همزمان محلی سازی و Mapping (SLAM) یک تکنولوژی مهم در رباتیک و سیستم های مستقل است.ارزیابی عملکرد SLAM کمک می کند تا اثربخشی و قابلیت اطمینان الگوریتم ها در محیط های مختلف را تعیین کند.این مقاله معیارهای کلیدی و تکنیک های معیاری را که برای ارزیابی سیستم های SLAM استفاده می شود، مورد بحث قرار می دهد.

استاندارد عملکرد SLAM

چندین معیار برای ارزیابی الگوریتم های SLAM استفاده می شود.این معیارها دقت، کارایی و استحکام را اندازه گیری می کنند. درک این موارد به انتخاب الگوریتم های مناسب برای برنامه های خاص کمک می کند.

معیارهای دقیق

معیارهای دقیق نقشه و مسیر تخمین زده شده در برابر داده های حقیقت زمین را مقایسه می کنند.

  • [[۱] [۱۰] خطای [از] گمراهى [از آن]: [۱۰] تفاوت بین مواضع و مسیر صحیح را اندازه گیری می کند.
  • خطای Pose (RPE): ثبات محلی را در بخش های کوتاه مدت بیان می کند.
  • ] خطای نقشه: اختلاف بین نقشه تولید شده و محیط واقعی را اندازه گیری می کند.

قابلیت بهره وری و معیارهای قوی

معیارهای کارایی عملکرد محاسباتی را ارزیابی می کنند، از جمله معیارهای استفاده از زمان اجرا و منابع.قوی بودن توانایی سیستم برای کار در شرایط چالش برانگیز مانند محیط های پویا یا سر و صدا سنسور را ارزیابی می کند.

تکنیک های اندازه گیری

اندازه گیری شامل تست الگوریتم های SLAM در سراسر مجموعه داده ها و سناریو های استاندارد شده است:

  • استفاده از داده های عمومی: داده های مجموعه ای مانند KITTI، TUM و EuRoC محیط های متنوع برای ارزیابی فراهم می کند.
  • محیط های تنظیم: محیط های مجازی اجازه می دهد تا آزمایش های کنترل شده الگوریتم ها تحت شرایط خاص.
  • داشبوردهای ارزیابی: ابزارهایی که معیارهای را در چندین اجرا جمع آوری و مقایسه می کنند، معیار را تسهیل می کنند.