当我们需要评估一个SLAM/VO算法的表现时,可以从时耗、精度多个角度分析,其中对精度的评价是我们最关注的。精度评估依据主要是绝对轨迹误差和相对位姿误差,最早在TUM数据集benchmark中定义。这里介绍一下现有的评估工具,比如EVO、KITTI_odometry_evaluation_tool等。
算法精度指标
-
相对位姿误差RPE(relative pose error)
固定时间间隔的两帧间的位姿变换的误差;
已知:估计位姿 P 1 , . . . , P n ∈ S E ( 3 ) P_1,...,P_n\in SE(3) P1,...,Pn∈SE(3) 、真实位姿 Q 1 , . . . , Q n ∈ S E ( 3 ) Q_1,...,Q_n\in SE(3) Q1,...,Qn∈SE(3)
求解:相对平移误差、相对旋转误差(以相对平移误差为例,旋转同理)
在实际操作中,需要先按照时间戳对齐估计位姿、实际位姿,然后再将真实的相对位姿与估计的相对位姿作比值,得到第 i i i帧的RPE, E i : = ( Q i − 1 Q i + Δ ) − 1