SLAM 點雲圖鑑Point clouds for construction
Q-02

三層評估

SLAM 點雲的品質無法用單一數字回答。本頁把評估分成三層：位姿與系統運作、點雲與地圖幾何、工程任務成果，逐一說明各指標量測什麼、需要什麼參考、在哪些條件下會失真，並標出三層之間尚未被證據連起來的地方。

本頁內容

本站讀到的 SLAM 評估研究，多半報告一個軌跡誤差，或一個點雲對參考點雲的平均距離。這兩種數字回答的問題不同。Sturm 等人在定義 ATE 與 RPE 時就提醒，好的軌跡不必然代表好的地圖(Sturm et al., 2012, Sec. VII)；MapEval 的作者也報告，在其實驗中迴圈修正可降低全域漂移，卻可能引入局部扭曲(Hu et al., 2025, Sec. IV-C)。

營建任務最終關心的，是尺寸判定、偏差檢出或構件辨識是否正確。Wang 與 Kim 回顧 2004 至 2018 年 7 月的 197 篇營建點雲研究(Wang & Kim, 2019, Sec. 2)後主張，所需的點雲品質應依特定應用事先界定，而處理此問題的研究很少(Wang & Kim, 2019, Sec. 4.1.1)。因此本頁把評估分成三層。每一層的指標只回答自己那一層的問題；把它們混成一個分數，或以某一層的結果推論另一層，都需要額外的證據。

  1. 第一層：位姿與系統運作

    問題：每個時刻的位置與姿態估得多準？系統是否穩定運作？

    典型參考：動作捕捉、全測站、GNSS/INS，或配準到參考地圖的軌跡。

    指標：ATE、RPE、漂移、控制點計分、失敗與執行資源。

  2. 第二層：點雲、地圖與表面

    問題：輸出的幾何與實際表面差多少？哪裡缺漏、重影或有離群點？

    典型參考：地面雷射掃描（TLS）等更高精度的掃描，或參考模型。

    指標：C2C、M3C2、Hausdorff、Chamfer、precision、recall、F-score、MapEval、MME。

  3. 第三層：工程任務成果

    問題：用這份點雲做出的工程判定是否正確？

    典型參考：依規範程序的量測、構件真實狀態、獨立檢核。

    指標：容許差判定、構件辨識、尺寸偏差、變化偵測下限、LOA 與驗收規則。

三層共用兩個前提：參考量測本身的不確定度，以及計算前的對齊方式。這兩者放在不確定度、參考量測與對齊一節說明；所有指標的定義與盲點整理在指標總表。

第一層：位姿與系統運作

絕對軌跡誤差（ATE）

絕對軌跡誤差（absolute trajectory error, ATE）先以最小平方把估計軌跡對齊參考軌跡，再計算逐幀平移誤差的均方根。TUM RGB-D 基準以 Horn 的閉式解做剛體對齊(Sturm et al., 2012, Sec. VII-B)。Horn 的解需要三個以上不共線的對應點：平移為一組點的形心與另一組點經旋轉、縮放後之形心的差；在作者建議的對稱誤差式下，尺度為兩組點相對形心的均方根偏差之比；旋轉以單位四元數表示(Horn, 1987, abstract; Sec. 2.A-2.E)。作者也指出，若某一組座標的精度遠高於另一組，採非對稱的尺度式可能較合適(Horn, 1987, Sec. 2.D-2.E; Appendix A1)。Umeyama 則推導了 m 維空間兩組已知對應點之間、使均方誤差最小的相似轉換（旋轉、平移與尺度）閉式解：對交叉共變異矩陣做奇異值分解，並以符號修正確保得到旋轉而非反射(Umeyama, 1991, abstract; Sec. II)。開源的 evo 套件以 evo_ape 命令計算絕對位姿誤差（absolute pose error, APE）(Grupp, 2017)。

下式是本站依上述定義整理的寫法，Qi\mathbf{Q}_i、Pi\mathbf{P}_i 為參考與估計位姿，S\mathbf{S} 為對齊變換：

ATERMSE=(1N∑i=1N∥trans⁡(Qi−1 S Pi)∥2)1/2\mathrm{ATE}_{\mathrm{RMSE}}=\Big(\frac{1}{N}\sum_{i=1}^{N}\big\lVert\operatorname{trans}\big(\mathbf{Q}_i^{-1}\,\mathbf{S}\,\mathbf{P}_i\big)\big\rVert^2\Big)^{1/2}

對齊方式會改變 ATE

Zhang 與 Scaramuzza 把軌跡評估拆成「對齊」與「誤差指標」兩步，並主張對齊的自由度應依感測模態不可觀測的自由度決定：單目用相似轉換 Sim(3)、雙目用剛體轉換 SE(3)、視覺慣性用只含偏航的 4 自由度轉換(Zhang & Scaramuzza, 2018, Table I)。他們以單一序列與單一估計器（VINS-Mono 在 EuRoC MH01）示範，用哪些狀態做對齊會改變平移 ATE：只用第一個狀態對齊時為 0.4383 m，用全部 1807 個狀態時為 0.2795 m(Zhang & Scaramuzza, 2018, Sec. VI-B, Table III)，而且 ATE 會受錯誤發生的時間點影響(Zhang & Scaramuzza, 2018, Sec. IV-A)。作者也指出，最小平方（Umeyama）對齊只在所有狀態的不確定度相同時成立(Zhang & Scaramuzza, 2018, Sec. III-C1)。

相對位姿誤差（RPE）與子序列誤差

相對位姿誤差（relative pose error, RPE）比較相隔 Δ 的位姿對之間，估計與參考的相對運動差異，因此可以反映漂移。Sturm 等人建議評估 SLAM 時對所有 Δ 取平均，並指出只比較起點與終點位姿會產生誤導(Sturm et al., 2012, Sec. VII-A, Eq. 1-3)。

Ei=(Qi−1Qi+Δ)−1(Pi−1Pi+Δ),\mathbf{E}_i=\big(\mathbf{Q}_i^{-1}\mathbf{Q}_{i+\Delta}\big)^{-1}\big(\mathbf{P}_i^{-1}\mathbf{P}_{i+\Delta}\big),
RPEΔ=(1N−Δ∑i=1N−Δ∥trans⁡(Ei)∥2)1/2\mathrm{RPE}_{\Delta}=\Big(\frac{1}{N-\Delta}\sum_{i=1}^{N-\Delta}\big\lVert\operatorname{trans}(\mathbf{E}_i)\big\rVert^2\Big)^{1/2}

KITTI 基準的作者認為只比較軌跡終點誤差會受錯誤發生時間影響，因此延伸 Kümmerle 等人只使用位姿間相對關係的度量，把旋轉與平移誤差依子序列長度與車速分別統計(Geiger et al., 2012, Sec. 2.5, Eq. 2-3)。Kümmerle 等人的相對關係以人工比對雷射觀測取得，目的在避免配準演算法本身的誤差(Kümmerle et al., 2009, abstract)；選用哪些關係也決定檢驗的對象：只選鄰近位姿的關係檢驗局部一致性，加入遠距或外部量測的關係才檢驗整體幾何(Kümmerle et al., 2009, Sec. 3.1-3.2)。Zhang 與 Scaramuzza 則指出，在不同長度子軌跡上統計的相對誤差可同時反映短期與長期精度，但比 ATE 複雜，不易直接用來排序(Zhang & Scaramuzza, 2018, Sec. IV, Table II)。

互動 Q-02a同一條軌跡，三種對齊方式，三個 ATE教學模擬 · 非實測資料
評估時的對齊方式
快速情境
跳動起點
  • 真值軌跡
  • 逐幀誤差向量（同一索引配對）
  • 平面圖牆面
  • 跳動幀
估計軌跡分色（線段兩端逐幀誤差的平均，m）
  • < 0.1
  • 0.1 至 0.25
  • 0.25 至 0.5
  • 0.5 至 1
  • ≥ 1

逐幀位置誤差 ∥pigt−S piest∥\lVert \mathbf{p}^{\mathrm{gt}}_i - S\,\mathbf{p}^{\mathrm{est}}_i \rVert（SE(2) 剛體對齊）

跳動00.20.40.6010203040506070幀索引 imRMSE 0.367

跳動處局部點雲 （第 27 至 35 幀，以估計相對位姿組合）

  • 跳動前後的幀（各至多 3 幀）
  • 跳動期間 3 幀
  • 真實牆面
ATE：對齊後逐幀位置誤差（m）
對齊方式RMSEmax若無跳動的 RMSE
不對齊2.2063.0862.222
SE(2) 剛體對齊0.3670.5760.371
Sim(2) 含尺度對齊0.1690.6860.093
RPE 平移 RMSE（m）
ΔRPE若無跳動
1 幀0.1370.037
10 幀0.4030.347

未對齊、未校正尺度

Sim(2) 估得尺度 ŝ = 0.9535（1/ŝ − 1 = +4.9%）

「若無跳動」欄是只有模擬才算得出的對照值：同一組雜訊，只把跳動幅度設為 0。

ATE 的定義：

ATERMSE=1N∑i=1N∥pigt−S piest∥2\mathrm{ATE}_{\mathrm{RMSE}}=\sqrt{\frac{1}{N}\sum_{i=1}^{N}\left\lVert \mathbf{p}^{\mathrm{gt}}_i-S\,\mathbf{p}^{\mathrm{est}}_i\right\rVert^2}

pi\mathbf{p}_i 為第 ii 幀的位置，真值與估計以相同索引一對一配對（本模擬的資料關聯已知且無誤）。SS 是讓上式平方和最小的變換：不對齊時 SS 為恆等變換；SE(2) 只允許一個旋轉與一個平移；Sim(2) 再多一個均勻尺度 s^\hat{s}。表中 max 是同一組逐幀誤差的最大值，本圖共 N=75N = 75 幀。

RPE 的定義（平移部分）：

RPEΔ=1N−Δ∑i=1N−Δ∥trans⁡(Ei)∥2\mathrm{RPE}_{\Delta}=\sqrt{\frac{1}{N-\Delta}\sum_{i=1}^{N-\Delta}\left\lVert \operatorname{trans}\left(\mathbf{E}_i\right)\right\rVert^2}
Ei=(Qi−1Qi+Δ)−1Pi−1Pi+Δ\mathbf{E}_i=\left(\mathbf{Q}_i^{-1}\mathbf{Q}_{i+\Delta}\right)^{-1}\mathbf{P}_i^{-1}\mathbf{P}_{i+\Delta}

Qi\mathbf{Q}_i、Pi\mathbf{P}_i 分別為真值與估計位姿（旋轉與平移），Ei\mathbf{E}_i 是真值相對位姿與估計相對位姿之間的差異，trans⁡(⋅)\operatorname{trans}(\cdot) 取其平移部分；Δ\Delta 以幀數計，不是距離或時間。本圖的 RPE 直接用估計位姿計算，不做對齊，也不校正尺度。本模擬的航向雜訊加在每一步的旋轉增量上，只改變下一幀的朝向，不改變這一步在上一幀座標中的平移，所以沒有尺度誤差與跳動時，Δ=1\Delta = 1 的平移 RPE 為 0；Δ≥2\Delta \ge 2 起才會反映累積的航向漂移，本表以 Δ=10\Delta = 10 呈現。

