誤差從哪裡來
SLAM 點雲的誤差不是在某一步一次產生，而是從工程需求、採集、同步與校正，經過估計、地圖處理與座標轉換，一路帶到工程判定。本頁把這條鏈拆成九個環節，逐一列出輸入、輸出、假設、失效模式、可觀測徵兆、驗證方式與文獻支持程度，並回答五個常被跳過的追問。
本頁內容
一個點最後的工程座標，同時取決於測距值、時間戳、感測器外參、當下的位姿估計、地圖融合方式與最後的座標轉換（原理見一個點如何落到地圖上）。任何一環的偏差都會留在點上，但到了交付成果，往往只剩下一個「看起來還不錯」的點雲。
下列九個環節是本研究的分析框架，用來整理已查證文獻，不是任何單篇文獻提出的流程。每個項目都標出證據類型；「文獻支持程度」是本研究依已查證紀錄所作的判讀，準則列在頁末。
九個環節
點選或以鍵盤選擇環節。上方的篩選可以只看文獻證據，或只看本研究的推論與證據缺口；兩者分開閱讀，較容易看出哪些結論有原文支持、哪些仍待驗證。
點雲形成流程方向鍵移動，Enter 開啟
工程任務與需求
環節 1（共 9 個）Task & requirements
先說清楚點雲要支撐哪一個工程判定、容許差多少、需要哪一種品質（絕對位置、相對尺寸或完整度），後面每個環節的「夠好」才有判準。
輸入
- 工程任務（現況建模、尺寸或平整度檢核、進度比對、土方、隧道斷面等）、適用規範或契約容許差、交付座標與格式要求。
輸出
- 可計算的品質需求：被測量（measurand）的定義、容許差、所需密度與覆蓋、參考量測方式，以及把不確定度納入合格判定的決策規則。
必要假設
- 規範JCGM 106 處理的是以單一純量性質、一或兩個容許界限做允收或拒收判定的項目；第 1 節並指出，這些概念可延伸到依一組純量被測量判定的情形。(JCGM, 2012a, Clause 1)
- 推論點雲構件檢核常同時涉及多個相關的被測量（位置、尺寸、平整度），套用前需逐項定義要判定的純量。
失效模式
- 規範VIM 把量測準確度（accuracy）定義為量測值與真值的一致程度，並明言它不是一個量、不賦予數值，另把正確度（trueness）與精密度（precision）分開定義；以單一「精度 x 公分」描述點雲，會混淆正確度、精密度與不確定度（後半為推論）。(JCGM, 2012b, 2.13-2.26)
- 推論採集前沒有定義被測量與判定規則時，後續只能報告點雲「看起來一致」，無法回答它是否足以支撐工程判定。
可觀測徵兆
- 推論品質敘述只有一個誤差數字，沒有說明被測量、參考量測、對齊方式、統計量與樣本範圍。
驗證與補救
- 規範依 GUM 以擴展不確定度 U 報告量測結果時，應說明被測量定義、估計值與 U 及其單位、涵蓋因子 k，以及區間的近似涵蓋機率（level of confidence）與其決定方式；GUM 在此刻意避免使用統計上的「信賴水準」一詞。(JCGM, 2008, Clause 6.2.2; Clause 7.2.3)
- 規範以決策規則（decision rule）與防護帶（guard band）處理不確定度造成的誤判合格與誤判不合格風險；量測能力指標 Cm 為容許區間寬度除以四倍標準量測不確定度。(JCGM, 2012a, 3.3.11-3.3.12, 7.6.2)
- 作者報告以任務成果反推點雲需求的前例：依 Scan-vs-BIM 構件辨識成敗，推導大、中、小、極小四級構件所需的最低局部密度（每平方公尺 14、70、530、4500 點）與覆蓋率準則；準則由模擬的行動雷射掃描推導，再以合成影像的攝影測量點雲與 Kinect 2 對真實建物局部的掃描驗證；方法假設點雲已與 BIM 對齊，也不是 SLAM 研究。(Rebolj et al., 2017, Sec. 2.2; Sec. 3, Table 2; Sec. 4)
- 作者報告礦坑地工監測先假設實務上的可偵測下限（牆對牆收斂 0.05 m、落石 0.1 m），再檢驗 SLAM 行動掃描能否達到。(Fahle et al., 2022, Sec. 2.1)
文獻支持程度
文獻支持程度：弱推論
