4、绝对轨迹误差（ATE）：从定义到工程实践

各位同学，今天我们来聊聊绝对轨迹误差（ATE）。

说实话，ATE 是 SLAM 评测里最常用的指标之一。我入行那会儿，第一次跑完 ORB-SLAM，看着终端里蹦出来的 ATE 数值，说实话有点懵——这数字到底代表什么？0.1 米算好还是 0.5 米算好？

嗯，今天我们就把它彻底讲清楚。

4.1 ATE 的定义：一句话讲明白

绝对轨迹误差，英文全称 Absolute Trajectory Error，简称 ATE。

说白了，它就是估计轨迹和真实轨迹之间的位置偏差。你想想看，我们跑 SLAM 算法，输出了一条轨迹。但真实轨迹呢？通常由高精度设备（比如动捕系统、激光跟踪仪）提供。ATE 就是衡量这两条轨迹在每一时刻的「距离差」。

数学上，对于第 i 个时刻，ATE 定义为：

ATE_i = || P_est_i - P_gt_i ||

其中：

• P_est_i：算法估计的位姿（通常是平移部分）
• P_gt_i：真实位姿（Ground Truth）
• ||·||：欧几里得范数，也就是直线距离

这里有个关键点：ATE 只考虑平移误差，不考虑旋转误差。为什么？因为在实际工程中，位置精度往往比姿态精度更敏感。我在做 AGV 导航时深有体会——姿态偏个几度可能还能走，但位置偏了 10 厘米，车就撞墙了。

4.2 计算流程：手把手带你走一遍

ATE 的计算流程其实不复杂，但细节容易踩坑。我习惯分四步走：

1. 时间戳对齐：估计轨迹和真实轨迹的时间戳往往不一致。需要插值或最近邻匹配。
2. 轨迹对齐：用 Umeyama 算法将估计轨迹与真实轨迹对齐（只做刚体变换，不改变轨迹形状）。
3. 逐点计算误差：对每个对齐后的时刻，计算位置差的欧几里得距离。
4. 统计汇总：计算 RMSE、均值、中位数等统计量。

下面是一个 Python 示例，我用 evo 工具包的习惯写法：

import numpy as np
from evo.core import metrics

# 假设 traj_est 和 traj_gt 是 Nx4x4 的变换矩阵
# 或者 Nx7 的 [x, y, z, qx, qy, qz, qw]

# 创建 ATE 指标对象
ate_metric = metrics.ATE()

# 计算误差
ate_metric.process_data(traj_est, traj_gt)

# 获取结果
rmse = ate_metric.get_statistic('rmse')
mean = ate_metric.get_statistic('mean')
median = ate_metric.get_statistic('median')

print(f"ATE RMSE: {rmse:.4f} m")
print(f"ATE Mean: {mean:.4f} m")
print(f"ATE Median: {median:.4f} m")

4.3 RMSE 与均值、中位数：到底该看哪个？

很多初学者拿到 ATE 结果，只看 RMSE。这其实是个误区。

我们来看看这三个指标的区别：

指标	含义	特点
RMSE	均方根误差	对大误差敏感，能反映最差情况
均值	平均误差	反映整体水平，但容易被极端值拉偏
中位数	中间位置的误差	鲁棒性强，不受少数大误差影响

我个人习惯这样用：

• 看整体性能：先看 RMSE。如果 RMSE 比均值大很多，说明存在明显的「坏点」。
• 看典型表现：看中位数。中位数能告诉你「大部分时间算法表现如何」。
• 看稳定性：比较 RMSE 和均值。差值越大，说明轨迹越不稳定。

举个例子：

• 场景 A：RMSE=0.12m，均值=0.10m，中位数=0.09m → 算法稳定，偶尔有小波动
• 场景 B：RMSE=0.35m，均值=0.15m，中位数=0.11m → 算法大部分时间不错，但偶尔有大漂移

场景 B 的情况，我在做长走廊 SLAM 时遇到过。算法在直道部分表现很好，但一到拐角就漂移。这时候只看 RMSE 会误判，中位数反而更真实。

4.4 知识体系：一张图看懂 ATE

下面我用一张 SVG 图来总结 ATE 的核心逻辑：

4.5 工程中的常见问题

最后，分享几个我在项目中遇到的 ATE 相关坑：

• 轨迹长度不一致：估计轨迹和真实轨迹的帧数不同。我习惯用 evo 的 align 功能自动处理。
• 坐标系不统一：真实轨迹可能是 ENU 坐标系，估计轨迹可能是相机坐标系。记得先转换。
• 尺度问题：单目 SLAM 存在尺度模糊。ATE 计算前需要先做尺度对齐。

好了，关于 ATE 的内容就讲到这里。下一章我们会聊相对轨迹误差（RPE），到时候再对比着看，你会对 SLAM 评测有更深的理解。