比較數字之前：不同來源的 ATE，只有在對齊方式（不對齊、剛體或含尺度）、資料關聯（估計與真值如何配對、未配對的幀如何處理）與統計量（RMSE、平均、中位數或最大值）都相同時，才能直接比較。上表三列來自同一條估計軌跡，差異完全由對齊方式造成。

觀察重點：

  1. 按「只有剛體偏移」：不對齊的 ATE 很大，SE(2) 與 Sim(2) 對齊後歸零；RPE 同樣為零，因為它只比較相對位姿，整體移動不影響。
  2. 按「只有尺度誤差」（相當於單目相機無法由影像本身確定絕對尺度的情況）：SE(2) 仍留下誤差，Sim(2) 卻把 ATE 壓到零，只剩 s^\hat{s} 偏離 1 與 RPE 透露尺度有誤；若只報告 Sim(2) 的 ATE，尺度誤差就被藏起來。
  3. 按「全部誤差」，比較「若無跳動」欄：跳動只影響 75 幀中的 3 幀，在平方平均中被稀釋，不對齊與 SE(2) 的 ATE RMSE 只小幅變動；Sim(2) 對齊後其他誤差已很小，同樣 3 幀的跳動在平方和中占比變大，RMSE 上升較明顯，可見稀釋的程度取決於其他誤差的大小。RPE（Δ=1\Delta = 1）則明顯上升，因為其他相鄰幀對的誤差都很小，而跳動進出的 2 對誤差約等於跳動幅度。「跳動處局部點雲」圖中，跳動幀的掃描與前後幀錯開約一個跳動幅度，平行於行進方向的牆面變成雙層。
  4. 三個 RMSE 必然依序不增（不對齊 ≥ SE(2) ≥ Sim(2)），因為對齊是在越來越大的變換族中最小化同一個平方和；max 沒有這個保證。

簡化條件：2D 平面；真值已知，且與估計逐幀一對一配對，沒有時間戳偏差或插值；尺度誤差設為整條軌跡固定的比例；航向漂移是獨立高斯增量的隨機漫步；跳動只側移連續 3 幀、不含旋轉，之後立即回到原軌跡。對齊用全部幀的最小平方計算，未處理離群值。局部點雲以跳動前最後一幀為錨點，把在真實位姿上模擬的掃描依估計的相對位姿放置，沒有後續的地圖最佳化。1/s^−11/\hat{s}-1 與「若無跳動」欄都是本圖的示意換算，不是標準評估指標；s^\hat{s} 是最小平方擬合的結果，航向漂移與跳動也會讓它稍微偏離 1，因此唯有誤差來源只剩尺度誤差與剛體偏移時，1/s^−11/\hat{s}-1 才恰好等於設定的 s。3D 軌跡改用 SE(3) 與 Sim(3)，原理相同。

漂移：隨路徑累積的誤差

在本站讀到的研究中，漂移（drift）沒有統一的公式，而是以一段距離後的偏差、占軌跡長度的比例，或特定位置的偏差表示。營建相關的實測提供了幾個條件明確的例子：

  • Fahle 等人在地下礦場以入口約束對齊時，報告漂移在 150 m 處達 0.18 m，約為軌跡長度的 0.12%；同一資料若以迭代最近點（iterative closest point, ICP）做整體對齊，漂移可能被掩蓋(Fahle et al., 2022, Sec. 4.4, Fig. 7-8)。
  • Keitaanniemi 等人以手持 SLAM 掃描一棟 1960 年代四層大學建築的走廊、房間與樓梯（單次約 10 分鐘、約 440 m 的封閉路徑），以 TLS 為參考，報告漂移主要在垂直方向（在水平面上量得），最大 10.6 cm，出現在距起終點最遠的軌跡中段(Keitaanniemi et al., 2023, Abstract; Sec. 5.1, 6)。這個漂移是相對於前 99 秒 ICP 定錨的結果(Keitaanniemi et al., 2023, Sec. 3.2.1, 4.2)。
  • Štroner 等人在約 120 m 的礦業坑道只以兩端四顆球靶做剛體轉換，觀察到偏差在兩端控制點中間最大，呈「香蕉形」變形(Štroner et al., 2025, Sec. 3.4, Fig. 6)。

這三項研究的場址都很少（Fahle 等人兩座礦場，另兩項各一處），也都不是施工中的建築工地：大學建築是已完工建物，另外兩項在地下礦場與礦業坑道。跨研究來看，它們共同指向評估設計的影響：只看端點閉合差，或只看整體 ICP 對齊後的殘差，都可能低估軌跡中段的累積誤差（推論）。

稀疏控制點計分

Hilti SLAM Challenge 在少數已測量的控制點上比較估計位置，並依誤差區間給分。2021 年版在對齊後，誤差小於 1 cm 得 10 分、1 至 10 cm 得 6 分、至 1 m 得 3 分；作者說明門檻依其需要次公分精度的使用情境設定，分段計分也用來處理不完整的軌跡(Helmberger et al., 2022, Sec. V)。2022 年版先以 SE(3) Umeyama 對齊控制點，再依 <1、1 至 3、3 至 6、6 至 10 cm 分段給分並正規化(Zhang et al., 2023c, Sec. V-D, Eq. 1-2)；2023 年版新增小於 0.5 cm（20 分）與 10 至 40 cm（1 分）兩個區間，其餘區間的分數也改為 0.5 至 1 cm 得 10 分、1 至 3 cm 得 6 分、3 至 6 cm 得 5 分、6 至 10 cm 得 3 分(Nair et al., 2024, Sec. V-A, V-D)。三個年版的計分規則不同，分數不能跨年比較（推論）。

Hilti-Oxford 的作者指出，這種分數大致跟隨平均 ATE，但誤差落在高分區間之外或軌跡不完整時會與之背離；分數也不計入延遲與計算量(Zhang et al., 2023c, Sec. VI-B, VI-C)。

失敗、完整度與執行資源

軌跡指標只對有輸出的部分有定義。Hilti 2021 以分段計分處理不完整軌跡(Helmberger et al., 2022, Sec. V)；Blum 等人在施工中工地以靜止機器人測試 BIM 定位時，除了對全測站追蹤稜鏡的位置誤差，也報告了失敗率與重複性(Blum et al., 2021, Tables I-IV)。Feng 等人在施工中醫院大樓比較十種開源光達 SLAM 後，自承執行時間、計算負載與對動態物的穩健性等指標尚未量化(Feng et al., 2025, Sec. 6)。

第二層：點雲、地圖與表面

第二層直接比較輸出的幾何與參考幾何。這些指標在計算前幾乎都要先把受測點雲對齊參考，量到的是對齊之後的殘差；對齊方式的影響見對齊一節。

雲對雲最近鄰距離（C2C）

Girardeau-Montaut 等人為了以 TLS 快速偵測工地與電廠的變化，以同一個八元樹（octree）切分兩片點雲，對受比較點雲的每一點，取參考點雲中最近點的歐氏距離，即常稱的雲對雲距離（cloud-to-cloud distance, C2C）；這個比較不對稱(Girardeau-Montaut et al., 2005, Sec. 3.2, Eq. 1)。作者指出三個問題：對兩次掃描的取樣密度差異很敏感、計算時間取決於八元樹層級，以及任何點都必有最近鄰，最近鄰距離並不代表真的有變化(Girardeau-Montaut et al., 2005, Sec. 3.3)；配準誤差也會直接干擾變化偵測，可能造成誤判(Girardeau-Montaut et al., 2005, Sec. 2)。改在最近點周圍擬合局部曲面、計算點到曲面距離，可降低密度影響，但處理時間約增加 2 至 4 倍(Girardeau-Montaut et al., 2005, Sec. 3.3)。

d(p,R)=min⁡r∈R∥p−r∥d(\mathbf{p},R)=\min_{\mathbf{r}\in R}\lVert\mathbf{p}-\mathbf{r}\rVert

該研究的現場資料來自市區建築工地的開挖階段與電廠室內，但只展示定性的變化圖，沒有以獨立參考量測驗證距離精度(Girardeau-Montaut et al., 2005)。

M3C2：沿法向的距離與信賴區間

Lague 等人指出，真實位移很小時，C2C 受表面粗糙度與點密度影響(Lague et al., 2013, Fig. 1)。M3C2（Multiscale Model to Model Cloud Comparison）先在與局部粗糙度相符的尺度 D 估計法向，再以直徑 d 的圓柱沿法向投影兩片點雲，取平均距離，並給出局部信賴區間，即 95% 偵測下限（level of detection, LoD95）(Lague et al., 2013, Sec. 3.1)。LoD95 等於 1.96 乘以兩片子點雲局部粗糙度標準誤的合成值與配準誤差之和，作者建議每片子點雲至少 4 點、最好 30 點以上(Lague et al., 2013, Sec. 3.1-3.3, Eq. 1)。作者表示，以高精度測量級掃描儀配合毫米級局部地理參考，在 50 m 範圍內可例行達到 6 mm（95% 信賴）的偵測下限(Lague et al., 2013, abstract)；論文的應用案例是紐西蘭 Rangitikei 河谷地形的 TLS 調查。作者也指出，高精度掃描時，誤差預算主要由配準誤差與表面粗糙度主導(Lague et al., 2013, abstract; Sec. 5.2.3)。

營建相關研究已用 M3C2 比較 SLAM 點雲與 TLS，例如 Keitaanniemi 等人以平面上的 M3C2 分析手持 SLAM 的漂移(Keitaanniemi et al., 2023)，Salgues 等人在三處既有建築室內以 M3C2 評估手持與背包式兩款行動測繪系統（背包式只用於其中一處）(Salgues et al., 2020)。

Hausdorff 距離與 Chamfer 距離

Metro 為量測網格簡化誤差而設計：以使用者設定的取樣步長對第一個網格的三角面做掃描轉換取樣（也可改用蒙地卡羅取樣），再以三維均勻格網找出每個樣本到另一網格最近面的距離(Cignoni et al., 1998, Sec. 3)。論文把單向距離定義為所有樣本距離的最大值；以 -s 選項交換兩網格再算一次，兩者中較大者即 Hausdorff 距離；平均距離則是距離在第一個曲面上的面積分除以面積。工具輸出最大、平均與均方誤差，以及依誤差著色的網格與誤差直方圖(Cignoni et al., 1998, Sec. 2-3)。後來的 Metro 4.07 軟體則同時輸出正向與反向的最大、平均與均方根距離，與論文版本不同(Cignoni et al., 1998)。

HD=max⁡ ⁣(max⁡p∈Md(p,R), max⁡r∈Rd(r,M))\mathrm{HD}=\max\!\Big(\max_{\mathbf{p}\in M}d(\mathbf{p},R),\ \max_{\mathbf{r}\in R}d(\mathbf{r},M)\Big)

