[0001] 本申请涉及增强现实领域，特别是涉及一种点云地图定位能力测评系统、方法、计算机设备和计算机可读存储介质。

[0002] AR设备的跟踪系统长时间运行后会固定地产生累计误差，为了长时间保持AR体验的稳定性以及虚实内容的贴合度，通常会利用预建地图，定时或定策略对AR设备的当前位姿进行更新校准。

[0003] 预建地图的质量高低和定位算法的精度，直接决定了定位结果的准确度；与地图质量相关的条目包括：点云地图的尺寸准确度、3D点数量、3D点的位置准确度、3D点对应的特征点数量等。

[0004] 由于场景中光照条件、纹理结构、动态变化等因素影响，导致同一定位算法在不同场景下的定位精度不同；在同一场景内的不同位置或不同朝向，定位精度也可能不同。为获得更好的AR体验，以及为目标场景下AR体验内容的设计提供数据支持，需要对具体场景下的视觉定位能力进行测评，即在某个特定的点云地图中，测评该地图的质量以及定位算法在该地图下的定位表现。

[0005] 在相关技术中，场景下视觉定位质量评估方法包括如下几种：

[0006] 1.通过昂贵的真值制作系统(例如vicon标定系统)，在目标场地下进行实物布置之后，通过采集、分析处理包含标定实物的场景图像获得真值，最后，将该真值与地图定位结果进行对比，以测评地图的定位精度；

[0007] 一种常见的基于vicon标定系统获取真值的做法是：在场景中多个位置架设钢架，该钢架上布置有多个小球，在布置且标定完成之后，相机利用当前视场图像中各个小球的反光强度来获得位姿真值。

[0008] 然而，上述方案中存在如下缺陷：

[0009] (1)价格昂贵：作为参照物的真值实物通常批量化制作，对于小型SLAM项目来说成本较高，并且，无法针对类型繁多的各种AR应用场景制作相匹配的真值实物，更无法灵活地应用于ToC或其他定制化AR项目中；

[0010] (2)空间限制性较高：由于Vicon系统需要在受控的空间(如环境光恒定的室内场景)下进行运动捕捉，因此，对于大型SLAM项目(景区、商场)或者在复杂环境下进行的SLAM项目(如山体、建筑)来说，难以进行实物布置及标定，因此空间限制较大；

[0011] (3)对被跟踪物体要求较高：Vicon系统对被跟踪的物体要求较高，需要在物体表面上贴有反光球或反光贴纸，对于部分应用场景无法适用。

[0012] 2.使用原生传感器获取的参数作为评估基准，与算法输出的定位结果进行对比以实现地图的定位能力测评；

[0013] 但是，传感器能够获取的参数只能覆盖测评指标的一部分，无法全面的反映地图定位精度，如惯性传感器(Inertial Measurement Unit，IMU)仅可测评朝向而无法测评位置；地球导航卫星系统(Global Navigation Satellite System，GNSS)仅可用于测评位置而无法测评朝向。

[0014] 另外，IMU数据和GNSS数据本身存在固定误差，因此，使用该类数据作为真值进行定位测评时，由于无法避免误差，所以会影响到测评结果的准确性。同时，由于IMU数据和GNSS数据在某些环境下可能会失效或失准，因此，也无法适用于所有应用场景；例如，IMU数据可能会受到震动或其他因素干扰而导致测量误差；在室内或在高楼大厦附近，GNSS信号可能会受到遮挡或反射的影响而变得不准确。

[0015] 另外，由于真值系统的坐标系与待评测地图的坐标系是相互独立的，因此，上述两种方案均必须使用SE3或SIM3变换将两者的坐标系对齐，而坐标系对齐又要求用于评测的轨迹必须具有一定的长度和满足一定的走向，否则对齐精度较差；即使在轨迹满足要求的情况下，仍无法避免的会出现对齐误差，也会影响定位地图能力评测的准确性。

[0068] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0069] 显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

