
工业级案例
AGV轨迹评估与修正、扫地机器人定位优化。
AGV扫地机器人
30
前沿趋势
学习型里程计、端到端定位、神经隐式表示在轨迹优化中的应用。
学习型NeRF