Hausdorff 距離只取最大值，因此由單一最差樣本決定；離群點、重影或未對應區域都會支配結果（推論）。

Chamfer 距離（Chamfer distance, CD）結合兩個方向的平均最近點距離。MapEval 的作者指出它對雜訊與密度變化高度敏感(Hu et al., 2025, Sec. II-B2)，並在其 S14 戶外停車場序列上報告：FAST-LIO2 與具迴圈修正的 PALoc 兩張地圖之間，Chamfer 距離幾乎沒有變化，而他們提出的 AWD 反映了後者較佳的全域精度(Hu et al., 2025, Sec. IV-C, Table V)。不過真實資料的比較只涵蓋這兩個 SLAM 系統與 12 條序列，部分文字敘述（S9、S10）也與表 V 不一致，這項證據的樣本很小（推論）(Hu et al., 2025, Sec. IV-C1; Table V)。不同研究對 Chamfer 距離的寫法可能不同（兩方向取和或平均、用距離或距離平方），跨研究比較前應先確認定義（推論）。

precision、recall 與 F-score

Tanks and Temples 把精度（precision）定義為重建點距真值小於門檻的比例，召回率（recall）定義為真值點距重建小於門檻的比例，F-score 為兩者的調和平均(Knapitsch et al., 2017, Eq. 5-7)。這裡的 precision 是比例，與計量學中以標準差表示的量測精密度不是同一個概念（見不確定度一節）；門檻依各場景的尺度與取樣密度分別設定(Knapitsch et al., 2017, Sec. 4.1)。計分之前，重建結果先以 Umeyama 相似轉換（含尺度）與延伸到相似轉換的 ICP 對齊，再以體素重取樣，並裁切到人工界定的評估範圍(Knapitsch et al., 2017, evaluation section)。SLAM 資料集也沿用這組定義，例如 Oxford Spires 以 5 cm 與 10 cm 門檻報告重建的 F-score(Tao et al., 2025, Sec. 6.2.1)。

Prec(τ)=∣{p∈M:d(p,R)≤τ}∣∣M∣,\mathrm{Prec}(\tau)=\frac{\lvert\{\mathbf{p}\in M: d(\mathbf{p},R)\le\tau\}\rvert}{\lvert M\rvert},
Rec(τ)=∣{r∈R:d(r,M)≤τ}∣∣R∣\mathrm{Rec}(\tau)=\frac{\lvert\{\mathbf{r}\in R: d(\mathbf{r},M)\le\tau\}\rvert}{\lvert R\rvert}

MapEval：以參考地圖為基礎的指標組

MapEval 以 TLS（或固態光達定點累積）建立參考地圖，以點到平面 ICP 把 SLAM 點雲對齊參考，再在距離門檻內建立對應。除了準確度（accuracy, AC）、完整度（completeness, COM）、Chamfer 距離與平均地圖熵（MME）等既有指標，作者把兩張地圖切成相同體素、以高斯近似各體素的點分布，提出平均 Wasserstein 距離（average Wasserstein distance, AWD）衡量全域幾何、空間一致性分數（spatial consistency score, SCS）衡量局部一致性(Hu et al., 2025)。其實驗設定為對應門檻 0.2 m、AWD 與 SCS 體素 3.0 m、MME 半徑 0.1 m(Hu et al., 2025, Sec. IV-A)。本站讀的是 arXiv v2 全文，並已與 RA-L 正式版對照第 I 至 V 節的文字，表 V、VI 的數值兩版相同。

作者也報告了這些指標的條件：完整度低時 AC 不可靠(Hu et al., 2025, Sec. III-B)；AWD 隨體素大小近似線性增加，在 S1 序列從 5 cm 體素的 4.90 cm 增至 70 cm 體素的 135.66 cm；作者並建議戶外用 3 至 4 m、室內用 2 至 3 m 的體素，且指出地圖稀疏時指標可靠度下降(Hu et al., 2025, Sec. IV-E, IV-F, Fig. 7)。MapEval 未在營建工地測試，資料來自 FusionPortable、Newer College、GEODE 與作者自行收集的資料(Hu et al., 2025, Sec. IV-A, Table II)。

不需參考的地圖清晰度指標

沒有參考地圖時，有研究以地圖本身的清晰度評分。Razlaw 等人沿用 Droeschel 等人提出的平均地圖熵（mean map entropy, MME），即每點在半徑 r 內局部共變異熵的平均（他們取 r = 0.3 m），並提出平均平面變異（mean plane variance, MPV）(Razlaw et al., 2015, Sec. IV-A, Eq. 1-2)。在動作捕捉資料上，不同參數組的 MME 與 MPV 都與真值位姿的 ATE 相關(Razlaw et al., 2015, Sec. V-C, Fig. 7)；但作者也指出，這兩個指標只對整體一致的軌跡估計有意義，配準誤差大時點會分散，破壞鄰域與平面假設，反而可能得到較小、看似較佳的數值(Razlaw et al., 2015, Sec. V-C)。他們也以實例顯示，明顯較差的對齊可能得到較低的 MME，因此建議只與軌跡誤差或目視檢查並用(Razlaw et al., 2015, Sec. V, Fig. 8)。

互動 Q-02b點雲品質指標各自看見什麼教學模擬 · 非實測資料
情境（每個只加入一種缺陷）
量測點雲（橙）的缺陷
上牆重影層（如閉合前漂移）
評估設定

τ 只影響 precision、recall、F-score 與著色；平均距離、Chamfer、Hausdorff 與 τ 無關。

平面圖：量測點依 d(p, R) 相對 τ 著色

放大區門洞柱1 m

右上角放大（右牆位移、上牆重影）

右牆上牆10 cm
  • 參考點雲（視為正確，1 cm 間距）
  • 缺漏：參考點 d(r, M) > τ
  • 量測點 d(p, R) ≤ τ/2
  • τ/2 < d ≤ τ
  • τ < d ≤ 2τ
  • d > 2τ

兩個方向的最近點距離分布（點選圖面可設定 τ）

量測→參考 0.0 至 0.5 cm：57.0%量測→參考 0.5 至 1.0 cm：36.5%量測→參考 1.0 至 1.5 cm：6.5%量測→參考 1.5 至 2.0 cm：0.0%量測→參考 2.0 至 2.5 cm：0.0%量測→參考 2.5 至 3.0 cm：0.0%量測→參考 3.0 至 3.5 cm：0.0%量測→參考 3.5 至 4.0 cm：0.0%量測→參考 4.0 至 4.5 cm：0.0%量測→參考 4.5 至 5.0 cm：0.0%量測→參考 5.0 至 5.5 cm：0.0%量測→參考 5.5 至 6.0 cm：0.0%量測→參考 6.0 至 6.5 cm：0.0%量測→參考 6.5 至 7.0 cm：0.0%量測→參考 7.0 至 7.5 cm：0.0%量測→參考 7.5 至 8.0 cm：0.0%量測→參考 8.0 至 8.5 cm：0.0%量測→參考 8.5 至 9.0 cm：0.0%量測→參考 9.0 至 9.5 cm：0.0%量測→參考 9.5 至 10.0 cm：0.0%量測→參考 10.0 至 10.5 cm：0.0%量測→參考 10.5 至 11.0 cm：0.0%量測→參考 11.0 至 11.5 cm：0.0%量測→參考 11.5 至 12.0 cm：0.0%量測→參考 12 cm 以上：0.0%參考→量測 0.0 至 0.5 cm：22.4%參考→量測 0.5 至 1.0 cm：40.6%參考→量測 1.0 至 1.5 cm：26.4%參考→量測 1.5 至 2.0 cm：8.7%參考→量測 2.0 至 2.5 cm：1.6%參考→量測 2.5 至 3.0 cm：0.1%參考→量測 3.0 至 3.5 cm：0.0%參考→量測 3.5 至 4.0 cm：0.0%參考→量測 4.0 至 4.5 cm：0.0%參考→量測 4.5 至 5.0 cm：0.0%參考→量測 5.0 至 5.5 cm：0.0%參考→量測 5.5 至 6.0 cm：0.0%參考→量測 6.0 至 6.5 cm：0.0%參考→量測 6.5 至 7.0 cm：0.0%參考→量測 7.0 至 7.5 cm：0.0%參考→量測 7.5 至 8.0 cm：0.0%參考→量測 8.0 至 8.5 cm：0.0%參考→量測 8.5 至 9.0 cm：0.0%參考→量測 9.0 至 9.5 cm：0.0%參考→量測 9.5 至 10.0 cm：0.0%參考→量測 10.0 至 10.5 cm：0.0%參考→量測 10.5 至 11.0 cm：0.0%參考→量測 11.0 至 11.5 cm：0.0%參考→量測 11.5 至 12.0 cm：0.0%參考→量測 12 cm 以上：0.0%τ量測 → 參考（準確度方向）> τ：0.0%參考 → 量測（完整度方向）> τ：1.8%60%060%0246810≥12最近點距離 d（cm）；縱軸為各自點數的比例
  • 量測 → 參考：每個量測點到最近參考點
  • 參考 → 量測：每個參考點到最近量測點

precision、recall、F-score 隨 τ 變化（點選圖面可設定 τ）

0%50%100%024681012距離門檻 τ（cm）τ = 2.0 cm
  • precision（量測點 d ≤ τ 的比例）
  • recall（參考點 d ≤ τ 的比例）
  • F-score（兩者的調和平均）

準確度方向：量測 → 參考

平均最近點距離0.51 cm對照 0.51 cm

precision@τ100.0%對照 100.0%

完整度方向：參考 → 量測

平均最近點距離0.89 cm對照 0.89 cm

recall@τ98.2%對照 98.2%

雙向彙總

Chamfer（兩方向平均之平均）0.70 cm對照 0.70 cm

Hausdorff（兩方向最大值）2.52 cm對照 2.52 cm

F-score@τ99.1%對照 99.1%

τ = 2.0 cm｜量測 828 點（超過 τ：0）｜參考 2070 點（缺漏：37）。 「對照」是本頁的比較用設定（同一雜訊、密度、亂數與 τ，但不加位移、重影、缺漏與離群點），不是標準指標。

