首页
›
自动驾驶
›
017-轨迹评估
›
《轨迹评估指标多维度解读》
VIP20
本课程属于:017-轨迹评估
自动驾驶 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
轨迹评估指标多维度解读
📚 共计 30 章节
01
轨迹评估概述
为什么需要轨迹评估?评估的核心目标与挑战。
基础
概念
02
坐标系与刚体变换
世界坐标系、机器人坐标系、齐次变换矩阵。
数学
坐标
03
时间戳同步
硬件时间戳、软件插值、时间对齐的重要性。
同步
预处理
04
绝对轨迹误差 (ATE)
定义、计算方法、RMSE与均值。
指标
ATE
05
相对轨迹误差 (RPE)
定义、计算方法、平移与旋转分量。
指标
RPE
06
ATE与RPE的对比
适用场景、优缺点、如何选择。
对比
选型
07
均方根误差 (RMSE)
数学定义、对离群点的敏感性。
统计
误差
08
均值误差与中位数误差
鲁棒性分析、实际应用场景。
鲁棒
统计
09
标准差与置信区间
评估结果的离散程度与可信度。
置信
离散
10
最大误差与最小误差
极端情况分析、故障诊断。
极值
诊断
11
平移误差与旋转误差
解耦评估、单位与归一化。
解耦
旋转
12
轨迹长度与持续时间
归一化指标、不同场景下的可比性。
归一化
时长
13
分段评估
按速度、按区域、按时间段划分。
分段
细粒度
14
多轨迹对比
多算法、多传感器、多参数配置。
对比
多源
15
可视化方法
轨迹图、误差图、箱线图、直方图。
可视化
图表
16
EVO工具入门
安装、基本命令、数据格式。
工具
EVO
17
EVO工具进阶
轨迹对齐、尺度校正、多轨迹比较。
进阶
对齐
18
EVO工具实战
TUM数据集、KITTI数据集评估。
实战
数据集
19
TUM数据集格式
groundtruth与estimate的格式规范。
TUM
格式
20
KITTI数据集格式
位姿文件、时间戳文件解析。
KITTI
解析
21
EuRoC数据集评估
视觉惯性里程计评估实例。
EuRoC
VIO
22
仿真数据评估
Gazebo仿真、随机轨迹生成。
仿真
Gazebo
23
实时评估
在线监控、ROS集成、可视化反馈。
实时
ROS
24
统计显著性检验
t检验、Wilcoxon符号秩检验。
统计
假设检验
25
评估中的常见陷阱
过拟合、数据泄露、参数调优。
陷阱
注意
26
传感器噪声对评估的影响
IMU噪声、视觉特征噪声。
噪声
传感器
27
环境因素
光照变化、动态物体、纹理缺失。
环境
鲁棒
28
评估报告撰写
结构、图表、结论、可复现性。
报告
写作
29
工业级评估案例
AGV导航、无人机编队、自动驾驶。
工业
案例
30
未来趋势
端到端评估、学习型指标、标准化进程。
前沿
趋势
所属VIP或分类
同VIP:CARLA自动驾驶场景仿真与开发
同VIP:Python批量执行脚本开发与性能优化
同VIP:交通流生成与仿真脚本编写