评价SLAM算法的一些指标及评价工具evo的使用方法

写在前面的话

在读论文中，在实验部分一般都会出现大量的图表来辅助证明自己的结论，也会有一些相应的指标来评价算法的精度及稳定性等，在这里整理一下相关的东西，方便日后查看。

评价指标

绝对轨迹误差（ATE:abosulte trajectory error)：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(RPE:relative pose error):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， 以获得相对位姿误差， 该标准适合于估计系统的漂移。

均方根误差( RMSE:Root Mean Square Error): 是观测值与真值偏差的平方和与观测次数m比值的平方根。 是用来衡量观测值同真值之间的偏差。表达式为：

** 平均绝对误差（MAE：Mean Absolute Error ）**: 是绝对误差的平均值,能更好地反映预测值误差的实际情况。表达式为：

标准差（SD: Standard Deviation ）: 是方差的算数平方根.是用来衡量一组数自身的离散程度.表达式为：