以任務成果反推點雲需求的研究存在，但來自 Scan-vs-BIM 模擬與 Kinect 2 局部掃描、礦坑地工監測，以及靜態 TLS 的平整度檢核；已查證文獻中沒有在施工中工地把 SLAM 點雲誤差連結到容許差合格判定的研究。 (Rebolj et al., 2017; Fahle et al., 2022; Bosché & Guenet, 2014)
九個環節是本研究的分析框架，不是單篇文獻的流程。項目標籤區分證據類型：「作者報告」只陳述原文在其條件下的結果，「跨研究」是多篇紀錄的綜合，「規範」取自計量文件，「推論」是本研究的判讀，「缺口」表示已查證文獻中找不到直接證據。長條為文獻支持程度（強、中、弱、缺），判讀準則見下方表格。
五個追問
以下五個問題來自本研究的任務書，是研究問題而不是已知定律。回答只陳述已查證文獻支持到的程度，並把推論與缺口分開標示。
一、感測器、軌跡、資料關聯與後處理誤差能否分開？
在受控條件下可以部分分開，做法是把其他來源固定住。以真值位姿評估網格，可把表示造成的誤差與位姿誤差分開 (Vizzo et al., 2021; Lin et al., 2023)；在實驗裝置中可單獨量測 LiDAR 與入射角相關的偏差 (Laconte et al., 2019)；把里程計拆成初始化、去畸變（deskew）與殘差型式等元件逐項比較，也能看出各元件的影響，但該比較的速度與 IMU 偏差取自真值與離線最佳化，屬理想化條件，且只評估掃描對掃描配準 (Potokar & Kaess, 2025, Sec. III; Sec. IV; Sec. V-B)。在坑道中只以兩端控制點做剛體轉換，再分別計算雜訊、系統偏移與整體偏差，可以讓漂移與雜訊分開呈現 (Štroner et al., 2025, Sec. 2.5; Table 3)。
在一次實地量測的成果上，這些來源彼此耦合。時間偏移未知時，依賴 IMU 的去畸變無法正確執行 (Zhu et al., 2022b, Sec. I)；首輪里程計不佳會讓校正的對應關係失準 (Lv et al., 2020, Sec. VI)；校正偏差等因素使 ICP 產生偏誤，若仍假設感測器雜訊為白雜訊，估得的 ICP 共變異數會過度樂觀 (Brossard et al., 2020, Abstract)；位姿越差，受測的動態點移除方法越會把場景判為動態 (Duberg et al., 2024, Sec. V-C)。商用手持系統的演算法對使用者是黑箱 (Keitaanniemi et al., 2023, Sec. 1)，部分系統也不提供時間資訊 (Xu et al., 2025b, Sec. 3.1.1)，使用者更難逐項追查。
二、點雲局部看起來良好，全域尺度、方向或座標驗證了嗎？
不一定，而且常見的評估方式可能把問題藏起來。在一棟既有校舍的手持 SLAM 量測中，作者先以前 99 秒的資料用 ICP 對齊地面雷射掃描（terrestrial laser scanning, TLS）參考；後處理前，垂直牆面與參考的平均距離已小於 0.5 cm，同一次量測的水平面卻在軌跡中段出現最大約 10.6 cm 的漂移 (Keitaanniemi et al., 2023, Sec. 3.2.1; Sec. 5.1-5.2)。
長坑道也有類似型態：只以兩端控制點轉換後，最大偏差出現在中段 (Štroner et al., 2025, Sec. 3.4)；750 m 坑道全長出現縱向壓縮（點雲每公里約短 10 cm），需要尺度改正 (Křemen et al., 2024, Abstract; Tab. 1; Conclusion)。在礦坑監測中，整體 ICP 對齊可能掩蓋漂移，改以入口約束對齊才看得出累積誤差 (Fahle et al., 2022, Sec. 4.4)。
指標本身也可能看不出全域問題。MapEval 在一個戶外停車場序列上比較 FAST-LIO2 與具迴圈修正的 PALoc，Chamfer 距離幾乎不變，平均 Wasserstein 距離（average Wasserstein distance, AWD）才反映出全域精度的差異 (Hu et al., 2025, Sec. IV-C)；平均地圖熵（mean map entropy, MME）甚至可能替明顯較差的對齊給出較佳的分數 (Razlaw et al., 2015, Sec. V)。四足機器人的竣工紀錄研究中，作者也指出先以點對與 ICP 對齊 TLS 再計算點雲距離，可能吸收漂移 (Schillberg et al., 2025, Discussion)。
