01
课程导论与基础概念
什么是轨迹评估？为什么需要数据回放？核心应用场景（自动驾驶、机器人、无人机）与课程目标。
导论应用场景
02
坐标系与变换基础
全局坐标系、局部坐标系、齐次坐标、欧拉角与四元数、坐标变换矩阵。
坐标系四元数
03
时间同步机制
ROS时间戳、系统时间、时间同步策略（近似同步、精确同步）、时间戳对齐实战。
时间同步ROS
04
轨迹数据格式与存储
常见轨迹格式（TUM、KITTI、EuRoC）、ROS Bag文件、自定义数据格式、HDF5存储。
数据格式HDF5
05
数据回放基础
ROS Bag Play基础用法、回放速度控制、指定话题回放、多Bag文件回放。
回放ROS Bag
06
数据回放进阶
时间轴裁剪、话题重映射、延迟回放、循环回放、与仿真器联动。
进阶仿真
07
轨迹预处理
数据清洗（去除异常点）、降采样、插值（线性插值、样条插值）、坐标对齐。
预处理插值
08
轨迹对齐方法
时间戳对齐、空间对齐（Umeyama算法）、手动对齐与自动对齐。
对齐Umeyama
09
绝对轨迹误差（ATE）
ATE定义与计算、RMSE与均值误差、ATE可视化（轨迹图、误差图）。
ATERMSE
10
相对轨迹误差（RPE）
RPE定义与计算、固定距离与固定时间间隔、RPE统计分析。
RPE统计
11
其他评估指标
平移误差、旋转误差、终点误差、成功率、一致性评估。
指标旋转误差
12
评估工具介绍
evo工具（安装、基本用法）、rpg_trajectory_evaluation、Open3D评估模块。
evoOpen3D
13
evo工具实战（一）
使用evo_traj绘制轨迹、evo_ape计算ATE、evo_rpe计算RPE。
evo_trajAPE
14
evo工具实战（二）
多轨迹对比、结果导出（CSV、LaTeX）、自定义评估脚本。
多轨迹导出
15
rpg_trajectory_evaluation框架
框架结构、配置文件、运行评估、结果可视化。
RPG框架
16
基于Python的评估脚本开发
读取轨迹文件、计算ATE/RPE、绘制误差分布图。
Python脚本
17
可视化基础
Matplotlib绘制2D轨迹、3D轨迹可视化（mpl_toolkits）、误差柱状图与箱线图。
Matplotlib3D
18
高级可视化
使用Plotly绘制交互式3D轨迹、动画回放、误差热力图。
Plotly交互
19
ROS可视化工具
RViz显示轨迹、RQt插件、录制与回放可视化数据。
RVizRQt
20
多传感器融合评估
视觉-惯性融合、激光-视觉融合、多源轨迹一致性评估。
多传感器融合
21
实时评估与在线监控
实时计算ATE/RPE、数据流处理、异常检测与报警。
实时监控
22
大规模轨迹评估
批量处理、并行计算、结果汇总与报告生成。
批量并行
23
评估报告生成
自动生成PDF/HTML报告、包含图表与统计信息、模板化报告。
报告PDF
24
案例实战（一）
基于KITTI数据集的SLAM轨迹评估（ORB-SLAM3、VINS-Mono）。
KITTISLAM
25
案例实战（二）
基于EuRoC数据集的VIO轨迹评估与回放。
EuRoCVIO
26
案例实战（三）
自动驾驶场景下的多车轨迹评估与协同回放。
自动驾驶多车
27
案例实战（四）
无人机编队飞行轨迹评估与一致性分析。
无人机编队
28
常见问题与调试技巧
轨迹漂移分析、时间戳不同步处理、数据丢失恢复。
调试漂移
29
性能优化与最佳实践
代码优化、内存管理、加速计算（Numba、Cython）。
优化Numba
30
课程总结与未来展望
技术趋势（端到端学习、神经SLAM）、开源生态、进阶学习路径。
总结趋势