Alignment Scores: Robust Metrics for Multiview Pose Accuracy Evaluation

我们提出了三个新颖的度量方法，用于评估给定地面真实值的一组估计相机位姿的准确性：平移对齐分数（TAS），旋转对齐分数（RAS）和位姿对齐分数（PAS）。TAS独立评估平移准确性，而与旋转无关，而RAS独立评估旋转准确性，而与平移无关。PAS是两个分数的平均值，评估平移和旋转的综合准确性。TAS分为四个步骤计算：（1）找到最接近对距离$d$的上四分位数。（2）使用鲁棒的配准方法将估计的轨迹与地面真实值对齐。（3）收集所有距离误差，并获得多个阈值的累积频率，范围从$0.01d$到$d$，分辨率为$0.01d$。（4）将这些累积频率相加并归一化，使得理论最大值为1。TAS在实践中比现有度量方法具有优势，因为（1）它对异常值和共线运动具有鲁棒性，（2）无需在不同数据集上调整参数。RAS以类似于TAS的方式计算，也被证明比现有的旋转度量方法更具鲁棒性。我们通过广泛的模拟验证了我们的说法，并对所提出的度量方法的优缺点进行了深入讨论。

提出了三个新的度量指标，用于评估相机位姿估计的准确性，解决了现有度量指标存在的问题。

新的度量指标包括翻译对齐分数（TAS）、旋转对齐分数（RAS）和姿态对齐分数（PAS），通过对多个阈值的累积频率进行归一化计算，可以评估翻译和旋转的准确性。相比现有度量指标，新的度量指标更加鲁棒，不需要在不同数据集上调整参数。

论文通过大量的模拟实验验证了新的度量指标的优越性，并讨论了其优缺点。实验使用了多个数据集，但未提供开源代码。

最近相关的研究包括《On benchmarking camera calibration and multi-view stereo for high resolution imagery》、《A review of recent works on 3D hand pose estimation》等。