MapEval：面向统一、稳健与高效的 SLAM 地图评估框架
机器人学
2025-02-06 v2
摘要
在同时定位与地图构建（SLAM）中，对大规模点云地图进行评估仍具有挑战，主要由于缺乏统一、稳健且高效的评估框架。我们提出 MapEval，一个开源框架，用于点云地图的综合质量评估，特别针对 SLAM 场景，其中 ground truth（真值）地图在被映射环境中天然稀疏。通过系统性分析 SLAM 应用中的现有评估指标，我们识别其根本局限性，并建立清晰的地图质量评估指导准则。基于这些见解，我们提出一种在体素化空间中近似的 Wasserstein 距离，实现两种互补指标基于同一错误标准：用于全局几何精度的体素化平均 Wasserstein 距离（AWD），以及用于局部一致性评估的空间一致性得分（SCS）。这种理论基础显著提高了对噪声的鲁棒性和计算效率，相较于传统指标。广泛的在模拟和真实世界数据集上的实验表明，MapEval 在保持评估完整性的同时，至少快 100 倍至 500 倍。MapEval 库\footnote{\texttt{https://github.com/JokerJohn/Cloud\_Map\_Evaluation}} 将在公开可用，以推动机器人社区标准化地图评估实践。
引用
@article{arxiv.2411.17928,
title = {MapEval: Towards Unified, Robust and Efficient SLAM Map Evaluation Framework},
author = {Xiangcheng Hu and Jin Wu and Mingkai Jia and Hongyu Yan and Yi Jiang and Binqian Jiang and Wei Zhang and Wei He and Ping Tan},
journal= {arXiv preprint arXiv:2411.17928},
year = {2025}
}
备注
8 pages, 7 figures, 7 tables