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。
ATERPE基础
02
坐标系与变换
世界坐标系、机器人坐标系、齐次变换矩阵、四元数与旋转矩阵。
坐标系四元数
03
时间戳同步
传感器时间戳对齐、线性插值与样条插值方法、时间偏移估计。
插值对齐
04
评估工具evo
evo的安装与配置、轨迹文件格式(TUM、KITTI、EuRoC)、基本命令使用。
evoTUMKITTI
05
使用evo进行ATE评估
evo_ape命令详解、均方根误差(RMSE)计算、结果可视化。
ATERMSE
06
使用evo进行RPE评估
evo_rpe命令详解、相对位姿误差计算、不同距离/时间间隔的影响。
RPE相对误差
07
轨迹对齐
Umeyama算法原理、Sim(3)与SE(3)对齐、对齐对评估结果的影响。
UmeyamaSim(3)
08
评估指标深入
均值、中位数、标准差、最大值、最小值、百分位数。
统计百分位数
09
多轨迹对比
同时评估多个SLAM算法、箱线图与柱状图对比、统计显著性分析。
对比箱线图
10
定位漂移现象
漂移的定义、产生原因(传感器噪声、累积误差)、漂移的表现形式。
漂移累积误差
11
漂移的数学模型
随机游走模型、布朗运动、一阶马尔可夫过程。
随机游走马尔可夫
12
视觉SLAM中的漂移
视觉里程计的漂移特性、回环检测的作用、尺度漂移问题。
视觉SLAM尺度漂移
13
LiDAR SLAM中的漂移
点云配准误差累积、扫描匹配的漂移、地图一致性。
LiDAR点云配准
14
惯性导航中的漂移
IMU零偏、加速度计与陀螺仪积分误差、姿态发散。
IMU零偏
15
多传感器融合与漂移抑制
松耦合与紧耦合、卡尔曼滤波、因子图优化。
融合因子图
16
漂移检测方法
基于轨迹平滑度的检测、基于传感器一致性检测、基于地图重访检测。
检测一致性
17
回环检测与漂移修复
词袋模型(BoW)、几何验证、图优化回环矫正。
回环BoW
18
基于地图的漂移修复
全局地图匹配、ICP精配准、占据网格对齐。
地图匹配ICP
19
基于GPS的漂移修复
GPS与里程计融合、差分GPS、RTK定位。
GPSRTK
20
基于路标的漂移修复
视觉路标、二维码/ArUco标记、已知地图重定位。
路标ArUco
21
平滑与滤波修复
滑动窗口滤波、贝叶斯平滑、RTS平滑器。
平滑RTS
22
轨迹后处理优化
位姿图优化(PGO)、全局BA优化、轨迹平滑。
PGOBA
23
使用g2o进行轨迹优化
g2o图优化库简介、构建位姿图、边与顶点的定义、优化求解。
g2o图优化
24
使用Ceres进行轨迹优化
Ceres Solver简介、代价函数定义、自动求导、局部参数化。
Ceres自动求导
25
基于深度学习的漂移预测
LSTM/GRU预测轨迹误差、端到端漂移估计、数据驱动方法。
LSTM深度学习
26
评估与修复的闭环
评估结果指导修复策略、修复效果的再评估、迭代优化流程。
闭环迭代
27
实战案例1：ORB-SLAM3评估
使用evo评估ORB-SLAM3在EuRoC数据集上的轨迹。
ORB-SLAM3EuRoC
28
实战案例2：Cartographer漂移修复
基于回环检测修复Cartographer的建图漂移。
Cartographer回环
29
实战案例3：GPS+IMU城市峡谷
融合GPS与IMU修复城市峡谷中的定位漂移。
GPS+IMU城市峡谷
30
课程总结与展望
当前技术局限、未来趋势(神经SLAM、端到端定位)、学习路径建议。
神经SLAM趋势