01
轨迹评估概述
为什么需要轨迹评估？评估指标的分类（绝对指标 vs 相对指标）。
绝对指标相对指标
02
坐标系与刚体运动基础
世界坐标系、机器人坐标系、旋转矩阵、四元数、欧拉角。
坐标系四元数
03
绝对轨迹误差（ATE）
ATE的定义、计算方法、RMSE与均值。
ATERMSE
04
相对轨迹误差（RPE）
RPE的定义、计算方法、与ATE的区别。
RPE相对误差
05
时间戳对齐
时间戳同步的重要性、线性插值方法、最近邻匹配。
插值同步
06
轨迹对齐（Umeyama算法）
为什么要对齐？Umeyama算法的原理与实现。
Umeyama对齐
07
Sim(3) 对齐
尺度漂移的校正、Sim(3) 对齐的数学推导。
尺度校正Sim(3)
08
SE(3) 对齐
刚性变换对齐、与Sim(3)的对比。
刚性变换SE(3)
09
ATE的RMSE与均值
RMSE的敏感性分析、均值与中位数的选择。
敏感性中位数
10
RPE的平移与旋转分量
平移误差、旋转误差、如何权衡。
平移旋转
11
相对位姿误差的统计
最大值、最小值、标准差、百分位数。
统计百分位数
12
轨迹长度对评估的影响
短轨迹 vs 长轨迹、分段评估策略。
分段评估长度效应
13
传感器频率对评估的影响
高频 vs 低频、下采样策略。
频率下采样
14
评估工具介绍
evo工具的使用、安装与基本命令。
evo工具
15
evo工具实战
加载轨迹、计算ATE/RPE、可视化。
实战可视化
16
evo工具高级功能
批量处理、多轨迹对比、结果导出。
批量导出
17
TUM数据集评估标准
TUM RGB-D数据集的评估协议、benchmark。
TUMRGB-D
18
KITTI数据集评估标准
KITTI Odometry benchmark、评估指标。
KITTIOdometry
19
EuRoC数据集评估标准
EuRoC MAV数据集的评估方法。
EuRoCMAV
20
评估中的常见陷阱
轨迹分段、异常值处理、单位一致性。
陷阱异常值
21
可视化评估结果
轨迹图、误差分布图、箱线图。
可视化箱线图
22
多轨迹对比评估
不同算法在同一数据集上的对比方法。
对比多算法
23
实时性评估
延迟、吞吐量、计算资源消耗。
实时性延迟
24
鲁棒性评估
退化场景、光照变化、动态物体。
鲁棒性退化
25
一致性评估
多次运行结果的方差分析。
方差一致性
26
评估报告撰写
如何组织评估结果、图表规范。
报告图表
27
基于评估的算法调优
如何根据指标改进算法。
调优指标驱动
28
SLAM评估标准演进
从ATE到RPE再到综合指标。
SLAM演进
29
自动驾驶中的轨迹评估
与SLAM评估的异同。
自动驾驶对比
30
课程总结与展望
未来评估指标的发展方向。
总结展望