觀察重點：依序點選上方情境，每個情境只加入一種缺陷，並與讀數旁的「對照」比較。（1）遮蔽缺漏：量測→參考方向的平均距離與 precision 幾乎不變，因為被遮蔽處沒有量測點可以評分；缺漏只由參考→量測方向（recall、完整度平均距離）察覺，並經由這個方向傳到 Chamfer、F-score 與 Hausdorff。（2）離群點：情況相反，參考→量測方向不受影響；把離群點拉到 1 個，Hausdorff 就跳到 20 cm 以上，因為它只取所有距離中的最大值。這裡的離群點與牆面至少相距 20 cm，大於任何 τ，所以 recall 永遠不變；但若同時有遮蔽缺漏，離群點可能成為缺漏處參考點的最近點，反而讓完整度平均距離變小。（3）單牆位移：τ 小於位移量時 precision 與 recall 一起下降；把 τ 拉過位移量，同一片錯位的牆就全部被算成「正確」，F-score 回到接近 100%，所以 F-score 必須連同 τ 一起報告。（4）重影層：第二層牆若落在 τ 內，precision 幾乎不變、Hausdorff 也不變，在低密度時還會填補取樣空隙，使 recall 與 F-score 小幅上升；只有量測→參考方向的平均距離（連帶 Chamfer）略增零點幾公分。但牆面已變成兩層，對牆厚、平整度或位移判讀而言，這正是必須處理的缺陷。（5）取樣密度：降低密度時，即使不加位移、重影、缺漏或離群點，參考點到最近量測點的距離也會被點間距拉大，recall 隨之下降。

簡化條件：2D 平面；參考點雲視為完全正確，並以 1 cm 間距取樣，因此即使量測點恰好落在牆線上，到最近參考點的距離仍可達 0.5 cm，這個尺度以下的距離差異沒有意義。距離一律是點到最近點（nearest neighbour）的歐氏距離，未使用點到面距離、法向或局部曲面擬合，也未包含評估前的配準與裁切。雜訊為 x、y 各自獨立的高斯分布；缺漏依固定順序（左牆 → 下牆 → 柱 → 右牆）連續移除，比例以參考輪廓總長計；位移只作用於右牆（代表配準誤差之類的系統性偏移），重影只作用於上牆（代表閉合前漂移造成的第二層牆面）；離群點與輪廓至少相距 20 cm。此處的 Chamfer 取兩個方向平均距離的平均；Chamfer 在不同論文中的定義並不一致（可能取兩方向之和或平均、使用距離或距離平方），跨研究比較前須先確認定義。

本圖採用的指標定義

量測點雲 M、參考點雲 R，點到點雲的距離取最近點：

d(p,Q)=min⁡q∈Q∥p−q∥d(\mathbf{p}, Q) = \min_{\mathbf{q} \in Q} \lVert \mathbf{p} - \mathbf{q} \rVert
dˉM→R=1∣M∣∑p∈Md(p,R)\bar d_{M\to R} = \frac{1}{|M|}\sum_{\mathbf{p}\in M} d(\mathbf{p}, R)
dˉR→M=1∣R∣∑r∈Rd(r,M)\bar d_{R\to M} = \frac{1}{|R|}\sum_{\mathbf{r}\in R} d(\mathbf{r}, M)
CD=12(dˉM→R+dˉR→M)\mathrm{CD} = \tfrac{1}{2}\left(\bar d_{M\to R} + \bar d_{R\to M}\right)
HD=max⁡ ⁣(max⁡p∈Md(p,R), max⁡r∈Rd(r,M))\mathrm{HD} = \max\!\Big(\max_{\mathbf{p}\in M} d(\mathbf{p}, R),\ \max_{\mathbf{r}\in R} d(\mathbf{r}, M)\Big)
Prec(τ)=∣{p∈M:d(p,R)≤τ}∣∣M∣\mathrm{Prec}(\tau) = \frac{|\{\mathbf{p}\in M : d(\mathbf{p}, R) \le \tau\}|}{|M|}
Rec(τ)=∣{r∈R:d(r,M)≤τ}∣∣R∣\mathrm{Rec}(\tau) = \frac{|\{\mathbf{r}\in R : d(\mathbf{r}, M) \le \tau\}|}{|R|}
F(τ)=2 Prec(τ) Rec(τ)Prec(τ)+Rec(τ)F(\tau) = \frac{2\,\mathrm{Prec}(\tau)\,\mathrm{Rec}(\tau)}{\mathrm{Prec}(\tau) + \mathrm{Rec}(\tau)}

因此 Prec(τ) 與 Rec(τ) 就是直方圖中兩個距離分布在 τ 處的累積比例，也就是曲線圖中的兩條曲線。

第三層：工程任務成果

第三層問的是：用這份點雲做出的工程判定是否正確。這一層的指標由任務決定，常見形式包括以規範程序或獨立量測檢查容許差、構件辨識的對錯、尺寸偏差，以及變化偵測能否分辨真實變化與量測誤差。

品質需求由任務反推

Wang 與 Kim 指出，點雲品質常用的參數是精度與空間解析度，覆蓋率有時列為第三項(Wang & Kim, 2019, Sec. 4.1.1)。Aryan 等人回顧營建 TLS 掃描規劃研究時，把點雲品質準則分為完整性（主要）、精度與空間解析度（次要）與可配準性（第三）(Aryan et al., 2021, Sec. 2)。

Rebolj 等人以 Scan-vs-BIM 進度監測為任務，依構件投影到局部座標三個正交平面的面積總和，把構件分為大（至少 5 m²）、中、小、極小（小於 0.25 m²）四級，再以 HeliOS 模擬沿人員行走軌跡移動的行動雷射掃描儀，產生 108 組不同深度精度、光束發散與頻率的點雲，推導構件能被正確辨識所需的條件：既有構件的局部密度依四級分別至少為每平方公尺 14、70、530 與 4500 點，覆蓋率高於 0.5(Rebolj et al., 2017, Sec. 2.1-2.3, 3, Table 2)；深度精度需小於缺漏構件最小邊長的一半(Rebolj et al., 2017, Table 2)。在以 Kinect 2 掃描真實建物局部（18 個構件）的驗證中，三段部分掃描合併使品質劣化（點雲散布指標 LOS，即落在最近構件 1 cm 內的點所占比例，只有 12%，約相當於 146 mm 的深度精度，感測器本身為 21 mm），並有 1 個中型與 2 個極小型的缺漏構件被誤判為存在，但既有構件全數辨識正確(Rebolj et al., 2017, Sec. 2.1, 4.3-4.4)。

規範與指南如何定義精度與驗收

USIBD 的精度等級（Level of Accuracy, LOA）規範參考德國 DIN 18710，以 95% 信賴水準（2σ）的標準差範圍定義五級：LOA10 為 5 cm 以上、LOA20 為 5 cm 至 15 mm、LOA30 為 15 至 5 mm、LOA40 為 5 至 1 mm、LOA50 為 1 至 0 mm(USIBD, 2016, p. 8)。規範區分量測精度（measured accuracy）與表現精度（represented accuracy），前者須指定為絕對或相對(USIBD, 2016, p. 9-10)；名詞定義部分另以「感測器標準差約為容許差的五分之一」作為營建經驗法則(USIBD, 2016, p. 26)。規範也定義量測驗證的三個選項：不檢核、以重疊資料集檢核，或以獨立量測或方法檢核(USIBD, 2016, p. 16-17)。本站讀到的是 2.0 版，已被 3.0 與 3.1 版取代，引用數值前須以現行版本核對。

Aryan 等人指出，評估 LOA 需要精度約高一個數量級的控制資料，因此只能涵蓋有限的控制點；TLS 常見的數毫米配準誤差，對 LOA 的影響可與單點量測誤差相當(Aryan et al., 2021, Sec. 2.2-2.3)。

美國 GSA 的 3D 成像指南把容許差（tolerance）定義為交付成果與以其他方法取得的真值之間允許的尺寸偏差(U.S. GSA, 2009, Sec. 2.3)，並以控制網、獨立量測（雷射追蹤儀、全測站、捲尺）、重疊區比較或已知長度的標準件驗收。以 3D 模型為例，契約可規定 X% 的距離誤差不超過 Y mm，X 介於 70 至 100。指南也說明，當時點雲單點的不確定度，以及配準與建模誤差，無法從理論量化，因此驗收依賴實體檢核量測，可能無法涵蓋所有誤差(U.S. GSA, 2009, Sec. 3.2, 3.2.1)。

樓板平整度：一個有標準程序的任務

ASTM E1155 規定量測樓板表面剖面並計算 FF（平整度）與 FL（水平度）F-number 的試驗方法，用途包括檢查隨機行車樓板是否符合指定的容許差；ASTM 頁面說明，對以固定路徑車輛為主的樓板（例如窄巷道倉儲），不得以其結果執行契約的平整度與水平度容許差(ASTM International, 2023)。本站只讀到 ASTM 網站商品頁上的範圍與用途段落，未讀標準全文；取樣細節依 Bosché 與 Guenet 對 1996 年版的轉述：平行取樣線間距至少 4 ft（約 1.2 m）、沿線每 12 in（約 0.3 m）一個讀數，並排除距邊界 2 ft（約 0.6 m）內的位置（排除面積超過 25% 時除外）(Bosché & Guenet, 2014, Sec. 6.1)。ACI 117 規定混凝土施工與材料的標準容許差，目錄涵蓋建築物現場澆置混凝土的垂直度、位置、高程、斷面尺寸與平面偏差等項目；其前言說明本文件不得直接在契約文件中引用，須由設計者改寫為強制性文字(ACI Committee 117, 2010)；本站只讀到 ACI 公開預覽中的目錄與前言評註，未讀條文中的容許差數值。

Bosché 與 Guenet 以 Scan-vs-BIM 原理把 TLS 點雲對齊 BIM，將點分派給樓板構件，再自動執行直尺法與 F-number 兩種平整度檢查。他們在兩片約 25 年的混凝土實驗室樓板上，把直尺法的結果與粉筆方格加 2 m 直尺及鋼尺的人工量測比較（F-number 未與人工 F-number 量測比較），結論是 TLS 的精度足以執行標準平整度檢查(Bosché & Guenet, 2014, Sec. 7-9, Fig. 12)。作者也報告，有兩條直尺的人工與 TLS 結果差異明顯而原因不明，F-number 與 3 m 直尺等值的一致性在其中一片樓板較弱(Bosché & Guenet, 2014, Sec. 8.1.1, 8.3)。

另一個方向是直接由點雲偵測平整度缺陷。Tang 等人在含黏土模擬缺陷（直徑 3 至 50 cm、厚 1 至 7 mm）的水平試驗平板上，比較三種偵測演算法與三台地面掃描儀在 3 至 20 m 距離的偵測、定位與誤報表現；摘要所稱在 20 m 距離可偵測寬約 3 cm、厚 1 mm 的缺陷，對應的是其中一台 TOF 掃描儀搭配滑動視窗演算法「偵測到但未定位」的結果(Tang et al., 2011, abstract; Framework; Table 6)。這是受控試驗，不是 SLAM，也不是實際工地(Tang et al., 2011, Framework; Test Procedure)。Bosché 與 Guenet 則指出，這類缺陷指標與直尺法、F-number 等標準規格不相容，難以據以判定合格(Bosché & Guenet, 2014, Sec. 2.2)。