[0070] 在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

[0071] 除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

[0072] 本申请实施例提供的一种点云地图定位精度评估方法，可以应用在如图1所示的场景下，图1是根据本申请实施例的点云地图定位精度评估方法的应用环境示意图，如图1所示，用户操作终端设备10在线下场景进行AR体验。终端设备10通过向视觉定位服务器11发送定位请求以获取自身当前的定位位姿，并根据定位位姿获取并展示特定的AR特效。通过本实施例提供的方法，可以在无需实体标定物的情况下，通过终端轨迹采集和注册的方式，得到用于参照的位姿真值，进而利用该位姿真值对视觉定位服务器11中部署的点云地图的定位精度进行全面精准化的评估。需要说明的是，上述终端设备10可以是智能手机、平板电脑、笔记本电脑和AR眼镜等。

[0073] 图2是根据本申请实施例的一种点云地图定位精度测评系统的结构框图，如图2所示，该系统包括数据采集模块20、预处理模块21、真值制作模块22和测评模块23，[0074] 数据采集模块20，用于在目标场景下采集轨迹数据，其中，轨迹数据由多个连续的测评点组成，测评点包括图像帧及其对应的跟踪位姿；

[0075] 本实施例中涉及的数据采集模块可以是手机上的摄像单元，并且该手机需要能够运行跟踪算法。

[0076] 具体的一个数据采集场景示例如下：

[0077] 用户打开终端上特定的APP按照既定的线路采集场景轨迹，该APP可以同时调用摄像功能和跟踪功能，当用户沿着AR场景移动时，摄像装置采集连续的图像帧，同时，跟踪装置获取拍摄各个图像帧时对应的跟踪位姿。

[0078] 另外，实际应用环节，轨迹数据还包括：采集时间、采集设备、跟踪系统信息、各个测评点对应的时间戳和辅助传感器信息，该跟踪系统信息包括：跟踪算法类型、跟踪状态和跟踪位姿的不确定度。

[0079] 另外，需要说明的是，根据实际AR体验场景的不同，可以针对性的设置不同的采集路线，包括但不限于是：环绕式、导览式和漫游式等。

[0080] 预处理模块21，用于根据预设筛选规则，从轨迹数据中筛选满足预设条件的目标轨迹数据；

[0081] 考虑到用户采集的轨迹数据可能质量高低不齐，甚至无法满足测评定位精度的要求。本系统通过预处理模块基于自动化规则，对用户采集的轨迹数据进行检查筛选，过滤其中非正常的测评点；一方面可提升后续定位的准确度，另一方面，也降低了对采集人员和采集设备的要求，人员可以按照路线先采集一个粗略的轨迹，后续由预处理模块进行进一步检查和筛选，保证用于制作真值的轨迹数据是完整且正确的。

[0082] 真值制作模块22，用于将目标轨迹数据注册至视觉定位地图，得到测评点对应的位姿真值；

[0083] 需重点说明的是，本系统中的真值获取方式，无需在场景中进行复杂、高成本的实物布置，也不依赖于实体的标定物。通过连续轨迹采集及注册的方式即可获取用于参照的真值，相比较于通过实际标定物获取真值的方法，实现过程更加简单高效，用户通过操作移动终端采集轨迹数据之后，在终端应用中运行既定逻辑，即可实现真值的制作；并且，本系统不受限于具体应用场景，能够广泛适配于不同类型的AR体验场景，包括但不限于室内、室外、景区和公园等。

[0084] 测评模块23，用于获取各个测评点在点云地图中对应的定位结果，通过对比相同测评点的定位结果和位姿真值，得到点云地图的定位能力测评结果。

[0085] 其中，定位位姿即为将定位地图部署在服务端之后，定位服务响应用户的定位请求，将用户发送的图像帧在定位地图中匹配得到的位姿。

[0086] 可以理解，将一个测评点定位位姿与早先获得的位姿真值做比较，即可根据两者的差值判断定位地图在某一个位置是否准确，综合分析各个位置的定位精度，即可对点云地图的整体定位能力进行评估。

