相对位姿误差（RPE）和绝对轨迹误差（ATE）

已于 2024-09-25 18:46:56 修改
阅读量5.1k 收藏 7
点赞数 3
分类专栏： SLAM 文章标签： 自动驾驶 算法
于 2021-10-05 16:35:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jaydenq/article/details/120615234
版权

1. 相对位姿误差（RPE）

用于计算两个相同时间戳上相机位姿的真实值与SLAM系统的估计值之间每隔一段时间位姿变化量之间的差值，也可以理解为位姿真实值与与估计值的实时比较。该标准适合于估计系统的漂移。

2. 绝对轨迹误差（ATE）

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。

参考链接：参考文章

JaydenQ
关注
专栏目录
SLAM_轨迹算法精度评价指标（ATE、RPE）
惊鸿一博
03-21 1万+
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
ORB-SLAM2算法2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-12 869
本篇目的是用TUM开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。
SLAM中常用到的评价指标
SLAM小土堆
10-05 8686
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
RGB-D基准测试工具：绝对轨迹误差 （ATE）、相对位姿误差 （RPE）和从图像生成点云
振华OPPO的博客世界
05-03 2076
在估计RGB-D相机轨迹并将其保存到文件中后，我们需要通过将其与地面事实进行比较来评估估计轨迹中的误差。有不同的错误指标。两种突出的方法是绝对轨迹误差（ATE）和相对姿势误差（RPE）。ATE非常适合测量可视 SLAM 系统的性能。相比之下，RPE非常适合测量视觉里程计系统的漂移，例如每秒漂移。
SLAM系统性能评估：绝对轨迹误差(ATE)和相对位姿误差(RPE)
天才樱木
07-31 4582
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，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， 并最终以图表的形式输出， 该标准非常适合于评估视觉 SLAM 系统的性能。 白话：找参考和参考做差 相对位姿误差 用于计算相同两个时间戳上的位姿变化量的差， 同样， 在用时间戳对齐之后， 真实位姿和估计位姿均每隔一段相同时间计算位姿的变化量， 然后对该变化量做差， 以获得相对位姿误差， 该标准适合于估计系统的漂移 白话：找参考 在一定时间间断内对比
位姿测量误差分析
DC
10-28 1437
P3P问题原理： P3P 算法多解选择问题的讨论： （1）P3P 算法至多有 4 个解，如何排除虚假解的干扰，从多解中找出正确解是 P3P 算法的关键问题之一。 通常使用的方法为：用每个解得的 R 和 T 分别对特征点世界坐标进行重投影，将重投影得到的图像坐标与已知图像坐标比较，认为使得重投影误差最小的 R 和 T 为正确解。这种重投影方法的实质是以特征点像方残差之和最小作为正确解的选择标准。 （2）P3P 算法的求解本身是比较稳定的，多解中较可能存在一个与真值接近的正确解，但使用重投影的方法从多解中选择正
惯导笔记 - 位姿估计误差分析
luoshi006的博客
09-12 5372
惯导中主要误差分析
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 2689
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...
相对位姿估计中基于仿射对应的极小解
1929具有单一仿射对应的相对位姿的极小解关邦磊1，赵继伟，张莉1，孙芳1， Friedrich Fraundorfer弗里德里希·弗劳恩多夫2，31国防科技大学航天科学与工程学院2奥地利格拉茨科技大学计算机图形与视觉研究所3德国航空...
四元数法计算两个物体之间的相对位姿参数
07-03
四元素代码，基于MATLAB，计算两个物体相对姿态的四元素参数
SLAM精度评价指标ATE\RPE介绍
最新发布
qq_37423490的博客
05-20 1934
SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）系统的性能评估是确保其在各种环境下稳定性和准确性的关键。其中，ATE和RPE是两种常用的精度评价指标，它们分别代表了绝对轨迹误差(Absolute Trajectory Error)和相对姿态误差(Relative Pose Error)。
齐次向量形式下的相对位姿矩阵
要恰饭得嘛
09-24 729
1.齐次转换矩阵 一个向量(xxx, yyy)可以写成齐次形式P^=(x1,x2,x3)\hat{P}=(x_1, x_2, x_3)P^=(x1​,x2​,x3​) ，其中x=x1/x3,y=x2/x3,x3≠0x=x_1/x_3, y=x_2/x_3,x_3\neq0x=x1​/x3​,y=x2​/x3​,x3​​=0 ，通常为了将二维的点转为齐次向量形式，会增加x3=1x_3 = 1x3​...
SLAM ---- 误差测评 ATE、RPE、APE，与EVO
CGJustDoIT的博客
04-29 6848
SLAM ---- 误差测评 ATE、RPE，与EVO一、误差1.1 ABSOLUTE TRAJECTORY ERROR (ATE)1.2 RELATIVE POSE ERROR (RPE)1.3 ABSOLUTE POSE ERROR (APE)二、EVO工具 一、误差 内容取自 TUM数据集： https://vision.in.tum.de/data/datasets/rgbd-dataset/tools The ATE is well-suited for measuring the perform
轨迹误差评估指标[APE/RPE]和EVO[TUM/KITTI]
泠山的博客
02-15 9586
在实际工程中，我们经常需要评估一个算法的估计轨迹与真实轨迹的差异来评价算法的精度。真实轨迹往往通过某些更高精度的系统获得，而估计轨迹则是由待评价的算法计算得到的。考虑一条估计轨迹Testii​和真实轨迹Tgti​，其中i1⋅⋅⋅N，那么我们可以定义一些误差指标来描述它们之间的差别。
学习笔记（1):第一章：位姿估计-相对位姿测量算法
Mycooo的博客
06-26 697
本章介绍计算机视觉中位姿估计相关的知识。
【SLAM】评估轨迹误差，手写ATE、RPE对比EVO
热门推荐
weixin_44034287的博客
08-12 1万+
常用评估轨迹误差的方式有两种：绝对轨迹误差（ATE）与相对轨迹误差（RPE） 1.绝对轨迹误差（Absolute Trajectory Error, ATE） 绝对轨迹误差即为求每个位姿李代数的均方根 如图，有两条轨迹，一条为真实轨迹esti，一条为slam算法估算的轨迹gt, 将两条轨迹分为无数个点，并在上面分别取两个点Pesti,i和Pg,i，其相对于原点P的计算公式如下，其中T为欧式变化（属于李群） 计算第i个点的误差error的李群形式，写成相除的形式比较好理解： 1...
SLAM中的位姿与轨迹评价指标:APE、RPE、ATE、RTE
lovely_yoshino的博客
12-31 9869
{T}t}\)，这也就是\(T。
【CV】相对位姿估计的进展和新方法
fengdu78的博客
12-18 1554
文稿整理者：小萝卜审稿&修改：赵季博士本文总结自12月4日赵季博士关于【相对位姿估计的进展和新方法】公开课。位姿估计是多视图几何的重要方向。赵博士在公开课第一部分首先概述了位姿估计...
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

打赏作者

JaydenQ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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