判定本身帶有風險

JCGM 106 說明，在有容許界限的符合性評鑑（conformity assessment）中，量測不確定度使判定永遠伴隨兩種風險：把不合格品判為合格（消費者風險，consumer's risk），或把合格品判為不合格（生產者風險，producer's risk）(JCGM, 2012a, 3.3, 7.1.1)。文件區分容許區間與允收區間，兩者之間為防護帶（guard band），並把決策規則（decision rule）定義為說明如何在允收或拒收判定中納入量測不確定度的書面規則(JCGM, 2012a, 3.3.11-3.3.12)。量測能力指標（measurement capability index）定義為容許區間寬度除以四倍的標準量測不確定度，分母的 4 是配合 k = 2 涵蓋的任意選擇(JCGM, 2012a, 7.6.2-7.6.3)：

Cm=TU−TL4um=T2U,U=2umC_m=\frac{T_U-T_L}{4u_m}=\frac{T}{2U},\qquad U=2u_m

已有哪些任務層證據

下表列出本站紀錄中與營建或地下工程相關、具獨立參考或任務真值的代表研究，看它們是否量測了任務成果。「任務成果」指判定、辨識或偵測結果本身，而不只是幾何誤差。

研究場域類型資料來源任務成果是否量測
(Bosché & Guenet, 2014)已完工建物（兩片實驗室樓板）靜態 TLS是：個別直尺偏差與整體合格判定，對照人工直尺
(Rebolj et al., 2017)模擬，另有一處真實建物局部模擬掃描、Kinect 2是：構件存在或缺漏的辨識正確性
(Thomson et al., 2013)已完工建物（單一走廊）SLAM 行動掃描是：10 個門與 7 個窗的寬高差，對照 TLS 模型與全測站
(Fahle et al., 2022)地下礦場（兩座）SLAM 行動掃描是：模擬落石的偵測（非結構化場景中最小的岩塊未以 C2C 辨識出），以及經現場目視與測距儀監測確認的收斂變形
(Zhang et al., 2024b)施工中工地（7 個樓層）手持 SLAM（FAST-LIO2）部分：評估對 BIM 的配準誤差，參考為以 3 至 4 個工地量測特徵點為同名點的人工配準；構件關聯只有定性展示
(Křemen et al., 2025)高速公路工程產生的土方堆置場（施工中的營建土方情境）背包式 SLAM否：只報告點雲對 TLS 參考 TIN 的均方根偏差（RMSD），論文未計算體積或土方量
(Blum et al., 2021)施工中工地（一處工地的三個位置）靜止機器人的 BIM 定位否：位置誤差、重複性與失敗率（表 II 至 IV 的模型偏差是作者人為加入的 0.3 m），未量測任務成果
(Keitaanniemi et al., 2023)已完工建物手持 SLAM否：M3C2 漂移分析，未做變化偵測實驗
(Schillberg et al., 2025)已完工建物四足機器人上的光達 SLAM否：APE 與對 TLS 的雲對雲距離
(Štroner et al., 2025)礦業坑道商用 SLAM 與靜態掃描否：RMSD、系統偏移、雜訊

Thomson 等人的結果說明任務層比較能看到什麼：與 TLS 模型相比，兩種行動系統建立的門窗寬高平均差數公分，最大達 42 cm；即使 TLS 模型與傳統全測站及捲尺量測相比，門的寬高平均也差 1.3 與 2.0 cm，顯示建模步驟本身也有不確定度(Thomson et al., 2013, Tables 3-4)。作者結論是這類系統適合資產盤點與設施管理，不適合需要毫米級精度的測量工程與監測(Thomson et al., 2013, Sec. 5)。Fahle 等人則報告，以 SLAM 將新期資料配準到基準圖，所得的相對精度遠優於絕對精度(Fahle et al., 2022, Sec. 4.6)；在假設 3 cm 偵測下限時，他們偵測到三個月內最多約 10 cm（每日約 1.0 mm）的收斂變形，並經目視與測距儀監測確認(Fahle et al., 2022, Sec. 4.7, Fig. 15)。

不確定度、參考量測與對齊

名詞：準確度不是一個數字

SLAM 文獻常把對齊後的 RMSE 稱為精度或準確度（推論，依本站閱讀的文獻歸納）。計量詞彙的定義更嚴格，下表整理 VIM 與 GUM 中與點雲評估最相關的用語。

用語定義重點出處
量測準確度measurement accuracy量測值與被測量真值之間的一致程度；它不是一個量，不賦予數值。(JCGM, 2012b, 2.13, Note 1)
量測正確度measurement trueness無限次重複量測的平均值與參考值的一致程度；與系統誤差成反向關係，與隨機誤差無關。(JCGM, 2012b, 2.14, Note 2)
量測精密度measurement precision在指定條件下重複量測結果之間的一致程度，通常以標準差等不精密度指標表示。(JCGM, 2012b, 2.15)
重複性、中間精密度、再現性repeatability, intermediate precision, reproducibility分別對應相同程序與系統的短時間重複、較長時間且可含變動的條件，以及不同地點、操作者與量測系統的條件。(JCGM, 2012b, 2.20-2.25)
量測不確定度measurement uncertainty與量測結果相關、表徵可合理歸屬於被測量之數值分散程度的參數；包含系統效應的成分與定義不確定度。(JCGM, 2008, 2.2.3)；(JCGM, 2012b, 2.26, Note 1)
A 類與 B 類評估Type A / Type B evaluation以觀測統計分析的 A 類與以其他資訊的 B 類；這是評估方法的分類，不能代替隨機與系統誤差的區分。(JCGM, 2008, 3.3.3-3.3.4)

GUM 列出的不確定度來源包括被測量定義不完整、取樣不具代表性、解析度有限、參考值不準確，以及方法中的近似(JCGM, 2008, 3.3.2)。GUM 假設已修正所有已知的顯著系統效應；未被辨識的系統效應無法納入不確定度，卻仍會造成誤差(JCGM, 2008, 3.2.4, 3.3.2)，而記錄或分析上的錯誤也不在不確定度的涵蓋範圍內(JCGM, 2008, 3.4.7)。報告擴展不確定度時，應說明被測量的定義、估計值與擴展不確定度（含單位）、涵蓋因子 k，以及區間的近似涵蓋機率與其決定方式；GUM 把這個機率稱為 level of confidence，刻意不稱為統計上的信賴水準(JCGM, 2008, 6.2.2; 7.2.3)。

參考量測的精度不等於受測 SLAM 的精度

評估結果最多只能與參考一樣可靠。參考本身也分層次：參考地圖（例如 TLS）、由參考地圖推得的參考軌跡，以及受測 SLAM 的輸出，各有不同的不確定度。下表列出幾個常用資料集中，作者對參考的陳述。

資料集參考類型作者陳述的參考精度場域
TUM RGB-D (Sturm et al., 2012, abstract; Sec. VI)8 台高速相機的動作捕捉，100 Hz以約 2 m 長桿檢核，長度標準差 1.96 mm；作者估計真值誤差逐幀低於 1 mm 與 0.5°、在捕捉範圍內絕對誤差低於 10 mm 與 0.5°，並指出 0.34 至 0.49° 的方向誤差在 5 m 處約相當於 30 至 43 mm，因此動作捕捉位姿不足以直接產生或評估高精度三維模型；動作捕捉與彩色影像間約 20 ms 的延遲已估計並修正（深度與彩色影像間約 20 ms 的時差則留在資料中）辦公室與工業廠房，非營建
KITTI (Geiger et al., 2012, Sec. 2.1, 2.3)GPS/IMU 輸出開闊天空下低於 5 cm室外道路
Hilti 2021 (Helmberger et al., 2022, Sec. III-D)全測站停走追蹤稜鏡，或動作捕捉（稀疏）稜鏡靜態測距 3 mm；動作捕捉低於 1 mm多種場所，只有名為 Construction Site 的一處明確是營建工地
Hilti-Oxford (Zhang et al., 2023c, Sec. V)TLS 參考點雲；每序列 5 至 10 個地面十字控制點；另有配準到 TLS 的稠密軌跡控制點為毫米級；稠密軌跡 1 至 2 cm；工地有 95% 的 TLS 掃描位置不確定度在 3 mm 內施工中工地（階段未報告）、歷史劇院、辦公走廊
Hilti 2023 (Nair et al., 2024, Sec. III-D, IV)由 TLS 萃取的地面控制點；機器人以光達強度偵測圓形標靶機器人標靶偵測的相對誤差中位數 2.3 mm（在預先測量的 6×6 網格上檢核，未涵蓋絕對測距偏差）新建工程、改建中地下停車場、部分作倉庫的既有隧道走廊
ConSLAM (Trzeciak et al., 2023, Ground-truth scans; Ground-truth trajectories)關鍵光達掃描以 ICP 配準到測量團隊的 TLS 點雲參考軌跡的不確定度未量化；作者承認若要作更嚴格的實驗用途，需要對真值配準做更嚴謹的不確定度分析施工中工地，每月重訪
Oxford Spires (Tao et al., 2025, Sec. 5.1.7)光達掃描離線 ICP 配準到 TLS 地圖約 1 至 2 cm，粗於 TLS 地圖本身歷史建築，非營建

參考也可能不是獨立量測。例如在室內施工現場錄製的 HCIC 資料集，參考軌跡直接取自修改版的 FAST-LIO2 光達慣性里程計(Li et al., 2025, Sec. 2.2)。Nair 等人另指出，ICCV 2023 SLAM Challenge（SubT-MRS）所用的真值因掃描對地圖對齊，精度約在 ±10 cm 範圍(Nair et al., 2024, Sec. II)。

參考也需要先被驗證。Štroner 等人先以全測站量測的 24 個檢核點（其中 1 點經目視檢查剔除）驗證 Leica P40 參考點雲（RMSD 1.4 mm），再比較四款 SLAM 與兩款靜態掃描儀；只以兩端四顆球靶做剛體轉換後，SLAM 的 RMSD 為 12 至 24 mm（不含一次明顯錯誤的 GeoSLAM 量測）、靜態掃描為 22 至 27 mm，作者認為由 27 至 30 站合併的靜態點雲可能彎曲(Štroner et al., 2025, Abstract; Sec. 2.3; Table 3; Sec. 4)。這組數字來自單一約 120 m 的礦業坑道，SLAM 資料由各設備經銷商的技術人員採集(Štroner et al., 2025, Sec. 2.2)；作者也提醒，結果限於粗糙岩壁，牆面平滑的建築物可能不同，每款 SLAM 三次量測也不足以做嚴謹統計(Štroner et al., 2025, Sec. 4)。