[0087] 通过本系统，相比较于现有技术中依赖真值系统对点云地图定位精度进行评估的方案，本申请方案基于连续轨迹采集和注册方式制作真值，整个评估过程更加便捷、高效，无需在现场部署任何实体标定物，适用于绝大多数的常见AR体验场景。通过低成本的连续轨迹采集和注册方式，得到用于参照的真值数据，进而利用更该真值对定位精度进行评估，极大程度的简化了评估流程，提升了评估效率，同时，相比较于基于传感器信息进行评估的方案，精度更高且数据覆盖维度更全面。

[0088] 在其中一些实施例中，数据采集模块包括：采集路线设计模块、采样点选取模块和数据获取模块，其中，

[0089] 采集路线设计模块用于，获取目标场景信息，根据不同的目标场景信息生成对应的采样路线信息，其中，采集路线包括：环绕式路线、导览式路线和漫游式路线；本实施例中，根据AR体验场景的实际情况，灵活的设计采集路线，进而最大程度的贴合用户的实际AR体验过程。

[0090] 采样点选取模块用于，按照预设时间间隔策略确定采样点，以及按照行走距离和/或角度变化量确定采样点；

[0091] 数据获取模块用于，根据采样路线信息，在线下目标场景中采集轨迹数据，其中，轨迹数据包括各个采样点对应的图像帧和跟踪位姿。

[0092] 在其中一些实施例中，数据预处理模块包括：图像质量评估模块、运动状态评估模块、跟踪状态评估模块和轨迹评估模块，其中，

[0093] 图像质量过滤模块用于，获取各个图像帧的属性信息，根据属性信息，筛选出图像模糊度大于模糊度阈值，以及图像亮度大于亮度阈值的目标测评点；

[0094] 运动状态评估模块用于，根据跟踪系统信息，筛选出非正常跟踪状态的目标测评点；

[0095] 轨迹评估状态用于，基于预设规则判断轨迹数据是否存在断裂点，若是，删除断裂点，将断裂点之前和之后的轨迹数据保存为独立的两套轨迹数据，以及，筛选出轨迹长度大于预设位移阈值的轨迹数据。

[0096] 通过以上各个模块，从多个维度对采集到的轨迹数据进行检测和筛选，从而自动化过滤掉其中质量较差的评测点，一方面提升后续定位精度评估的准确性，另一方面，可以降低对采集设备和采集人员的要求。

[0097] 在其中一些实施例中，真值制作模块包括：轨迹注册模块、真值筛选模块和真值输出模块，其中，

[0098] 轨迹注册模块，将目标轨迹数据中连续的多帧测评点，注册至点云地图，得到各个评测点对应在点云地图中的位姿真值，

[0099] 由于注册过程可能出错导致注册不准确或者注册失败，因此，得到上述位姿真值之后，还需通过真值筛选模块对位姿真值进行筛选，删除其中注册失败和注册质量不佳的测评点之后，得到用于参照比对的位姿真值；

[0100] 具体的，对于无法注册的轨迹段，可以直接发现并删除。对于注册质量不佳的测评点，真值筛选模块通过比较相邻测评点的第一相对位姿和第二相对位姿，查找注册质量不佳的测评点，其中，第一相对位姿是跟踪系统坐标系下相邻测评点的相对位姿，第二相对位姿是点云地图坐标系下相邻测评点的相对位姿；若相邻测评点，在两个不同坐标系下的相对位姿差异较大，则可以认为注册效果不佳。

[0101] 最后，真值输出模块，将筛选之后的位姿真值，并为真值数据包并发送至评测模块。其中，可以根据具体的精度情况，对应的对地图的定位能力配置不同的指标，如测评之后地图的定位精度较高，则可以对该地图配置适用于工业级高精度的AR场景，若地图的定位精度较差，则可以对其配置适用于远景定位的AR场景。

