SLAM的评价指标、真实值、估计值及误差分析（转）

最新推荐文章于 2024-07-17 18:33:54 发布
最新推荐文章于 2024-07-17 18:33:54 发布
阅读量1.9k 收藏 6
点赞数
分类专栏： 移动机器人 激光slam 视觉SLAM 文章标签： 机器学习 自动驾驶 人工智能
原文链接：https://www.zhihu.com/question/485606304/answer/2111805839
版权
SLAM_轨迹算法精度评价指标（ATE、RPE）
惊鸿一博
03-21 2万+
目录 1. 前言 2. RPE： relative pose error 相对位姿误差 3. ATE： absolute trajectory error 绝对轨迹误差 4. 工具：EVO 4.1 安装 4.2 usage 1. 轨迹可视化 2. APE 3. RPE 4.3 metrics解析 视觉SLAM基础：算法精度评价指标（ATE、RPE） 1. 前言 当我们需要评估一个SLAM/VO算法的表现时，可以从时耗、复杂度、精度多个角度切入，其中对精度的评价是我们最关注的，这个过
3D点云目标跟踪的评价指标及详细代码
3D视觉工坊
08-02 612
作者：大森林 | 来源：计算机视觉工坊添加微信：dddvisiona，备注：3D点云，拉你入群。文末附行业细分群。3D点云目标跟踪的评价指标，可以根据跟踪的目标是单个还是多个，分为单目标跟踪（SOT）和多目标跟踪（MOT）两种。一般来说，SOT的评价指标主要关注跟踪的准确性和鲁棒性，而MOT的评价指标则需要考虑跟踪的完整性和一致性。SOT的常用评价指标有：平均重叠率（Average Overlap...
SLAM 精度评估
weixin_43802726的博客
07-05 1654
本篇博客之后，如果你还想进一步了解它更细致的使用，你可以浏览的 evo 在 github 上的。SLAM 精度的评估有两个最重要的指标，即绝对轨迹误差（ATE）和相对位姿误差（RPE）的。核心功能是能够绘制相机的轨迹，解释：参数-a、-s、-p 即为选择的参数，分别表示进行轨迹的对齐和尺度修正，以及-p 表。绝对轨迹误差:直接计算相机位姿的真实值与 SLAM 系统的估计值之间的差值，首先将真实。值与估计值的时间戳对齐，然后计算每对位姿之间的差值，适合于评估 SLAM 系统的性能。作者提供了两种安装方法。
Slam误差评估
qq_38338086的博客
12-08 2666
单目下运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC数据集 1 算法评价指标（1）系统性能评估-绝对轨迹误差(ATE)（2）系统漂移评估-相对轨迹误差(RPE)（3）精度统计量-均方根误差（RMSE） 2 安装依赖项（1）Numpy安装（2）Sc...
SLAM结果的评价
realjc的博客
08-15 590
目录时间戳对齐时间戳处理位姿对齐计算ATE、RTE 时间戳对齐 SLAM结果的评价主要是指计算估计的轨迹与Groundtruth的ATE、RTE等指标。 由于一般情况下，估计的轨迹不会包括所有时间戳，需要找到与它最近的一帧真值作为对应帧。 一种简单的思路就是对所有帧的时间戳作差并从小到大排序，依次获得对应帧。 def associate(first_list, second_list,offset,max_difference): """ Associate two dictionaries
Benchmarking——佛莱堡 SLAM 数据集和误差分析工具
xuhangxx的博客
05-08 1319
官方链接：http://ais.informatik.uni-freiburg.de/slamevaluation/software.php，只提供相对位姿变换关系的评估。 一. 下载完源包后，直接make编译。碰到错误： linalg/runtimeError.cpp:49:43: error: ‘vasprintf’ was not declared in this scope in...
【SLAM评估指标介绍】—— SLAM精度的评估的几种指标介绍
2401_82458959的博客
07-17 3158
SLAM（同步定位与地图构建）技术的精度评估对其可靠性和性能至关重要。常用的评估指标包括绝对轨迹误差（`ATE`）、相对姿态误差（`RPE`）、地图精度和闭环检测。ATE用于衡量SLAM系统估计轨迹与实际路径之间的偏差，通过计算估计位置和真实位置的欧氏距离来量化定位精度，低ATE值表明系统能更准确地反映实际路径。RPE评估相邻帧之间的相对运动估计误差，通过比较估计的相对运动与真实相对运动之间的差异来衡量局部精度，常用于评估短时间内的累积误差，特别适用于动态环境。
评价SLAM算法的一些指标及评价工具evo的使用方法
热门推荐
weixin_38504276的博客
12-09 1万+
写在前面的话 在读论文中，在实验部分一般都会出现大量的图表来辅助证明自己的结论，也会有一些相应的指标来评价算法的精度及稳定性等，在这里整理一下相关的东西，方便日后查看。 评价指标 绝对轨迹误差（ATE:abosulte trajectory error)：直接计算相机位姿的真实值与SLAM系统的估计值之间的差，程序首先根据位姿的时间戳将真实值和估计值进行对齐， 然后计算每对位姿之间的差值， 并最终...
mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差
weixin_39640646的博客
11-21 2793
为了理解RMSE首先介绍一些统计学的概念，然后介绍SLAM领域里面的计算精度ATE和RPE的用法。中位数一组数据按大小顺序排列，位于最中间的一个数据 (当有偶数个数据时，为最中间两个数据的平均数) 叫做这组数据的中位数。用中位数作为一组数据的代表，可靠性不高，但受极端数据影响的可能性小一些，有利于表达这组数据的 “集中趋势”。众数几组数据中出现次数最多的那个数据，叫做这批数据的众数。用众...