三、迴圈修正改的是軌跡、局部表面，還是整張地圖？
依系統而異，交付前需要查清楚。SuMa 的面元（surfel）以建立時間連結到當時的位姿，位姿圖最佳化（pose graph optimization）修正位姿後，地圖隨之更新，不需另建變形圖 (Behley & Stachniss, 2018, Sec. III-B, III-E)；Voxel-SLAM 偵測到迴圈後，若漂移距離超過門檻（例如 0.1 m），以位姿圖最佳化修正並重建地圖，作業結束後再以子地圖的階層式全域光束法平差（bundle adjustment, BA）與由上而下的位姿圖最佳化整合 (Liu et al., 2026, Sec. 8.2; Sec. 9)；HBA 以由上而下的位姿圖，把分層 BA 的結果傳回所有原始幀的位姿 (Liu et al., 2023b, Sec. III-A)；MOLA-LO 保留帶時間戳的原始感測資料與位姿，迴圈以後處理方式完成，度量地圖可事後重新產生 (Blanco-Claraco, 2025, Sec. 3.2; Sec. 3.12)。
另一些系統明言不做迴圈或全域修正，例如 FAST-LIO2、Faster-LIO、PUMA 與 ImMesh (Xu et al., 2022; Bai et al., 2022; Vizzo et al., 2021; Lin et al., 2023)；ImMesh 作者指出重訪處的網格可能因此不一致 (Lin et al., 2023, Sec. IX)。部分系統的線上地圖也不是完整點雲：FAST-LIO2 只保留邊長 L（預設 1000 m）立方體範圍內的點，範圍在 LiDAR 偵測區觸及邊界時才移動 (Xu et al., 2022, Sec. V-A; Sec. VI-A)，VoxelMap 在平面不確定性收斂後捨棄歷史點 (Yuan et al., 2022, Sec. III-B3)。
迴圈本身也有代價。MapEval 比較 FAST-LIO2 與具迴圈修正的 PALoc 兩套系統時發現，迴圈修正能降低全域漂移，但有時引入局部扭曲 (Hu et al., 2025, Sec. IV-C; Table V)；單一未被偵測的錯誤迴圈，就可能讓地圖整體扭曲而局部仍然一致 (Sünderhauf & Protzel, 2012, Sec. IV-D)。
四、去噪、重採樣、平滑與神經補全如何改變尺寸與構件邊界？
相關機制已有作者報告，但都不是在營建構件上量化。體積式有號距離融合是截斷有號距離場（truncated signed distance function, TSDF）融合的原型方法，其表面後方的距離斜坡會使薄面增厚、尖角圓化 (Curless & Levoy, 1996, Sec. 7)；固定體素無法重建小於體素的細節 (Lin et al., 2023, Sec. IX)；平滑可提高坑道點雲的整體精度，但可能抹除銳利邊緣，也無法還原尺度在雜訊範圍以內的特徵 (Štroner et al., 2025, Sec. 4; Sec. 5)；在粗糙的土方表面，平滑只帶來些微改善 (Křemen et al., 2025, Results)。
動態點移除與補全則會增刪幾何。在同一基準的重構實作下，KITTI 00 上偏向保留靜態點的 Removert 只移除約四成動態點，偏向移除動態點的 ERASOR 則只保留約三分之二的靜態點 (Zhang et al., 2023a, Table I)；以單一 MLP 表示的神經隱式地圖（neural implicit map）iMAP 會對未觀測區域平滑補洞 (Sucar et al., 2021, Abstract; Sec. 4.2)。評估數字也會隨處理參數改變，例如 AWD 隨體素大小近似線性增加 (Hu et al., 2025, Sec. IV-E)，網格裁切策略會讓所有比較方法的指標變好 (Wang et al., 2023a, Sec. 4.1; Supp. 1.2)。
