01
课程导论
什么是点云精度验证？为什么需要做精度验证？课程整体框架与学习路径。
入门框架
02
坐标系基础
世界坐标系、车体坐标系、激光雷达坐标系、坐标变换与齐次矩阵。
数学核心
03
传感器标定
激光雷达内参标定、LiDAR与IMU外参标定、LiDAR与相机外参标定。
标定融合
04
真值系统介绍
高精度组合导航系统、全站仪、RTK、高精度地图作为真值的原理与局限。
真值硬件
05
数据采集规范
采集路线设计、场景覆盖要求、速度与动态环境对精度的影响。
采集实战
06
点云预处理
去畸变、去除离群点、降采样、地面滤波。
预处理滤波
07
点云配准基础
ICP算法原理、NDT算法原理、配准精度评价指标。
配准算法
08
相对精度验证
基于帧间匹配的精度评估方法、里程计漂移分析。
相对里程计
09
绝对精度验证
基于真值地图的定位精度评估、绝对轨迹误差(ATE)计算。
绝对ATE
10
精度评价指标详解
均方根误差(RMSE)、平均绝对误差(MAE)、标准差(STD)、最大误差。
指标数学
11
误差来源分析
系统误差、随机误差、动态误差、环境干扰误差。
分析诊断
12
精度验证工具介绍
EVO工具使用、KITTI评估工具、开源评估框架对比。
工具对比
13
EVO工具实战
安装配置、轨迹对齐、ATE/RPE计算、结果可视化。
EVO可视化
14
KITTI评估标准
KITTI数据集格式、评估指标、排行榜解读。
KITTI基准
15
M2DGR评估标准
M2DGR数据集特点、评估流程、与KITTI的差异。
M2DGR数据集
16
精度验证脚本编写
Python实现ATE计算、Python实现RPE计算、结果输出与可视化。
Python脚本
17
自动化测试框架
构建自动化精度验证流水线、批量数据处理、报告生成。
自动化流水线
18
多传感器融合精度评估
LiDAR+IMU、LiDAR+相机、LiDAR+GPS融合系统的精度验证。
融合多传感器
19
SLAM精度评估
轨迹一致性评估、地图一致性评估、回环检测精度。
SLAM回环
20
动态场景精度评估
运动物体干扰、动态环境下的精度退化分析。
动态鲁棒性
21
长距离精度评估
里程计累积误差分析、长距离测试方案设计。
长距漂移
22
重复性精度评估
同一场景多次采集的精度一致性分析。
重复性一致性
23
精度验证报告撰写
报告结构、数据呈现、结论与建议。
报告文档
24
行业标准与规范
ISO标准、自动驾驶精度要求、行业最佳实践。
标准规范
25
案例实战1：KITTI+LOAM
基于KITTI数据集的LOAM算法精度验证。
实战LOAM
26
案例实战2：M2DGR+LIO-SAM
基于M2DGR数据集的LIO-SAM算法精度验证。
实战LIO-SAM
27
案例实战3：自采数据+FAST-LIO2
基于自采数据的FAST-LIO2算法精度验证。
实战FAST-LIO2
28
精度优化策略
标定优化、算法参数调优、传感器选型建议。
优化调参
29
常见问题与解决方案
数据对齐失败、轨迹发散、评估结果异常。
排错FAQ
30
课程总结与展望
技术趋势、学习资源推荐、进阶方向。
总结进阶