https://zhaoxuhui.top/blog/2021/05/14/APE-RPE-ATE-RTE-Mmetric-in-SLAM.html
https://blog.csdn.net/qq_28087491/article/details/129043366
APE与RPE
同时看位移和旋转
APE：Absolute Pose Error
RPE：Relative Pose Error
MPE (%) / MRE (deg/m) as error metrics, these error metrics are absolute pose error (normalized by trajectory path length).
ATE和RTE
只看位移
ATE：Absolute Trajectory Error
RTE：Relative Trajectory Error
对于A，就是估计轨迹中每点 与 真实轨迹每点 依次比较
对于R，就是把估计轨迹和真实轨迹分别分为两组，对于估计轨迹组中相邻两点，看这两点间变换和真实轨迹组对应的两点变换比较
我觉得不管是A还是R，都是需要进行轨迹对齐的
MSE和MAE
MSE: mean square error
优点：光滑连续可导，有利于函数收敛
缺点：
- 对于误差大于1的情况，给于更重的惩罚
- 对于误差小于1的情况，给于较轻的惩罚
这样的设计会让离群点给与模型训练太多的影响
MAE: mean absolute error
优点：对离群点不敏感
缺点：在绝大多数情况梯度是相等的，不利于收敛
Huber loss：结合了MSE和MAE的优点
大小决定了Huber loss对MSE和MAE的侧重性
误差小的时候用2次方MSE，误差大的时候用MAE
