《表1 移动机器人返回起始位置时的相对位姿估计误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动机器人三维激光SLAM算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证地图的全局一致性，在此进行多次实验，将每个实验的初始位姿设置为[0，0，0，0]作为真值，在LOAM、Le GO＿LOAM和A＿LOAM算法中将移动机器人返回起始位置时计算的最终位姿数据取多次实验的平均值并导出，与真值进行对比，从而比较相对位姿估计误差，如表1所示。从表中可见，对于前四个场景，有IMU辅助的新松“C5”大楼周围的道路及停车场和序列05的一致性较好。在五个场景中，Le GO＿LOAM和A＿LOAM的误差都相对较小。对于前三个场景，有IMU辅助的新松“C5”大楼周围道路及停车场中，Le GO＿LOAM和A＿LOAM的误差在1m以内。在新松“C5”大楼周围的道路中，Le GO＿LOAM的位姿估计精度，相对于LOAM，在平移和旋转上分别提高了91.67%和26.13%；A＿LOAM的位姿估计精度在平移和旋转上分别提高了83.33%和70.13%；在新松“C5”大楼周围道路及小范围停车场中，Le GO＿LOAM的位姿估计精度在平移和旋转上分别提高了95.15%和24.97%；A＿LOAM的位姿估计精度在平移和旋转上分别提高了86.94%和53.94%；在新松“C5”大楼周围道路及大范围停车场中，Le GO＿LOAM的位姿估计精度在平移和旋转上分别提高了91.79%和81.11%；A＿LOAM的位姿估计精度在平移和旋转上分别提高了91.79%和83.54%；在序列05中，Le GO＿LOAM的位姿估计精度在平移和旋转上分别提高了18.32%和96.06%，A＿LOAM的位姿估计精度在平移和旋转上分别提高了24.50%和97.09%；在序列00中，Le GO＿LOAM的位姿估计精度在平移和旋转上分别提高了92.70%和92.03%。A＿LOAM的位姿估计精度在平移和旋转上分别提高了92.41%和80.83%。