01
轨迹评估概述
什么是轨迹评估、为什么需要轨迹评估、评估指标（ATE、RPE）的工程意义。
概念指标
02
坐标系与刚体变换基础
世界坐标系、相机坐标系、IMU坐标系、四元数、旋转矩阵、欧拉角、李群李代数基础。
数学坐标系
03
轨迹数据格式详解
TUM格式、KITTI格式、EuRoC格式、ROS bag中的/tf与/odom话题。
格式ROS
04
时间戳同步与插值
时间戳对齐原理、线性插值、球面线性插值（SLERP）、工程中的时间管理技巧。
同步插值
05
绝对轨迹误差（ATE）原理与计算
ATE定义、对齐方法（Umeyama算法）、RMSE计算、工程代码实现。
ATE核心
06
相对位姿误差（RPE）原理与计算
RPE定义、时间间隔选择、平移与旋转误差分离、工程代码实现。
RPE滑动窗口
07
轨迹对齐方法详解
Sim3对齐、SE3对齐、仅旋转对齐、对齐的工程陷阱与避坑。
对齐Sim3
08
evo工具实战（上）
evo安装、evo_traj、evo_ape命令详解、数据格式转换。
工具evo
09
evo工具实战（下）
evo_rpe、evo_res、evo_config、批量评估与报告生成。
批量报告
10
rpg_trajectory_evaluation工具
安装配置、使用流程、与evo的对比、自定义评估脚本。
RPG对比
11
基于Python的轨迹评估框架搭建
项目结构设计、核心类定义（Trajectory, Evaluator, Metrics）。
框架Python
12
轨迹数据加载与预处理模块
多格式解析器（Parser）、异常值过滤、降采样策略。
预处理解析
13
时间戳同步模块实现
最近邻查找、双向匹配、插值器（Interpolator）设计模式。
同步设计模式
14
轨迹对齐模块实现
Umeyama算法实现、RANSAC鲁棒对齐、对齐质量评估。
UmeyamaRANSAC
15
ATE计算模块实现
逐帧误差计算、统计量（max, mean, median, rmse, std）输出、可视化接口。
ATE统计
16
RPE计算模块实现
滑动窗口策略、多间隔RPE计算、误差随距离/时间的变化曲线。
RPE滑动窗口
17
可视化模块实现（上）
基于matplotlib的轨迹绘制、误差分布直方图、箱线图。
matplotlib可视化
18
可视化模块实现（下）
基于plotly的交互式3D轨迹展示、误差热力图、动画生成。
plotly3D
19
评估报告自动生成
LaTeX/PDF报告模板、HTML报告模板、关键指标表格化输出。
报告LaTeX
20
多传感器融合系统的轨迹评估
视觉-惯性、激光-惯性、GPS-IMU融合系统的评估策略。
多传感器融合
21
SLAM系统的轨迹评估
ORB-SLAM3、VINS-Mono、LIO-SAM的评估实战与对比。
SLAM对比
22
自动驾驶场景下的轨迹评估
Apollo、Autoware的评估流程、高精地图真值获取。
自动驾驶Apollo
23
大规模数据集批量评估
多序列自动评估、并行计算加速、结果汇总与统计分析。
批量并行
24
轨迹评估的工程化部署
Docker环境封装、CI/CD集成、API服务化设计。
部署Docker
25
评估结果的深度分析
误差来源分析（漂移、回环、传感器噪声）、性能瓶颈定位。
分析瓶颈
26
轨迹评估中的常见陷阱
坐标系混淆、时间戳乱象、对齐参数错误、异常值处理不当。
陷阱避坑
27
自定义评估指标设计
相对精度指标、一致性指标、鲁棒性指标、实时性指标。
自定义指标
28
轨迹评估与真值获取
运动捕捉系统、高精度RTK-GPS、仿真环境生成真值。
真值RTK
29
轨迹评估在论文写作中的应用
实验设计、表格制作、对比图绘制、消融实验分析。
论文写作
30
课程总结与工程落地展望
评估工具链总结、行业最佳实践、未来趋势（端到端评估、在线评估）。
总结趋势