[0102] 在其中一些实施例中，上述轨迹注册模块包括第一注册模块、第二注册模块和第三注册模块，上述三个子模块通过不同的注册方式获得位姿真值，其中：

[0103] 第一注册模块，获取各个测评点之间的关联信息，结合关联信息，将目标轨迹数据中连续的测评点注册至点云地图，得到各个测评点在点云地图中的位姿真值；

[0104] 需要说明的是，第一注册模块基于连续的多帧测评点进行注册，即相当于，在注册过程中，一方面利用了图像与定位地图的关联，另一方面还利用了图像之间的关联，采用该注册方法，在轨迹长度满足一定要求的情况下，相比较与传统方式中独立单帧图像匹配定位的方式，得到的定位位姿更加准确，可以尽可能的接近真实的定位结果，本实施例中将其称为“位姿真值”。

[0105] 第二注册模块，用于将目标轨迹数据中的各个测评点独立注册至点云地图之后，对注册完成的测评点进行BA优化，得到各个测评点在点云地图中的位姿真值；

[0106] 该第二注册模块，通过在单独注册之后，进一步的对测评点进行BA优化，剔除其中定位歧义、定位模糊以及定位错误的测评点，优化注册结果的准确度，进而得到的位姿也能够尽可能地接近位姿真值，可以将其用于参照对比。

[0107] 第三注册模块，用于根据点云地图和目标轨迹数据，构建因子图(pose‑graph)优化问题，通过求解因子图优化问题，得到目标轨迹数据与点云地图坐标系之间的转换关系，根据该转换关系，得到各个测评点在点云地图中的位姿真值。

[0108] 通过该轨迹注册模块，基于用户采集的连续轨迹，终端中运行既定的处理逻辑即可得到用于参照的位姿真值，相比较于现有基于标定实物获取真值的方式，过程更加简单高效；另外，相比较于基于传感器信息获取真值的方式，指标覆盖维度更多，能够更加全面的反映地图定位精度。另外，需要说明的是，由于本申请中获取的真值始终位于定位地图的坐标系，因此，也无需执行其他真值制作方式中不同坐标系对齐的步骤，因此，无需考虑采集轨迹的走向和长度，也能够避免坐标系对齐过程中产生的误差。

[0109] 在其中一些实施例中，根据线下AR体验场景的具体情况，可以设置不同的轨迹采集路线，以及，设置不同的采样点选择轨迹，使得采集结果尽可能的贴合用户的实际使用习惯，具体的：

[0110] 路线设计模块，用于获取AR内容在目标场景下的分布信息，根据分布信息生成对应的采样路线，其中，采集路线包括：环绕式路线、导览式路线和漫游式路线；

[0111] 环绕式路线，应用于AR内容与实体装置(建筑、物体)等锚定的场景，该种场景下，用户的体验方式通常为镜头对准该锚定物，例如，商场中心一个位置固定的大型玩偶，用户体验时无论在地面或者不同楼层，镜头始终需要对准该大型玩偶，不同位置的用户将根据自身定位结果体验到不同视角的AR内容。

[0112] 导航导览式路线，应用于沿镜头方向持续移动的场景，如隧道，景区的峡谷等。图3是根据本申请实施例的一种导航导览式线路的示意图，如图3所示，采集时可以在AR体验范围内，沿所有路线行走至少两次，两次的行走方向相反，行走时为模拟用户走在路边的情况，走S或Z字前进，每次从路的一侧走到另一侧，并且回返的间隔不宜超过路宽的两倍。

[0113] 漫游式路线，用于空旷空间的AR内容漫游，通常镜头随意采集方法:可以先设定好AR内容，以AR内容作为锚定实体装置，使用环绕式进行采集或具体根据AR内容的体验方式，自由设计贴近AR内容观察形式的路线。

[0114] 采样点选取模块，用于根据预设时间，和/或AR体验移动距离，和/或AR体验角度变换量确定待采样的测评点；例如，按照时间间隔进行采样，可选的，在算力较高的设备上，可以使用高顿率进行录制，如每秒采样30帧。