對齊方式決定量到什麼

幾乎所有第一層與第二層指標，都要先把受測資料對齊參考。對齊變換吸收了哪些誤差，那些誤差就不會出現在指標裡。

評估設計被對齊吸收的誤差仍可看見的誤差文獻中的例子
以第一個位姿定錨起點的位置與方向之後累積的漂移ConSLAM 以 evo 示範 APE，只以第一個位姿對齊(Trzeciak et al., 2023)
剛體對齊 SE(3)整體的旋轉與平移尺度誤差與形狀扭曲；漂移仍可見，但被最小平方分攤到整條軌跡TUM RGB-D 的 ATE(Sturm et al., 2012, Sec. VII-B)；Hilti-Oxford 對控制點的 SE(3) 對齊(Zhang et al., 2023c, Sec. V-D)
4 自由度（平移與偏航）整體平移與偏航橫滾、俯仰與其他誤差視覺慣性系統(Zhang & Scaramuzza, 2018, Table I)
相似對齊 Sim(3)旋轉、平移與尺度形狀一致性；尺度誤差被隱藏單目系統(Zhang & Scaramuzza, 2018, Table I)；Tanks and Temples(Knapitsch et al., 2017)
ICP 對齊到參考地圖整體剛體偏移，包括地理參考誤差對齊後的局部殘差MapEval(Hu et al., 2025)；Salgues 等人(Salgues et al., 2020)；Schillberg 等人(Schillberg et al., 2025)
獨立控制點或端點約束只有控制點定義的基準控制點之間的漂移與變形Štroner 等人的兩端球靶(Štroner et al., 2025, Sec. 2.5)；Fahle 等人的入口約束(Fahle et al., 2022, Sec. 4.4)

表中「被對齊吸收的誤差」與「仍可看見的誤差」兩欄，是本站依各種變換的自由度整理的判讀（推論）；引用只支持「文獻中的例子」一欄所列的做法。

田野研究顯示這個選擇會改變結論。Fahle 等人報告，整體 ICP 對齊可掩蓋 SLAM 漂移，入口約束對齊才顯示累積誤差(Fahle et al., 2022, Sec. 4.4, Fig. 7-8)。在高速公路工程產生的土方堆置場（約 150 m × 55 m × 15 m），Křemen 等人以背包式 SLAM 掃描儀比較兩種地理參考方式，並以 12 站 TLS 為參考：以地面控制點得到的 RMSD 平均為 17.7 mm、以掃描儀搭配的 GNSS-RTK 為 21.6 mm（摘要寫為約 17 與 20 mm），且 RTK 資料有系統性的高程偏移(Křemen et al., 2025, Abstract; Materials and Methods; Table 2)。作者在討論中指出，堆頂只以一條窄路與邊坡相連，造成堆頂相對邊坡的系統性高程差，兩種方式都未達原廠 15 mm 的建圖精度；他們建議在堆頂四角布設控制點，並讓 RTK 作業至少連接一個已知高程點(Křemen et al., 2025, Abstract; Discussion)。這是單一場址、單一設備的結果(Křemen et al., 2025)。

指標總表

下列卡片整理本頁討論的指標與幾項相關的評估項目：定義、數值方向、是否需要外部參考、常用門檻或參數，以及它看不見的東西。可依層級、參考需求或關鍵字篩選，或切換為精簡表。

  • 絕對軌跡誤差

    Absolute trajectory error (ATE; APE in evo)

    第一層・位姿與系統需要外部參考

    先以最小平方把估計軌跡對齊參考軌跡（TUM RGB-D 採 Horn 閉式解的剛體對齊），再計算逐幀平移誤差的均方根。

    ATERMSE=(1N∑i=1N∥trans⁡(Qi−1S Pi)∥2)1/2\mathrm{ATE}_{\mathrm{RMSE}}=\Big(\tfrac{1}{N}\textstyle\sum_{i=1}^{N}\big\lVert\operatorname{trans}\big(\mathbf{Q}_i^{-1}\mathbf{S}\,\mathbf{P}_i\big)\big\rVert^2\Big)^{1/2}
    數值方向
    越小越好
    參考需求
    與估計逐幀時間關聯的參考軌跡，例如動作捕捉、全測站或 GNSS/INS。
    門檻與參數
    無通用門檻；須說明對齊自由度、用於對齊的狀態與統計量（RMSE、平均、中位數或最大值）。
    盲點
    • 對齊自由度與用於對齊的狀態都會改變數值。
    • 受錯誤發生的時間點影響。
    • 好的軌跡不必然代表好的地圖。
    • 工具選項（時間關聯、對齊、尺度校正）會改變數值，應報告版本與參數（推論）。
    出處
    (Sturm et al., 2012; Zhang & Scaramuzza, 2018; Horn, 1987; Grupp, 2017)

  • 相對位姿誤差

    Relative pose error (RPE)

    第一層・位姿與系統需要外部參考

    比較相隔 Δ 的位姿對之間，估計與參考的相對運動差異，可反映漂移；TUM RGB-D 建議評估 SLAM 時對所有 Δ 取平均。

    Ei=(Qi−1Qi+Δ)−1(Pi−1Pi+Δ)\mathbf{E}_i=\big(\mathbf{Q}_i^{-1}\mathbf{Q}_{i+\Delta}\big)^{-1}\big(\mathbf{P}_i^{-1}\mathbf{P}_{i+\Delta}\big)
    數值方向
    越小越好
    參考需求
    參考軌跡；只比較相對運動，不需要全域對齊。
    門檻與參數
    Δ 的單位（幀數、時間或距離）與取值應一併報告（推論）。
    盲點
    • 不反映整體位置偏移。
    • 只比較起點與終點位姿會產生誤導。
    • 較 ATE 複雜，不易直接用於排序。
    • 工具預設值會改變數值：evo 的 RPE 預設只取相鄰位姿對，時間關聯預設容許 0.01 s 的時差。
    出處
    (Sturm et al., 2012; Zhang & Scaramuzza, 2018; Grupp, 2017)

  • 子序列相對誤差

    Sub-sequence relative error (KITTI odometry)

    第一層・位姿與系統需要外部參考

    對幀對計算旋轉與平移誤差，在一組子序列上平均，並依子序列長度與車速分別統計；KITTI 的作者說明此度量延伸自 Kümmerle 等人的相對關係度量，目的在避免只看終點誤差而受錯誤發生時間影響。

    數值方向
    越小越好
    參考需求
    KITTI 以 GPS/IMU 輸出為真值，作者陳述開闊天空下精度低於 5 cm。
    門檻與參數
    子序列長度等細節以基準網站為準，本站未查證。
    盲點
    • 參考本身來自 GPS/IMU 輸出，作者只陳述開闊天空下的精度；參考精度限制了可評估的誤差下限（推論）。
    • 序列依定位品質挑選，GNSS 訊號劣化的路段因此偏少（推論）。
    • 室外道路與車輛運動和室內工地差異很大（推論）。
    出處
    (Geiger et al., 2012; Kümmerle et al., 2009)

  • 相對關係誤差

    Relative-relations metric

    第一層・位姿與系統需要外部參考

    只用位姿之間的相對關係計算誤差，平移與旋轉誤差分開計算，不依賴全域參考座標，因此可比較採用不同估計方法或感測器的 SLAM；相對關係以人工比對雷射觀測取得，以避免配準演算法本身的誤差。

    數值方向
    越小越好
    參考需求
    由熟悉環境拓樸的人員人工建立的相對關係。
    盲點
    • 需要人工建立關係；作者主張每個資料集只需做一次，但在高度非結構化的場景中人工比對很困難，室外的人工驗證也較不實際。
    • 分數取決於納入哪些關係：只選鄰近位姿的關係時只檢驗局部一致性，要檢驗整體幾何須加入遠距或外部量測的關係。
    • 關係稀疏，不評估地圖的絕對幾何精度（推論）。
    出處
    (Kümmerle et al., 2009)

  • 漂移

    Drift

    第一層・位姿與系統需要外部參考

    誤差隨軌跡長度或時間累積的程度。沒有統一公式：研究以某段距離後的偏差、占軌跡長度的比例，或特定位置相對參考的偏差表示。

    數值方向
    越小越好
    參考需求
    入口或端點約束、沿線控制點，或涵蓋整條路徑的參考掃描。
    門檻與參數
    無通用門檻；須說明定錨方式與量測位置。
    盲點
    • 以整體 ICP 對齊到參考時，漂移可能被掩蓋；入口約束對齊才顯示累積誤差。
    • 只以兩端控制點做剛體轉換時，最大偏差出現在兩端控制點之間（Štroner 等人）；在封閉路徑中，最大漂移出現在距起終點最遠的中段（Keitaanniemi 等人）。只看端點閉合差會低估這類誤差（推論）。
    • 只比較起點與終點位姿會產生誤導。
    出處
    (Fahle et al., 2022; Keitaanniemi et al., 2023; Štroner et al., 2025; Sturm et al., 2012)

  • 稀疏控制點分段計分

    Sparse control-point score (Hilti SLAM Challenge)

    第一層・位姿與系統需要外部參考

    在少數已測量的控制點上比較估計位置，依誤差區間給分並正規化。2022 年版先以 SE(3) Umeyama 對齊控制點，再依小於 1 cm、1 至 3 cm、3 至 6 cm、6 至 10 cm 分別給 10、6、3、1 分；2023 年版改為小於 0.5 cm 得 20 分、0.5 至 1 cm 得 10 分、1 至 3 cm 得 6 分、3 至 6 cm 得 5 分、6 至 10 cm 得 3 分、10 至 40 cm 得 1 分。

    數值方向
    越大越好
    參考需求
    稀疏控制點：2021 年版以全測站停走追蹤稜鏡或動作捕捉，2022 與 2023 年版以 TLS 建立的地面控制點；作者陳述為毫米級。
    門檻與參數
    分段門檻與各區間分數由各年版基準定義，彼此不同，分數不能跨年比較（推論）。
    盲點
    • 只評估少數時刻的位置，不評估點雲表面品質（推論）。
    • 誤差落在高分區間之外或軌跡不完整時，分數會與平均 ATE 背離。
    • 分數不計入延遲與計算量。
    出處
    (Helmberger et al., 2022; Zhang et al., 2023c; Nair et al., 2024)

  • 失敗、完整度與執行資源

    Failure, completeness and runtime reporting

    第一層・位姿與系統不需外部參考

    一組報告項目而非單一公式：系統是否初始化成功、是否中途失效、輸出軌跡涵蓋多少參考點，以及執行時間與計算資源。例如 Blum 等人在施工中工地的 BIM 定位實驗中另報告失敗率與重複性。

    數值方向
    依定義與情境解讀
    參考需求
    執行紀錄即可；但判定定位是否失效，通常仍需參考量測（推論）。
    盲點
    • Hilti 2021 以分段計分處理不完整軌跡；Hilti-Oxford 的分數不計延遲與計算量。
    • 施工中醫院大樓的十種方法比較中，作者自承執行時間、計算負載與對動態物的穩健性尚未量化。
    • 只平均成功序列，或把失敗填成零，都會扭曲比較（推論）。
    出處
    (Helmberger et al., 2022; Zhang et al., 2023c; Feng et al., 2025; Blum et al., 2021)

