SLAM精度评价指标ATE\RPE介绍

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)。

绝对轨迹误差 (ATE)

定义： ATE度量的是估计轨迹与真实轨迹之间的全局偏差。具体来说，它是通过计算每一帧估计位姿（由SLAM算法得到）与真实位姿之间的三维空间距离（通常是欧氏距离），然后对所有帧的这种距离取平均或均方根误差(RMSE)来得到的。ATE提供了关于整个轨迹估计质量的综合视图，适用于评估SLAM系统在长时间运行后的累计误差。

计算公式：
对于整个轨迹上的N个时刻，ATE的均方根误差可以表示为：
$${\text{ATE}}_{\text{RMSE}}=\sqrt{\frac{1}{N}\sum _{i=1}^N\Vert {\mathbf{p}}_i^{\text{est}}-{\mathbf{p}}_i^{\text{true}}{\Vert }^2}$$
其中，${\mathbf{p}}_i^{\text{est}}$​ 和 ${\mathbf{p}}_i^{\text{true}}$​ 分别代表第i帧估计的和真实的平移向量。

相对姿态误差 (RPE)

定义： RPE 关注的是相邻帧间姿态变化的误差，用来评估系统随时间的漂移量。它测量的是连续帧之间估计姿态变换与真实姿态变换之间的差异。RPE特别适合用来评估视觉里程计系统（VO）的性能，因为它能够揭示系统在短时间尺度上的稳定性，比如每秒的漂移量。

计算公式：
对于两帧之间的相对姿态误差，可以定义为：
$${\text{RPE}}_{ij}=\Vert \log \left({\mathbf{T}}_i^{\text{est}}{\mathbf{T}}_j^{\text{est}-1}\right)-\log \left({\mathbf{T}}_i^{\text{true}}{\mathbf{T}}_j^{\text{true}-1}\right)\Vert$$
其中，T 代表姿态变换矩阵（包括旋转和平移），log⁡(.) 表示李代数上的对数映射操作，将姿态变换矩阵转换为旋转和平移的误差向量。然后，可以计算一段时间窗口内所有相邻帧对的RPE的平均值或均方根误差，以获得整体的RPE指标。

应用场景：

• ATE 更多用于评估长期运行下的累积定位精度，适用于要求高精度全局定位的应用场景。
• RPE 则侧重于短期稳定性，对于需要高频、高稳定性的运动估计，如无人机飞行控制或机器人导航，RPE是一个非常重要的指标。

在实际应用中，研究人员和开发者通常会结合ATE和RPE以及其他评估指标（如处理时延、计算效率等）来全面分析SLAM系统的性能。此外，EVO工具等第三方软件包提供了自动化评估这些指标的手段，方便了算法性能的标准化测试和比较。