SLAM算法评估篇:EVO

  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$P_1,...,P_n\in SE(3)$ 、真实位姿$Q_1,...,Q_n\in SE(3)$

  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$i$帧的RPE， E i : = ( Q i − 1 Q i + Δ ) − 1