  • 雲對雲最近鄰距離

    Cloud-to-cloud (C2C) nearest-neighbour distance

    第二層・點雲與地圖需要外部參考

    對受比較點雲的每一點，取參考點雲中最近點的歐氏距離；此比較不對稱。可改在最近點周圍擬合局部曲面、計算點到曲面距離，以降低密度影響。

    d(p,R)=min⁡r∈R∥p−r∥d(\mathbf{p},R)=\min_{\mathbf{r}\in R}\lVert\mathbf{p}-\mathbf{r}\rVert
    數值方向
    越小越好
    參考需求
    已配準的參考點雲，例如 TLS。
    門檻與參數
    無固定門檻；原作者以深度圖可見性容許值判斷遮蔽區（室外 10 cm 至 1 m、室內 3 至 10 cm）。
    盲點
    • 對兩次掃描的取樣密度差異很敏感。
    • 任何點都必有最近鄰，距離不代表真的有變化。
    • 配準誤差會直接干擾變化偵測，可能造成誤判。
    • 真實位移很小時，受表面粗糙度與點密度影響。
    • 距離無號，也沒有逐點不確定度（推論）。
    出處
    (Girardeau-Montaut et al., 2005; Lague et al., 2013)

  • M3C2 沿法向距離

    Multiscale Model to Model Cloud Comparison (M3C2)

    第二層・點雲與地圖需要外部參考

    在與局部粗糙度相符的尺度 D 估計法向，再以直徑 d 的圓柱沿法向投影兩片點雲，取平均距離，並給出局部信賴區間（95% 偵測下限 LoD95）。

    數值方向
    與門檻或容許值比較
    參考需求
    參考點雲（原研究為 TLS 多期掃描）。
    門檻與參數
    LoD95 逐點計算；D 與 d 由使用者設定。
    盲點
    • 需要使用者設定法向尺度 D 與投影尺度 d。
    • 高精度掃描時，誤差預算主要由配準誤差與表面粗糙度主導。
    • LoD95 假設配準誤差等向且空間均勻，未模擬距離、入射角與反射率造成的位置不確定度。
    • 粗糙表面上 d 大於約 0.5 至 2 m 時，參數式 LoD95 過小，會在沒有變化處判為變化。
    • 原為自然地形開發，對薄構件與 SLAM 雜訊水準的適用性需另外驗證（推論）。
    出處
    (Lague et al., 2013)

  • Hausdorff 距離

    Hausdorff distance (Metro)

    第二層・點雲與地圖需要外部參考

    對第一個曲面取樣，計算每個樣本到另一曲面最近面的距離，取最大值為單向距離；交換兩曲面再算一次，兩個單向最大值中較大者即 Hausdorff 距離（Metro 論文以 -s 選項執行反向計算；後來的 Metro 4.07 軟體同時輸出雙向的最大、平均與均方根距離）。

    HD=max⁡ ⁣(max⁡p∈Md(p,R), max⁡r∈Rd(r,M))\mathrm{HD}=\max\!\Big(\max_{\mathbf{p}\in M}d(\mathbf{p},R),\ \max_{\mathbf{r}\in R}d(\mathbf{r},M)\Big)
    數值方向
    越小越好
    參考需求
    參考曲面或參考點雲。
    盲點
    • 由單一最差樣本決定，受離群點、重影與未對應區域支配（推論）。
    • 取樣解析度決定平均誤差積分的精度；兩形狀差異過大（例如特徵遺失）時，誤差可能在局部不精確。最大值同樣隨取樣密度與方式而變（推論）。
    • 為網格比較設計；點雲須先網格化，或只比較取樣點（推論）。
    出處
    (Cignoni et al., 1998)

  • Chamfer 距離

    Chamfer distance (CD)

    第二層・點雲與地圖需要外部參考

    結合兩個方向的平均最近點距離。本站互動圖採兩方向平均距離的平均。

    CD=12(dˉM→R+dˉR→M)\mathrm{CD}=\tfrac{1}{2}\big(\bar d_{M\to R}+\bar d_{R\to M}\big)
    數值方向
    越小越好
    參考需求
    參考點雲。
    盲點
    • 對雜訊、密度變化與離群點敏感。
    • MapEval 的作者在一個戶外序列上報告，有無迴圈修正的兩張地圖 CD 幾乎相同，而 AWD 反映了全域精度差異；其真實資料的比較只涵蓋兩個 SLAM 系統與 12 條序列，樣本很小（推論）。
    • 各研究可能取兩方向之和或平均、使用距離或距離平方，比較前須確認定義（推論）。
    出處
    (Hu et al., 2025)

  • 精度、召回率與 F-score

    Precision, recall and F-score at threshold τ

    第二層・點雲與地圖需要外部參考

    精度（precision）為重建點距參考小於門檻 τ 的比例；召回率（recall）為參考點距重建小於 τ 的比例；F-score 為兩者的調和平均。這裡的 precision 是比例，與計量學以標準差表示的量測精密度不同。

    F(τ)=2 Prec(τ) Rec(τ)Prec(τ)+Rec(τ)F(\tau)=\frac{2\,\mathrm{Prec}(\tau)\,\mathrm{Rec}(\tau)}{\mathrm{Prec}(\tau)+\mathrm{Rec}(\tau)}
    數值方向
    越大越好
    參考需求
    稠密參考點雲（例如工業級雷射掃描）。
    門檻與參數
    τ 依場景尺度與取樣密度設定；Oxford Spires 以 5 cm 與 10 cm 報告。
    盲點
    • 必須連同 τ 報告；τ 大於系統性偏移時，錯位的表面也會被計為正確（推論）。
    • Tanks and Temples 先做含尺度的相似對齊，分數只反映形狀一致性（推論）。
    • 結果受評估範圍裁切與參考覆蓋範圍影響（推論）。
    出處
    (Knapitsch et al., 2017; Tao et al., 2025)

  • 準確度與完整度（MapEval）

    Accuracy (AC) and completeness (COM), MapEval

    第二層・點雲與地圖需要外部參考

    以 TLS 或固態光達定點累積建立參考地圖，經點到平面 ICP 對齊後，在門檻 τ 內建立對應；AC 描述估計地圖相對參考的偏差，COM 描述參考被估計地圖涵蓋的程度。

    數值方向
    依定義與情境解讀
    參考需求
    高精度掃描器建立的參考地圖。
    門檻與參數
    MapEval 實驗取對應門檻 τ = 0.2 m。
    盲點
    • 完整度低時 AC 不可靠。
    • arXiv 版中 AC 的公式寫法與表格單位不一致，確切定義應以程式碼核對。
    • ICP 對齊之後，不量測整體剛體偏移與地理參考誤差（推論）。
    出處
    (Hu et al., 2025)

  • 平均 Wasserstein 距離與空間一致性分數

    Average Wasserstein distance (AWD) and spatial consistency score (SCS), MapEval

    第二層・點雲與地圖需要外部參考

    把估計與參考地圖切成相同體素，以高斯近似各體素的點分布；AWD 以 Wasserstein 距離的平均衡量全域幾何，SCS 衡量局部一致性。AWD 為距離，越小代表越接近參考；SCS 的數值方向請見原文定義。

    數值方向
    依定義與情境解讀
    參考需求
    高精度掃描器建立的參考地圖。
    門檻與參數
    MapEval 實驗取體素 3.0 m；作者建議戶外 3 至 4 m、室內 2 至 3 m。
    盲點
    • AWD 隨體素大小近似線性增加（S1 序列：5 cm 體素為 4.90 cm，70 cm 體素為 135.66 cm；數值依 arXiv v2，已與 RA-L 正式版文字對照）。
    • 地圖稀疏時可靠度下降，體素須依場景複雜度與地圖密度調整。
    • 作者報告迴圈修正可降低全域漂移，但可能引入 SCS 可見的局部扭曲。
    • 設定不同的研究之間，數值不可直接比較（推論）。
    出處
    (Hu et al., 2025)

  • 平均地圖熵與平均平面變異

    Mean map entropy (MME) and mean plane variance (MPV)

    第二層・點雲與地圖不需外部參考

    不需參考地圖的清晰度指標。MME 為每點在半徑 r 內局部共變異熵的平均，源自 Droeschel 等人（Razlaw 等人取 r = 0.3 m，MapEval 取 0.1 m）；MPV 由 Razlaw 等人提出，以局部平面的變異衡量地圖清晰度。

    數值方向
    越小越好
    參考需求
    不需外部參考。
    盲點
    • 只對整體一致的軌跡估計有意義；配準誤差大時點會分散，破壞鄰域與平面假設。
    • 明顯較差的對齊可能得到較低、看似較佳的 MME。
    • 結構不良鄰域中的零散點會使指標偏差。
    • 作者建議只與軌跡誤差或目視檢查並用。
    出處
    (Razlaw et al., 2015; Hu et al., 2025)

  • 重複量測一致性

    Repeat-survey agreement (precision)

    第二層・點雲與地圖不需外部參考

    在同一場址重複掃描，比較各次結果之間的差異。依 VIM，這衡量的是指定條件下的精密度，而不是準確度；重複性指相同程序、操作者與量測系統的短時間重複，再現性指不同地點、操作者或量測系統的條件，VIM 並建議儘可能說明哪些條件改變、哪些不變。改變行走路徑或方向時，應把它列為改變的條件（推論）。

    數值方向
    越小越好
    參考需求
    不需外部參考即可計算差異；要判斷哪一次正確仍需參考。
    門檻與參數
    無通用門檻。
    盲點
    • 一致不代表正確：系統誤差在每次量測中重複出現時看不見。
    • Fahle 等人報告，反向行走的掃描之間差異（MAD 10.30 cm）大於同向行走（4.26 cm），路徑方向本身就是條件之一。
    • Štroner 等人的三次 GeoSLAM 量測中有一次明顯錯誤（橫向偏差約 149 mm）；作者指出 SLAM 掃描儀本身沒有方法內的檢核，建議至少量測兩次或加設檢核點。
    出處
    (JCGM, 2012b; Fahle et al., 2022; Štroner et al., 2025)

  • 室內模型的完整度、正確度與精度

    Model completeness, correctness and accuracy (ISPRS indoor modelling benchmark)

    第三層・工程任務需要外部參考

    評估由點雲重建的室內模型：以構件集合計算完整度與正確度；精度取來源模型頂點到對應參考平面之有號點到平面距離絕對值的中位數。

    數值方向
    依定義與情境解讀
    參考需求
    以同一批前處理後的點雲，在 Revit 中人工建立的參考模型。
    盲點
    • 參考模型由同一批前處理後的點雲人工建模，不是獨立的幾何量測（推論）。
    • 量化評估只含牆、樓板、天花板、門與窗，不含樓梯與柱，也排除帷幕牆的窗；語意與拓樸關係只由專家小組定性評估。
    • 資料集不提供軌跡真值，不能用來報告 SLAM 軌跡或點雲的絕對精度（推論）。
    出處
    (Khoshelham et al., 2017)

  • 構件辨識正確性與品質需求

    Element identification in Scan-vs-BIM and derived quality criteria

    第三層・工程任務需要外部參考

    以構件是否被正確辨識為存在或缺漏作為任務成果，反推點雲品質需求：依構件投影到局部座標三個正交平面的面積總和分四級，既有構件的局部密度依四級分別至少為每平方公尺 14、70、530 與 4500 點，覆蓋率高於 0.5，深度精度小於缺漏構件最小邊長的一半。