SLAM专题（10）- 最小化重投影误差与Bundle Adjustment （BA）
01-07
在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis. 目录 一. 历史由来 二. Bundle Adjustment到底是什么？ 平差也就正好表述了为什么
超全！2D单目标跟踪常用评价指标及完整代码
3D视觉工坊
10-02 421
2D单目标跟踪评价指标：APE（Average Pixel Error）：平均像素误差，一般指预测框与真实框中心位置的像素距离取帧平均。用来判断两个矩形框的靠近程度。该值越小，说明误差越小。AOR（Average Overlap Rate）：平均重叠率，即两个矩形框交集的面积与并集的面积之比取帧平均。用来判断两个矩形框的重叠程度。值越高则重叠程度越高，即两个框越靠近，跟踪精度越高。Pixel Er...
开源SLAM方案评价与比较
whut_chengjun的博客
01-11 6309
开源SLAM方案评价与比较：ORB-SLAM2,VIORB,VINS-MONO一、简介二、EVO安装及测试三、运行数据集四、APE,RPE计算并绘图五、evo_res 进行结果比较 一、简介 网上开源框架较多，本篇博客选择为人熟知的三个框架，orb-slam2,viorb(清华大学王京版本)，vins-mono。在自己的笔记本上运行Euroc数据集，并采用evo和matlab来评价他们的性能。 ...
SLAM 轨迹评估 性能指标 汇总
weixin_44458958的博客
05-30 4087
假如有2000次观测，即m=2000，对于某一次（第i次）观测来说，y值是真实值，而h(x)是观测值，对所有m次观测的的偏差取平方后相加，得到的值再除以m，然后再开根号，就得到RMSE了。它们之间在的区别在于，RMSE先对偏差做了一次平方，这样，如果误差的离散度高，也就是说，如果最大偏差值大的话，RMSE就放大了。RRE是另外一种计算误差的方式，相比于上面计算的旋转误差，应该是等价的。但是还有一个比较让人迷糊的概念是标准误差，体现的是使用样本来估计总体，这时，上面公式里的1/n，变成了1/(n-1)。
一种评估SLAM系统参数的实用工具
算法攻城狮
12-02 2076
    由于内容太比较多，请看 https://zhuanlan.zhihu.com/p/48231990  https://github.com/MichaelGrupp/evo
SLAM中常用到的评价指标
SLAM小土堆
10-05 1万+
主要是想整理一下关于tum rgbd数据集和kitti数据集的评价指标，之后比较结果不能只看数值大小，还要非常清楚背后的含义。 一. 从TUM数据集出发 前提假设： 给出的位姿估计值为P1...Pn∈SE(3)P_1 ... P_n \in SE(3)P1​...Pn​∈SE(3), 真值为Q1...Qn∈SE(3)Q_1 ... Qn \in SE(3)Q1​...Qn∈SE(3)， 下标代表时间t（或帧）,这里假设估计位姿和真实位姿各帧时间已对齐，总帧数相同。 1. 相对位姿误差RPE(relative
slam十四讲评价轨迹的误差（trajectoryError）
qq_53833529的博客
01-09 1448
trajectoryError.cpp #include <sophus/se3.hpp> #include <unistd.h> #include <string> #include <iostream> #include <fstream> #include <cmath> #include <pangolin/pangolin.h> #include <Eigen/Core> #include &lt
SLAM Benchmarking-佛莱堡 SLAM 数据集下载及误差分析工具使用教程
weixin_44233142的博客
06-15 2472
SLAM Benchmarking-佛莱堡 SLAM 数据集下载及误差分析工具使用教程
视觉Slam3 评价指标及计算方法
m0_64767429的博客
08-04 3707
视觉slam 评价指标
slam估计轨迹和真实轨迹对比
最新发布
02-18
### 对比SLAM算法产生的估计轨迹和真实轨迹的方法 为了有效对比SLAM算法生成的估计轨迹与实际的真实轨迹，通常会借助专门设计用于评估机器人路径跟踪性能的工具。其中一种广泛使用的工具是`evo` (Evaluation of Odometry and SLAM)，它支持多种输入格式并能处理不同传感器的数据。 对于RGB-D ORB-SLAM2而言，在完成对TUM开源数据集上的运行之后，可以通过如下方式利用`evo`进行评价： #### 使用EVO工具进行评估 安装好必要的依赖项后，执行以下Python脚本可加载待测轨迹文件以及对应的真实轨迹（ground truth），进而计算两者间的差异指标[^1]。 ```bash pip install evo pytransform3d matplotlib pandas rosbags ``` 接着准备两个`.tum`格式的时间戳化坐标序列文档作为输入源——一个是来自ORB-SLAM2输出的结果；另一个则是官方提供的标准答案版本。随后调用命令行界面下的`evo_ape`函数来启动绝对姿态误差(Absolute Pose Error, APE)测量流程: ```bash evo_ape tum groundtruth_file.txt estimated_trajectory_file.txt -va --plot --save_plot figure.png ``` 上述指令不仅会在终端打印详细的统计报告，还会自动生成一张图表展示两组位置随时间变化的趋势图，并将其保存为PNG图像文件以便后续审查。 除了图形化的比较之外，还可以量化这种差距的程度。比如采用均方根误差(Root Mean Square Error,RMSE)这一常见度量手段衡量预测值同观测值之间偏差大小。具体来说就是先求取各时刻下二者坐标的欧氏距离平方平均数再开方得到最终得分，数值越低表示匹配程度越高[^2]。 此外，考虑到某些场景可能涉及多模态感知融合或是跨平台移植需求，则建议参照ROS( Robot Operating System )生态体系内成熟的做法，即运用`rosbag record`记录实验过程中所有感兴趣的话题消息流，事后提取所需字段构建统一规格的日志档案供进一步离线分析[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值