五、工程先驗成為估計約束後，還有獨立證據檢驗現況偏差嗎？
已查證研究顯示兩類問題：先驗與現況不符會影響估計，而評估參考又常與估計輸入重疊。BIM-Loc 以設計 BIM 作先驗並偵測模型與現況的差異，但作者明言其差異偵測只判斷構件存在與否，無法量化偏差大小；其施工中工地資料沒有真值軌跡，評估所用的 scan-to-BIM 距離與 Wasserstein 距離（WD）以同一個 BIM 為參考；實測資料中以真值 ATE 評估的，只有已完工的辦公建物 (Zhang et al., 2026, Sec. 4.2.3, Sec. 4.2.4, Sec. 6)。LIO-BIM 在 ConSLAM 上使用由序列 2 的 TLS 掃描建立的 BIM，平移絕對位姿誤差（APE）的 RMSE 由序列 2 的 10.21 cm 增加到約四個半月後採集的序列 5 的 15.68 cm，作者歸因於工地逐漸偏離 BIM；但同一序列上不用 BIM 的 LIO-SAM 為 16.09 cm，因此增幅不能全歸因於先驗與現況不符（推論） (Stührenberg & Smarsly, 2025, Table 5; Sec. 4.6; Sec. 6)；SLAM2REF 只處理雜物與動態物造成的偏差，不處理永久構件的改動，而且最終 ICP 所用的 TLS 地圖同時是評估參考 (Vega-Torres et al., 2024, Sec. 1; Sec. 6, Table 1)。
其他先驗與控制也有同樣問題：RTK GNSS 同時是融合輸入與誤差參考 (Nubert et al., 2022a, Table I)；以 TLS 控制小區塊修正後的 0.2 cm 殘差，是以同一份 TLS 資料計算 (Keitaanniemi et al., 2023, Sec. 3.2.2; Sec. 4-5)。
也有研究保留外部參考，或降低先驗的誤導：在施工中工地以建築平面圖產生的 3D 模型作先驗，先對整個模型做 ICP，再只以選定的參考牆面精修，並以影像語意剔除或加權雜物；評估時以全測站追蹤機器人上的稜鏡，量測靜止機器人的定位，真值已依量測到的參考牆竣工偏差修正，而表 II 至 IV 的模型偏差是作者把結構人為拉開 0.3 m 模擬的 (Blum et al., 2021, Sec. III; Sec. IV-A; Sec. IV-C)；以構件是否存在截斷關聯權重，避免臨時阻隔設施的點被關聯到尚未施作的構件；其配準參考是以工程師量測的每層 3 至 4 個結構特徵點為同名點，在 CloudCompare 人工粗配準後再做點對網格精配準所得的轉換，並非直接量測的點位誤差 (Zhang et al., 2024b, Sec. 3.3.2; Sec. 4.2.1-4.2.2; Table 4)。
文獻支持程度的判讀準則
支持程度評的是「這個環節對點雲品質與工程任務的影響」有多少已查證證據，而不是該環節的技術是否成熟。它依本次已查證紀錄與閱讀範圍而定；「缺」表示本次沒有找到，不代表不存在。
| 等級 | 準則 | 本頁環節 |
|---|---|---|
| 文獻支持程度：強 | 多篇已讀全文或部分章節的研究，在不同場域（至少包含施工中工地）以獨立參考量測，量化此環節對點雲幾何或任務成果的影響。 | 無 |
| 文獻支持程度：中 | 有多篇研究以獨立參考量化此環節的影響，但場域多為既有建築、坑道或公開資料集；施工中工地的證據零星，或只有定性比較。 | 02 平台路線、05 前端估計、06 後端全域、08 座標交換（工程座標） |
| 文獻支持程度：弱 | 只有軌跡層、受控實驗、摘要層級或少數研究的證據，或證據來自相鄰技術（如靜態 TLS、RGB-D），尚未在 SLAM 點雲上驗證。 | 01 任務需求、03 同步校正、04 去畸變、07 地圖表示、08 座標交換（合計）、09 任務驗證 |
| 文獻支持程度：缺 | 已查證文獻中找不到直接證據。 | 08 座標交換（資料交換） |