    數值方向
    與門檻或容許值比較
    參考需求
    BIM 與構件實際存在狀態。
    門檻與參數
    見定義；準則由模擬推導。
    盲點
    • 假設視線無遮蔽，未處理施工干擾。
    • 假設點雲已與 BIM 對齊，未評估配準與定位誤差。
    • 準則依所用的辨識演算法而定。
    • 攝影測量與錄影測量的驗證沿用產生準則的同一個模擬 BIM；只有 Kinect 2 試驗使用真實場景（18 個構件）。
    • 多段部分掃描合併使品質劣化，並造成缺漏構件被誤判為存在。
    • 不是 SLAM 研究；準則對 SLAM 點雲的適用性尚未驗證（推論）。
    出處
    (Rebolj et al., 2017)

  • 樓板平整度與水平度判定

    Floor flatness and levelness (F-numbers, straightedge)

    第三層・工程任務需要外部參考

    ASTM E1155 規定量測樓板剖面並計算 FF（平整度）與 FL（水平度）F-number 的試驗方法。Bosché 與 Guenet 把 TLS 點雲對齊 BIM 後，自動執行直尺法與 F-number 檢查，並以人工直尺量測對照直尺法的偏差與合格判定（F-number 未與人工 F-number 量測比較）。

    數值方向
    與門檻或容許值比較
    參考需求
    依規範程序的人工量測（例如 2 m 直尺與鋼尺）作為獨立參考。
    門檻與參數
    容許值依契約與規範（例如 ACI 117）。1996 年版 E1155 的取樣：平行取樣線間距至少 4 ft（約 1.2 m）、沿線每 12 in（約 0.3 m）一個讀數、排除距邊界 2 ft（約 0.6 m）內的位置（依 Bosché 與 Guenet 轉述）。
    盲點
    • 對以固定路徑車輛為主的樓板（例如窄巷道倉儲），不得以 E1155 的結果執行契約容許差。
    • 以點雲計算時，須說明是否符合標準的取樣程序（推論）。
    • 點雲缺陷偵測指標可能與直尺法、F-number 等標準規格不相容。
    • 現有證據為靜態 TLS 與已完工建物的兩片樓板；SLAM 點雲能否支持相同判定，尚未見驗證（推論）。
    出處
    (ASTM International, 2023; Bosché & Guenet, 2014; ACI Committee 117, 2010; Tang et al., 2011)

  • 構件尺寸偏差

    Element dimension deviation

    第三層・工程任務需要外部參考

    比較由點雲建立的模型與獨立量測之間的構件尺寸差異。Thomson 等人以 10 個門與 7 個窗的寬高，比較兩種行動測繪系統建立的模型。

    數值方向
    越小越好
    參考需求
    全測站、捲尺，或由 TLS 建立的模型。
    門檻與參數
    依任務容許差；原研究未設定專案容許差。
    盲點
    • 差異同時包含量測與建模不確定度：即使 TLS 模型與傳統全測站及捲尺量測相比，門的寬高平均也差 1.3 與 2.0 cm。
    • 平均值可能掩蓋少數大偏差（原研究最大達 42 cm）。
    • 單一走廊，已完工建物。
    出處
    (Thomson et al., 2013)

  • 變化偵測下限

    Level of detection for change detection

    第三層・工程任務需要外部參考

    把新期點雲配準到基準期，只把超過偵測下限的差異視為可能的真實變化。M3C2 逐點給出 LoD95；Fahle 等人依文獻取牆對牆收斂 0.05 m、落石 0.1 m 作為實用偵測下限。

    數值方向
    與門檻或容許值比較
    參考需求
    基準期點雲，以及獨立的現場確認。
    盲點
    • 漂移可能在與 TLS 的變化偵測中造成假變化。
    • 配準誤差直接干擾變化偵測。
    • Fahle 等人的證據來自地下礦場，不是土木施工隧道。
    出處
    (Lague et al., 2013; Fahle et al., 2022; Keitaanniemi et al., 2023; Girardeau-Montaut et al., 2005)

  • 精度等級（LOA）

    Level of Accuracy (USIBD LOA)

    第三層・工程任務需要外部參考

    以 95% 信賴水準（2σ）的標準差範圍定義五級精度，並區分量測精度（measured accuracy）與表現精度（represented accuracy）；量測精度須指定為絕對或相對。量測驗證分三個選項：不檢核、以重疊資料集檢核，或以獨立量測或方法檢核。

    數值方向
    與門檻或容許值比較
    參考需求
    精度約高一個數量級的控制資料，或冗餘的現場量測。
    門檻與參數
    2.0 版：LOA10 為 5 cm 以上、LOA20 為 5 cm 至 15 mm、LOA30 為 15 至 5 mm、LOA40 為 5 至 1 mm、LOA50 為 1 至 0 mm。
    盲點
    • 本站讀到的 2.0 版已被 3.0、3.1 版取代，數值須以現行版本核對。
    • 評估只能涵蓋有限的控制點。
    • 標準差與涵蓋比例的用語混用，換算為 GUM 擴展不確定度時需小心（推論）。
    • 名詞定義提到行動或可攜式掃描系統的相對精度遠高於絕對精度，但全文未處理 SLAM 軌跡漂移；驗證方法的細節留待後續版本。
    出處
    (USIBD, 2016; Aryan et al., 2021)

  • 交付成果容許差與驗收規則

    Deliverable tolerance and acceptance rule (GSA BIM Guide 03)

    第三層・工程任務需要外部參考

    容許差為交付成果與以其他方法取得的真值之間允許的尺寸偏差；驗收以控制網、獨立量測、重疊區比較或已知長度標準件進行。以 3D 模型為例，契約可規定 X% 的距離誤差不超過 Y mm，X 介於 70 至 100。

    數值方向
    與門檻或容許值比較
    參考需求
    雷射追蹤儀、全測站或捲尺等獨立量測。
    門檻與參數
    指南表 2 的範例容許差從 ±51 mm 到 ±3 mm；指南說明僅為範例，應依工程判斷。
    盲點
    • 出版時，點雲單點不確定度與配準、建模誤差無法從理論量化，驗收依賴實體檢核量測，可能無法涵蓋所有誤差。
    • 雲對雲或曲面匹配的配準排在標靶與控制點配準之後，因為重疊區的點位不確定度未知。
    • 指南說明重點為地面式 3D 成像系統，程序假設固定的儀器站位、標靶與腳架；全文關鍵字搜尋未見 mobile、kinematic 或 SLAM，因此以靜態 3D 成像為對象（推論）。
    出處
    (U.S. GSA, 2009)

  • 符合性判定風險與量測能力指標

    Conformity decision risk and measurement capability index (JCGM 106)

    第三層・工程任務需要外部參考

    在有容許界限的判定中，量測不確定度使判定伴隨消費者風險（不合格判為合格）與生產者風險（合格判為不合格），以允收區間、防護帶與書面決策規則處理。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。

    Cm=TU−TL4um=T2U,U=2umC_m=\frac{T_U-T_L}{4u_m}=\frac{T}{2U},\quad U=2u_m
    數值方向
    越大越好
    參考需求
    依 GUM 評估的量測不確定度，以及明確的容許界限。
    盲點
    • 範圍限於單一純量性質、一或兩個容許界限的二元判定；文件說明概念可延伸到一組純量被測量。
    • 分母的 4 是配合 k = 2 涵蓋的任意選擇。
    • 以點雲檢查一個構件時涉及許多彼此相關的量，須先定義每項檢查的純量被測量（推論）。
    出處
    (JCGM, 2012a; JCGM, 2008)

  • 點雲對 BIM 配準誤差

    Point-cloud-to-BIM registration error

    第三層・工程任務需要外部參考

    以工地量測的控制點為基礎，評估 SLAM 點雲對 BIM 的配準誤差。Zhang 等人在施工中高層建築的 7 個樓層，以工程師現地量測的 3 至 4 個結構特徵點作為同名點，在 CloudCompare 先人工粗配準、再做點對網格精配準，以所得轉換作為參考；FAST-LIO2 點雲對 LOD 300 BIM 的精配準相對此參考的誤差，各樓層為 0.009 至 0.203° 與 0.032 至 0.107 m，平均約 0.05° 與 0.058 m。

    數值方向
    越小越好
    參考需求
    以工地量測的結構特徵點為同名點、人工配準所得的參考轉換。
    盲點
    • 評估的是配準，不是點雲本身的精度。
    • 每層只有 3 至 4 個控制點；參考本身是人工配準，公分級的差異未經獨立驗證（推論）。
    • 作者報告 FAST-LIO2 重建的漂移使部分樓層的牆面點關聯等級偏低。
    • 構件關聯只有定性展示。
    出處
    (Zhang et al., 2024b)

標示（推論）的條目是本研究依文獻整理的判讀，不是原作者報告的結果。「需要外部參考」指需要獨立於受測系統的參考資料；不需外部參考的指標可以計算，但不能單獨判斷結果是否正確。

已查證結果中的指標使用頻率

本站從已查證文獻的結果表擷取作者報告的數值，並把每個數值歸入共同的指標類別。下圖只統計各類別出現在多少篇來源文獻與多少個比較組（comparison group）（同一表格、同一設定下的一組結果），不呈現數值本身，也不比較任何方法。

計數單位

已查證結果中各指標的來源文獻數

依本站擷取結果表時的指標分類計數。一篇文獻或一個比較組同時報告多個指標時，每個指標各計一次。類別依來源文獻數排序，切換計數單位時順序不變，無法歸入其餘類別的「其他指標」固定排在最後。長條長短只表示出現次數。

圖 Q-02-1

目前收錄 447 篇來源文獻的 1,625 個比較組，共 33,856 列作者報告的數值。本圖只計算指標出現的次數，不呈現任何數值。同一類別內的原文寫法、統計量、對齊方式與單位仍可能不同，引用前須回到原表核對。擷取時歸為 ATE 或 APE 的指標在本圖合為「絕對軌跡誤差（ATE 或 APE）」一類，與性能比較頁相同；各數值的統計量（RMSE、平均、中位數或最大值等）在該頁逐筆標示。

資料來源本站已查證文獻的結果擷取；逐篇來源與表格位置見下方清單。

逐項列出報告各指標的來源文獻

「絕對軌跡誤差（ATE 或 APE）」出現在 191 篇文獻的 397 個比較組，括號內為文獻與表格或章節位置：

讀一份評估結果時要問的問題

SLAM 點雲圖鑑

本站為綜述論文《SLAM-Based Point Clouds for Construction: A Review》研究過程的互動說明文件。互動圖為教學模擬，不代表任何特定系統的實測表現；方法描述、數值與結論以所引原始文獻為準。

內容基準日 2026-09-25 · 研究與網站製作使用 AI 輔助工具，見 證據標記與方法

選擇開啟Esc關閉