[0115] 另外，也可以按行走距离/角度变换选取待采样测评点:轨迹距离每行走超过固定距离或旋转固定角度，采样一帧。当然，实际应用时，也可以采用两者的结合灵活选择。

[0116] 获取模块，用于根据采样路线，在目标场景中获取轨迹数据。该获取模块即相当于摄像装置以及与摄像装置连接的控制器。

[0117] 在其中一些实施例中，预处理模块包括：图像质量评估模块、运动状态评估模块、跟踪状态评估模块和轨迹评估模块，其中，

[0118] 图像质量评估模块，用于获取轨迹数据中各个测评点的图像属性信息，根据图像属性信息，筛选出图像模糊度小于预设模糊度阈值且图像亮度大于预设亮度阈值的第一目标测评点；

[0119] 运动状态评估模块，用于根据跟踪系统信息，从第一目标测评点中筛选出跟踪状态正常的第二目标测评点；

[0120] 轨迹评估模块用于，基于预设轨迹检测规则，判断第二目标测评点组成的轨迹，是否存在断裂点；具体的，可以计算相邻帧速度，并找到中位数，若存在相邻帧间线速度异常过大，超过中位数速度一定阈值，或角速度超过给定阈值，则认为存在断裂。

[0121] 若是，删除断裂点，并将断裂点之前和之后的轨迹数据分别保存为独立的两套轨迹数据，最后，在当前仍然存在的所有轨迹数据中，进行轨迹长度评估，对于轨迹长度大于预设位移阈值的轨迹数据，将其保存为符合要求的目标轨迹数据。

[0122] 在其中一些实施例中，测评模块包括：定位服务模块、定位数据记录模块和精度测评模块，其中，

[0123] 定位服务模块，用于根据点云地图处理用户终端发送的定位请求，并返回对应的定位结果；

[0124] 定位数据记录模块，用于记录累计的定位数据集，其中，定位数据集包括：定位请求以及与该定位请求对应的关联信息和定位结果；

[0125] 精度测评模块，用于获取真值制作模块输出的各个测评点的位姿真值，以及获取定位数据记录模块输出的定位数据集，通过比对同一个测评点对应的位姿真值和定位结果，得到该测评点的定位差值，另外，若定位状态失败的数据，将其定位角度偏差和距离偏差标记为一个极大值。

[0126] 最后，基于当前定位数据集中，所有测评点的定位差值，输出点云地图的定位评估结果。

[0127] 进一步的，评测模块还用于，根据评估结果对点云地图的定位能力配置评价指标，其中，评价指标包括：适用场景指标、成功率指标和定位歧义性指标。

[0128] 具体的，部分定位地图精度与适用标准指标的对应关系示例如下：

[0129] 角度误差小于0.5°且距离误差小于3cm时，可以对该定位地图配置适用于工业操作辅助的指标；

[0130] 角度误差小于1°且距离误差小于10cm时，可以对该定位地图配置适用于精细贴合的近景体验场景的指标；

[0131] 角度误差小于2°且距离误差小于0.25m时，可以对该定位地图配置适用于标牌指示场景的指标；

[0132] 角度误差小于5°且距离误差小于0.5m时，可以对该定位地图配置适用于室内导航的指标；

[0133] 角度误差小于10°且距离误差小于5m时，可以对该定位地图配置适用于室外导航的指标；

[0134] 角度误差小于5°且距离误差小于100m时，可以对该定位地图配置适用于标牌远景经典标注的指标；

[0135] 上述取值范围和指标配置方式，仅为基于本申请方案的部分举例，实际应用时并不局限于上述示例，可以灵活指定。

[0136] 另外，还可以进一步的设置成功率指标，该成功率指标通常与某些AR适用指标共同作用，可选的，分级方式为：非常适合该类AR内容、一般适合该类AR内容、可定位但该类AR内容表现较差、无法定位等，其中，每一级适配对应的角度误差和精度误差指标。

