如何确定ICP比赛的质量？

在使用迭代最近点（ICP）算法来识别两个匹配点云之间的关联的SLAM前端中，如何确定算法是否陷入局部最小值并返回错误结果？

该问题定义为匹配两个点云，这两个点云都是某个任意表面结构的样本，并且样本区域的重叠率为0-100％，这是未知的。我知道Trimmed ICP变体通过反复尝试确定重叠来起作用，但即使是这样，也可以停留在局部最小值中。

天真的方法是查看所标识的点对的均方误差。但是，如果没有抽样的估计，这似乎是一个危险的阈值。在Leica Cyclone手册中，他们建议手动检查线对误差直方图。如果具有高斯形状，则拟合度良好。如果出现线性下降，则匹配可能不好。这对我来说似乎是合理的，但是我从未见过它在算法中使用过。

大多数简单的ICP方法都使用最小二乘类型方法。当假设高斯误差模型破坏点云数据时，建模是最常见且最简单的。在这种情况下，ICP算法的最小二乘拟合分量会为其具有估计方差的解参数生成高斯误差模型。

也就是说，如果您可以在匹配后访问错误的，则可以按照与在任何其他线性回归中估算误差的方式相同的方式，对变换参数估算高斯误差。

如果您有其他传感器提供的一些信息（例如，车轮编码器的测距法），则可以在laserScanner建议的刚体转换距离很远时使用此信息。

请记住，在较长的轨迹上，测距路径与地面真实情况有所不同，但在局部情况下是非常准确的。

PS。这是一个非常有趣的问题，因此请让我们知道您是如何解决的，以防您真正解决了该问题。

我认为最好的方法是使用包含基本事实的数据集。在论文“评估RGB-D SLAM系统的基准”中描述了在文献中最常引用的数据集。他们还描述了一些指标，用于将您的姿势估计结果与基本事实进行比较。希望这可以帮助。快乐的编码。