1.相对平移误差Relative Translational Error(RTE)
RRE是另外一种计算误差的方式，相比于上面计算的旋转误差，应该是等价的。RRE是在Euler角三个分量的绝对误差之和。
2.相对旋转误差Relative Rotational Error (RRE)
3.均方根误差Root-mean-square error(RMSE)
观测值与真值偏差的平方和与观测次数m比值的平方根。假如有2000次观测，即m=2000，对于某一次（第i次）观测来说，y值是真实值，而h(x)是观测值，对所有m次观测的的偏差取平方后相加，得到的值再除以m，然后再开根号，就得到RMSE了。
4.平均绝对误差Mean Absolute Error（MAE）
观测值与真实值的误差绝对值的平均值。
上面的两个指标是用来描述预测值与真实值的误差情况。它们之间在的区别在于，RMSE先对偏差做了一次平方，这样，如果误差的离散度高，也就是说，如果最大偏差值大的话，RMSE就放大了。比如真实值是0，对于3次测量值分别是8，3，1，那么
如果3次测量值分别是5，4，3，那么
可以看出，两种情况下MAE相同，但是因为前一种情况下有更大的偏离值，所以RMSE就大的多了。
5.标准差Standard Deviation(SD)
但是还有一个比较让人迷糊的概念是标准误差，体现的是使用样本来估计总体，这时，上面公式里的1/n，变成了1/(n-1)。
标准差主要体现是的，一组数据本身的离散程度。
6.绝对轨迹误差Absolute Trajectory Error(ATE）
在evo中ATE则是ape（absolute pose error）
绝对轨迹误差即为求每个位姿李代数的均方根
如图，有两条轨迹，一条为真实轨迹esti，一条为slam算法估算的轨迹gt, 将两条轨迹分为无数个点，并在上面分别取两个点Pesti,i和Pg,i，其相对于原点P的计算公式如下，其中T为欧式变化（属于李群）
计算第i个点的误差error的李群形式，写成相除的形式比较好理解：
6.1旋转+平移的均方根误差
6.2 仅计算平移的均方根误差
7.相对轨迹误差Relative Pose Error(RPE）
相对轨迹误差是计算相隔时间的两帧之间位姿之差的精度。（有点绕）
(时间对应可能不止1帧，但是是帧数的整数比如1，2，3...帧)
7.1旋转+平移的均方根误差
7.2平移的均方根误差
关于evo中的指标详情见参考的第三个博客。
参考链接：
1.(61条消息) 目标检测、语义分割、位置识别、点云配准之评估方法汇总_点云 语义 配准_溯一路流光的博客-CSDN博客
2.(61条消息) RMSE、MAE和SD的基本概念_rmse是什么意思_AI界扛把子的博客-CSDN博客
3.(61条消息) 【SLAM】评估轨迹误差，手写ATE、RPE对比EVO_绝对轨迹误差_LYF_HNU的博客-CSDN博客