[0137] 还可以进一步的设置定位歧义性指标，用于表示地点是否容易错误定位，具体判定方式如下：

[0138] 对角度偏差或距离偏差大于一定阈值，被判断为表现较差或无法定位的测评点。进行如下搜索：查找在同一地点范围半径内，是否存在其他邻近的测评点，这些邻近测评点的定位结果与该测评点位于同一区域。若这样的测评点数量超过一定阈值，则判断该地点范围和这些测评点定位的位置地点，存在定位歧义性。

[0139] 例如：商场各楼层的电梯间非常相似，因此可能存在一楼电梯间采集的轨迹，定位到其他楼层的情况。按以上逻辑，应该存在N个一楼电梯间的采样点，同时被定位到同一楼层，如二楼，则同时把一楼和楼的电梯间标记为定位歧义地点。

[0140] 本实施例中，点云地图评估结果的呈现形式可以但不限于是：文字报告、数据统计图表、测评轨迹视图等，具体的，如下表1示例出了一种点云地图的整体评估结果：

[0141] 表1：

[0142]  数量
测评序列下测评点总数 243
定位成功点数 201
定位成功率 82.72％
定位正确点数 189
定位正确率 77.78％
定位错误/歧义点数 12
定位错误/歧义率 4.94％

[0143] 评估结果中还可以包括定位正确测评点的更细粒度的分析结果，如下表2示例出了一种定位正确测评点的误差分析结果：

[0144] 表2：

[0145]误差类型 误差数值
平均定位误差 0.1863m,0.5500deg
中值定位误差 0.1905m,0.5336deg
最小定位误差 0.0216m；0.1880deg
最大定位误差 0.5452m；1.0525deg

[0146] 进一步的，评估结果中还可以包括不同定位精度的局域在场景中的占比，如下表3示例出了一种不同定位精度区域在场景中的占比测评结果：

[0147] 表3：

[0148]精度标准区间序列 精度标准区间 区域占比
1 0.1m,1.0deg 16.46％
2 0.25m,2.0deg 58.44％
3 0.5m,5.0deg 76.95％
4 5.0m,10.0deg 77.78％

[0149] 本申请实施例还提供了一种点云地图定位能力测评方法，图4是根据本申请实施例的一种点云地图定位能力测评方法的流程图，如图4所示，该流程包括如下步骤：

[0150] S401，通过数据采集模块在目标场景下采集轨迹数据，其中，轨迹数据由多个连续的测评点组成，其中，测评点包括图像帧及其对应的跟踪位姿；

[0151] S402，通过预处理模块，根据预设筛选规则，从轨迹数据中筛选满足预设条件的目标轨迹数据；

[0152] S403，通过真值制作模块，将目标轨迹数据注册至视觉定位地图，得到测评点对应的位姿真值；

[0153] S404，通过测评模块，获取各个测评点在点云地图中对应的定位结果，通过对比相同测评点的定位结果和位姿真值，得到点云地图的定位能力测评结果。

[0154] 通过上述步骤S401至S404，相比较与相关技术中点云地图定位精度评估方法，本申请实施例中评估过程更加便捷、高效，无需在现场部署任何实体标定物也无需考虑线下场景具体情况。通过低成本的连续轨迹采集和轨迹注册即可得到用于参照的真值数据，进而实现了对定位精度的评估，极大程度的方便了评估流程，提升了评估效率。

[0155] 图5是根据本申请实施例的一种测评轨迹的对比示意图，图5示例出了某景区山体附近环绕式体验路线的定位轨迹，其中，黑色轨迹(groundtruth)是基于本申请方案制作的体验路线的真值轨迹，灰色轨迹(7977)是通过视觉定位算法在点云地图中匹配得到的定位结果轨迹，针状射线为每帧的朝向，1m、10m、100m标记对应图5中不同粗细的网格，用于标识真实尺度的比例尺，对测量特定区域的误差提供支持。

[0156] 在一个实施例中，图6是根据本申请实施例的电子设备的内部结构示意图，如图6所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图6所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种点云地图定位能力评估方法，数据库用于存储数据。

[0157] 本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

[0158] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

[0159] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0160] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0161] 以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。