评估轨迹误差并分布画出来

最新推荐文章于 2024-07-25 09:47:19 发布
最新推荐文章于 2024-07-25 09:47:19 发布
阅读量332 收藏
点赞数
分类专栏： 笔记 slam c++ 文章标签： c++ slam
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/qq_45551969/article/details/124630118
版权
笔记 同时被 3 个专栏收录
91 篇文章 1 订阅
订阅专栏
c++
21 篇文章 0 订阅
订阅专栏
slam
19 篇文章 0 订阅
订阅专栏

 

 

远方青木
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SLAM轨迹全局误差计算
DoctorChen618的专栏
03-09 2423
SLAM轨迹全局误差计算 一、umeyama算法  SLAM结果输出之后，我们需要对其进行测量，判断定位的精确度如何。我们采用如下的高精度optitrack设备对SLAM设备进行GroundTruth数据的采集，结合SLAM的定位数据，我们便可以通过umeyama算法进行两者轨迹间的对齐，然后进一步评估精度误差。  我们将groundTruth轨迹记作 ，将slam轨迹记作 ，我们对这两条符合相似变换的轨迹建立平方根误差：  首先我们计算均值：  然后我们再进行方差的计算：  协方差：
尝试运行示例：评估轨迹的误差
一个搬运知识的笨小孩
04-29 326
CMakeLists.txt cmake_minimum_required(VERSION 3.13) project(trajectoryError) #用变量替换值 set(CMAKE_CXX_STANDARD 14) set(Sophus_LIBRARIES "/usr/local/lib/libSophus.so") #搜索外部库 find_package(Pangolin REQUIRED) #指定头文件的搜索路径,编译器查找相应头文件 include_directories(${Pango
【SLAM】评估轨迹误差，手写ATE、RPE对比EVO
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...
轨迹误差评估指标[APE/RPE]和EVO[TUM/KITTI]
泠山的博客
02-15 8580
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。
slam十四讲评价轨迹的误差（trajectoryError）
qq_53833529的博客
01-09 1297
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
【计算轨迹误差】
江边小客的博客
07-26 779
如下三组真实数据数据，分别对应的是时间戳，平移，和四元数表示的旋转。简要分析数据可知，数据的时间是对齐的，有效位数是个位数。（2）使用了typedef关键字。（3）使用了auto关键字。原因是引入的地址没有加入引号。如果以空格和行为结尾，使用。以下三组是估计出来的数据。...
SLAM实践：评估轨迹误差
乘风的博客
03-21 2157
LevelElmulaterysh.zip_卡尔曼 协方差_目标跟踪 轨迹_目标跟踪轨迹_跟踪航迹误差_轨迹测量
07-15
5. **轨迹与真实轨迹的平均误差**：在描述中提到的仿真程序可能通过计算仿真轨迹与实际轨迹之间的平均误差来评估跟踪性能。这可以帮助分析滤波器的效果，误差越小，表明跟踪性能越好。 6. **代码文件**：压缩包内的...
绘制机械臂的轨迹，力矩及_误差龙格库塔.rar
06-11
在MATLAB中，可以对比理想轨迹和实际轨迹来计算和可视化误差，使用`errorbar`函数来显示误差棒图，以便于评估和优化控制系统性能。 “龙格库塔”方法是数值积分的一种高效算法，常用于解决微分方程。在机械臂的轨迹...
GPS广播星历轨道误差分布模型探讨.pdf
09-07
【专业指导】对于GPS系统开发和监测评估的专业人员，理解并掌握轨道误差的分布模型对于提高定位精度和系统性能优化至关重要。通过分析广播星历的长期演化特点，可以更准确地识别和纠正这些误差，从而提升GPS服务的...
AUV 轨迹跟踪 PID算法
01-12
5. **误差反馈**：PID控制器依赖于实时的误差反馈来调整控制输入，这意味着AUV必须有一个有效的传感器系统来测量其实际位置和速度，与期望轨迹进行比较。 6. **推进器故障处理**：提到的"实验版AUV trajectory ...
rpg_trajectory_evaluation:VOVIO的定量轨迹评估工具箱
05-13
常用的误差度量：绝对轨迹误差（ATE）和相对/测距误差（RE） 相对误差的实现方式与相同，因为它是使用最广泛的版本。 由于轨迹评估涉及许多细节，因此该工具箱的设计易于使用。 它可用于分析，以及使用一个命令...
SLAM系统性能评估：绝对轨迹误差(ATE)和相对位姿误差(RPE)
认真的虎的博客
08-13 1万+
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。 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...
SLAM十四讲_第四讲(ch4)_Sophus的基本使用以及轨迹误差（包含代码详细注释，包含绘制估计轨迹和真实轨迹）
joun772的博客
10-26 2346
一、Sophus的基本使用 注：在编译前，应该装好Sophus库，该库要用到一些依赖，可自行去csdn查找 在github的slambook2(by_gaoxiang)上给出了相关的第三方库 该程序主要包含简单的李群李代数的的定义以及转换 源码如下： // //该程序包含Sophus库的基本使用 //包括 李群（SO3、SE3） 、 李代数（so3、 se3） 以及相应的转换 #include<iostream> #include<cmath> #include<Eigen
SLAM_轨迹算法精度评价指标（ATE、RPE）
热门推荐
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
SLAM 轨迹评估 性能指标 汇总
weixin_44458958的博客
05-30 2115
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)。
【C++】C++中的find方法介绍
最新发布
qq_35902025的博客
07-25 408
find 函数是 std::string 类中非常有用的成员函数之一，它提供了灵活的方式来查找子字符串或字符。使用 npos 可以检查查找操作是否成功。
背单词工具(C++)
zeyeqianli的博客
07-24 3452
【代码】背单词工具(C++)
井眼轨迹误差椭球 代码
03-01
井眼轨迹误差椭球是用来描述钻井过程中井眼轨迹偏离理想轨迹的椭球体。它是通过测量和分析井眼轨迹数据得出的，用于评估钻井的准确性和稳定性。 在编写代码实现井眼轨迹误差椭球的功能时，需要考虑以下几个步骤： 1. 数据采集：首先需要采集井眼轨迹数据，包括井深、井斜角、方位角等信息。这些数据可以通过传感器或者其他测量设备获取。 2. 数据处理：将采集到的井眼轨迹数据进行处理，计算出每个测量点的偏差值。可以使用数学模型和算法来计算偏差值。 3. 统计分析：根据处理后的数据，进行统计分析，计算出各个方向上的偏差均值、标准差等指标。这些指标可以用来描述井眼轨迹误差的大小和分布情况。 4. 可视化展示：将统计分析的结果以图表或者其他形式进行可视化展示，便于用户直观地了解井眼轨迹误差椭球的情况。 具体的代码实现会涉及到数据处理、统计分析和可视化等方面的知识和技术，可以使用编程语言如Python、MATLAB等来实现。以下是一个简单的示例代码，用于计算井眼轨迹误差椭球的主要指标： ```python import numpy as np # 井眼轨迹数据 trajectory_data = np.array([[0, 0, 0], [100, 10, 20], [200, 20, 40], [300, 30, 60]]) # 计算偏差值 deviation = trajectory_data[:, 1:] - np.mean(trajectory_data[:, 1:], axis=0) # 计算偏差均值和标准差 mean_deviation = np.mean(deviation, axis=0) std_deviation = np.std(deviation, axis=0) # 输出结果 print("Mean deviation:", mean_deviation) print("Standard deviation:", std_deviation) ``` 这段示例代码使用了NumPy库来进行数组操作和计算，通过计算偏差值、偏差均值和标准差来描述井眼轨迹误差的情况。
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