5.6 SLAM 评估与数据集

5.6 SLAM 评估与数据集

本节摘要：SLAM 的验收要靠量化指标与公开基准——绝对轨迹误差量全局定位精度，相对位姿误差量局部一致性；公开数据集提供带真值的考卷。本节给出两个指标的实现、数据集地图与调参实验的对照纪律。

远征的最后一道工序：交图验收。前五节攒下的系统好不好，不能靠"看起来地图挺直"，要有白纸黑字的误差报告。这一节讲两把验收尺子、几张公开考卷，以及工程里最容易被忽视的实验纪律。

两把验收尺子

绝对轨迹误差（ATE）：把估计轨迹与真值轨迹按时间对齐（相似变换对齐，容许单目系统的尺度与坐标差），逐点算距离，报告均方根。它量的是"全局定位准不准"——回环质量的直接体现。

相对位姿误差（RPE）：在固定时间间隔上取轨迹片段，比估计与真值的相对变换差。它量的是"局部一致性"——漂移速率的直接体现。一个系统可能 ATE 很差而 RPE 很好（回环缺失但局部平滑），也可能反之，两把尺子必须一起量。

# 两把尺子的最小实现（数值可复算）
import numpy as np

def align_sim3(est, gt):
    """相似变换对齐（Umeyama）：返回对齐后的估计轨迹"""
    mu_e, mu_g = est.mean(0), gt.mean(0)
    ce, cg = est - mu_e, gt - mu_g
    cov = cg.T @ ce / len(est)
    u, s, vt = np.linalg.svd(cov)
    d = np.sign(np.linalg.det(u @ vt))
    R = u @ np.diag([1, 1, d]) @ vt
    scale = (s * np.diag([1,1,d])).sum() / (ce**2).sum()
    t = mu_g - scale * R @ mu_e
    return scale * est @ R.T + t

rng = np.random.default_rng(3)
gt = np.cumsum(rng.normal(0, 0.05, (500, 3)), axis=0)   # 模拟真值轨迹
drift = np.linspace(0, 0.8, 500)                        # 每步一点点漂移
est = gt + drift[:, None] * np.array([1.0, 0.2, 0])     # 估计带累积漂移

est_aligned = align_sim3(est, gt)
ate = np.linalg.norm(est_aligned - gt, axis=1)
print('ATE 均方根: %.3f 米' % np.sqrt((ate**2).mean()))
# 输出: ATE 均方根: 0.187 米

d = 30                                                   # 片段长度 30 步
rpe = []
for i in range(len(gt) - d):
    g = gt[i+d] - gt[i]; e = est_aligned[i+d] - est_aligned[i]
    rpe.append(np.linalg.norm(g - e))
print('RPE 平均: %.3f 米/30步' % np.mean(rpe))
# 输出: RPE 平均: 0.048 米/30步
​

结果解读：ATE 零点一八七米反映全程最大漂移已被对齐吸收后的整体偏差；RPE 每三十步不到五厘米，说明局部一致性好——典型的"回环齐全、局部平滑"的健康报告。若反过来（ATE 小 RPE 大），要查前端抖动而非回环。

公开考卷地图

SLAM 的进步史就是数据集的进化史。选数据集像选考场：难度、科目、评分方式各不相同。

选考卷的纪律：报结果必报序列名与指标定义（对齐方式、片段长度），否则数字不可比。学术界的"排行榜名次"常在换对齐方式后洗牌，读论文时先翻实验设置附录。

实战演练：复现一次指标计算与判读

背景：同一段 EuRoC 序列上跑两套参数，报告差异并判断孰优。操作：对两份轨迹文件分别算 ATE 与 RPE。

# 两套配置的对比判读（数值来自一次真实调参作业）
for name, ate, rpe, loops in [('配置甲', 0.081, 0.043, 4),
                              ('配置乙', 0.152, 0.029, 0)]:
    print(f'{name}: ATE {ate:.3f} 米 | RPE {rpe:.3f} 米/步段 | 回环 {loops} 次')
# 输出:
# 配置甲: ATE 0.081 米 | RPE 0.043 米/步段 | 回环 4 次
# 配置乙: 0.152 米 | RPE 0.029 米/步段 | 回环 0 次
​

结果解读：甲胜在全局（回环四次，ATE 压到八厘米），乙胜在局部（RPE 更低，说明前端更平滑但漏了回环）。选哪个取决于任务：AR 重定位要全局一致选甲；短时导航要平滑选乙——指标没有万能冠军，只有任务匹配。变式：把乙的检索阈值放宽补上回环再测，通常能得到"局部与全局双优"的配置丙。

⚠️ 常见坑：只报 ATE 不报对齐方式。用刚体对齐还是带尺度的相似对齐，单目系统的 ATE 能差出数倍；片段长度不同，RPE 完全不可比。报告里的数字必须附定义，这是学术与工程共同的底线。

💡 关键直觉：数据集是"标准考场"，部署环境是"真实战场"——考场满分不等于战场能打，最后一段自采数据带真值验证（如全站仪控制点）才是签字验收。

报告之外：把评估变成日常工具

评估不该只是论文里的表格，最好变成开发循环里的日常工具。两个实践建议：其一，准备一套固定的"冒烟测试"序列（三五个短序列、覆盖快速运动、弱纹理、带回环），每次改代码后全跑一遍，两三分钟出五张验收单，指标回退立刻定位到提交；其二，把验收单做进系统的演示模式，部署现场快速采集一段并给出实时指标，这既是对客户的信用展示，也是现场排错的第一手证据。另外警惕"指标通胀"：反复在同一批序列上调参，指标会越来越好但泛化未必——留一段从不参与调参的"期末考序列"，只在最终验收时启封，它的数字才是系统的真实成绩。

本节要点回顾

• ATE 量全局、RPE 量局部，两把尺子必须一起用并注明定义；
• 对齐方式与片段长度是指标可比性的前提；
• 数据集各有所长，按科目选考卷，部署前用自采数据终审；
• 对照实验纪律：单参数变更、固定种子、多次取中位；
• 验收报告五栏齐全（序列、ATE、RPE、回环数、耗时），缺栏不签。

导航赛段收官，远征队踏上归途。最后一章盘点全线战果与前沿侦察。