01
轨迹评估概述
为什么需要轨迹评估？评估的基本流程与核心概念。
基础概念
02
绝对轨迹误差 (ATE)
ATE的定义、计算方法、RMSE与均值误差。
指标ATE
03
相对轨迹误差 (RPE)
RPE的定义、计算方法、与ATE的区别。
指标RPE
04
evo工具入门
evo的安装、基本命令行使用、数据格式支持。
工具evo
05
evo工具进阶
evo_traj、evo_ape、evo_rpe命令详解与参数配置。
工具命令行
06
evo结果可视化
使用evo绘制轨迹图、误差图、箱线图。
可视化evo
07
evo多轨迹对比
同时评估多条轨迹，批量处理与结果汇总。
批量对比
08
evo与ROS集成
将ROS bag中的轨迹数据导出并评估。
ROSbag
09
TUM数据集评估标准
TUM RGB-D数据集的ground truth格式与评估协议。
TUMRGB-D
10
KITTI数据集评估标准
KITTI Odometry数据集的评估指标与工具。
KITTIOdometry
11
EuRoC数据集评估标准
EuRoC MAV数据集的ground truth与评估方法。
EuRoCMAV
12
OpenCV轨迹可视化
使用OpenCV绘制2D/3D轨迹。
OpenCV可视化
13
Matplotlib轨迹可视化
使用Matplotlib绘制专业轨迹对比图。
Matplotlib图表
14
3D轨迹可视化
使用Mayavi或Plotly进行3D轨迹展示。
3DMayaviPlotly
15
误差分析基础
均值、中位数、标准差、最大值、最小值。
统计误差
16
误差分布分析
直方图、累积分布函数（CDF）在轨迹评估中的应用。
分布CDF
17
时间戳对齐
时间戳同步方法（线性插值、最近邻匹配）。
同步插值
18
轨迹对齐
Umeyama算法与Sim(3)变换在轨迹对齐中的应用。
对齐Sim(3)
19
尺度漂移评估
单目SLAM中的尺度漂移检测与量化。
尺度单目
20
旋转误差评估
四元数误差、旋转矩阵误差、轴角误差。
旋转四元数
21
平移误差评估
欧氏距离误差、相对平移误差。
平移距离
22
综合评估报告
如何生成一份完整的轨迹评估报告。
报告汇总
23
自动化评估脚本
使用Python编写批量评估脚本。
Python脚本
24
SLAM基准测试
在TUM、KITTI、EuRoC上进行SLAM算法排名。
基准排名
25
实时轨迹评估
在SLAM运行过程中实时计算并显示误差。
实时在线
26
多传感器融合评估
IMU+视觉、激光+视觉的轨迹评估差异。
融合IMU激光
27
长时轨迹评估
大规模场景下的轨迹漂移与回环检测效果评估。
长时漂移
28
轨迹评估的陷阱
常见错误（坐标系不一致、单位错误、时间戳偏移）。
避坑常见错误
29
自定义评估指标
根据需求设计新的轨迹评估指标。
自定义扩展
30
课程总结与展望
轨迹评估技术的未来趋势与学习路径。
总结未来