性能比較
只比較 SLAM 方法：157 個 SLAM 方法在 176 篇文獻的 428 張表格或段落中，與其他 SLAM 方法同表報告的 10,924 筆數值。數值只在同一比較組內並列，不跨文獻排名。
本頁內容
本頁只比較 SLAM 方法：方法卡類型為「具全域修正的完整 SLAM」「里程計＋局部建圖」或「里程計」的方法，共 216 張方法卡，其中 157 張有與其他 SLAM 方法同表報告的數值。配準元件、感測與校正、場所辨識、地圖表示與表面重建、離線地圖精修、估計框架、評估方法與下游工程任務都不列入。「先驗地圖定位」是在既有地圖或 BIM 上定位的方法（17 張方法卡），任務與 SLAM 不同，預設不列入；可用下方切換加入，圖中另外標示。
比較只遵守一條規則：數值只在同一個比較組內並列，也就是同一篇文獻的同一張表、同一資料集、同一指標（原文寫法、統計量與單位都相同）與同一種軌跡對齊方式。不同文獻的數值不排名，也不畫在同一張圖上；方法對照中的較佳次數只在單一表格內計算，不跨表加總。
目前：157 個方法、971 個比較組、214 個基準資料集。
基準資料集瀏覽器
選擇一個基準資料集與指標，一次檢視一張來源表格中各 SLAM 方法在各序列上的數值，再用「上一個來源」「下一個來源」切換報告同一資料集與指標的其他文獻。清單只列出至少兩個 SLAM 方法在同一比較組中有數值的資料集，目前共 214 個，依方法數與來源數由多到少排序。游標移到長條上，或以 Tab 移入圖表後用方向鍵移動，可讀出每個數值。
原文寫法：KITTI odometry、KITTI Odometry。這些寫法只差在大小寫、空白、連字號、底線、撇號、句點或結尾的 dataset 一字，因此合併列出；每個數值仍保留原文寫法。
KITTI odometry，絕對軌跡誤差（ATE 或 APE）：第 1 個來源表格，共 16 個。
正在載入這張表的數值…
注意不同論文的數字為什麼不能直接比較
同名的指標在不同論文中可能是不同的量。資料集與序列不同；軌跡可能以 SE(3) 剛體轉換或含尺度的 Sim(3) 相似轉換對齊，而對齊的自由度與用來對齊的狀態都會改變絕對軌跡誤差（absolute trajectory error, ATE）(Zhang & Scaramuzza, 2018, Table I, Table III)；統計量可能是均方根誤差（root mean square error, RMSE）、平均、中位數或最大值；執行時間取決於硬體與實作；參數可能是預設值，也可能經過調整；比較基線（baseline）可能由提出新方法的作者自行執行，例如 Feng 等人以預設參數比較十種開源方法(Feng et al., 2025, Sec. 5.1, Table 4)。
本頁因此這樣處理：
- 數值只在同一個比較組內並列，依原表順序排列，不做跨文獻排名。
- 失敗、未報告、不適用與只給上下限的格子以標記呈現，不當成 0；附約略值等附註的數值畫成長條並加上星號。
- 每張圖下方都有佐證：來源文獻與原文位置、資料集與序列、指標定義與對齊方式、原文報告的硬體、方法卡連結與原始資料列。所有數值都是原文作者報告的結果，本站沒有重新執行或重新計算任何方法。
方法對照
選擇兩到四個 SLAM 方法，列出其中至少兩個同時出現的每一個比較組，以小倍數圖並列。每個方法在所有小圖中使用同一個顏色，每張小圖只畫所選的方法，並列出本表內逐序列的較佳次數；較佳次數只在該表內計算，不跨表加總，因為各文獻的序列劃分、對齊方式、統計量、硬體與參數可能不同。
覆蓋範圍
熱圖顯示在方法數最多的 12 個基準資料集上，可並列數值最多的 24 個 SLAM 方法各有幾筆數值。顏色只代表文獻報告了多少筆可並列的數值，不代表方法的表現；空白處只表示本站擷取的文獻中沒有這個組合。點選儲存格，或聚焦後按 Enter，會在上方的瀏覽器開啟含有這個方法的表格。
SLAM 方法在各基準資料集上可並列的數值
每格是該方法在該資料集上、與其他 SLAM 方法同表報告的數值筆數，顏色越深表示筆數越多；斜線表示沒有這個組合，不是 0。筆數只描述證據落在哪裡，不代表方法表現。
- 無資料（不是 0）
- 0 至 49
- 50 至 99
- 100 至 149
- 150 至 199
- 200 至 249
按 Tab 進入熱圖後，用方向鍵在儲存格之間移動（上下換列、左右換欄），Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
共 24 個方法、12 個資料集，圖中合計 2,714 筆數值。點選儲存格，或以方向鍵移到儲存格後按 Enter，會在上方的基準資料集瀏覽器開啟該資料集中含有這個方法的表格。
資料來源本站從已查證文獻擷取的作者報告數值。
閱讀指引：常見的性能指標
以下只摘要判讀本頁數值時最常用到的定義；完整的定義、公式與限制見三層評估。
ATE RMSE
絕對軌跡誤差（absolute trajectory error, ATE）先把估計軌跡對齊參考軌跡，再計算逐幀平移誤差；TUM RGB-D 基準以 Horn 的閉式解做剛體對齊，並以均方根（RMSE）彙總(Sturm et al., 2012, Sec. VII-B)。讀數值時要一併看對齊方式與統計量：Zhang 與 Scaramuzza 主張對齊的自由度應依感測模態決定，單目用含尺度的 Sim(3)、雙目用 SE(3)(Zhang & Scaramuzza, 2018, Table I)；同一條軌跡的 RMSE、平均值與最大值也不相同。
APE
絕對位姿誤差（absolute pose error, APE）是開源評估工具 evo 以 evo_ape 命令計算的量；evo 另提供時間關聯、對齊與尺度校正等選項(Grupp, 2017, README)，所以原文寫 APE 時，仍要看它採用的對齊方式與統計量。原文的用詞與統計量並不一致：部分寫作 ATE 的數值是最大值、中位數或未註明統計量，也有寫作 APE RMSE 的數值。本站因此把兩者合為同一類「絕對軌跡誤差（ATE 或 APE）」，並在每張圖的標題與佐證中標出統計量（RMSE、平均、中位數、最大值，或統計量未報告）。判讀時請以每張圖下方佐證列出的原文指標寫法、統計量與對齊方式為準。
RPE
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，可以反映漂移；Sturm 等人建議評估 SLAM 時對所有 Δ 取平均(Sturm et al., 2012, Sec. VII-A, Eq. 1-3)。本頁把平移與旋轉部分分開列出；Δ 用幀數、時間或距離表示時，數值不能互相比較（推論）。
KITTI 平移誤差百分比
KITTI 里程計基準對一組子序列計算旋轉與平移誤差，並依子序列長度與車速分別統計，目的在避免只看終點誤差而受錯誤發生時間影響(Geiger et al., 2012, Sec. 2.5, Eq. 2-3)。本頁的「KITTI 平移誤差」是原文以百分比報告的這類相對誤差，「KITTI 旋轉誤差」則以原文的角度單位列出。子序列長度等計算細節以基準網站為準，本站未查證；同一篇論文在訓練序列與測試伺服器上的結果也應分開看。
端點漂移
漂移（drift）是誤差隨軌跡長度或時間累積的程度，沒有統一公式；有的研究報告某段距離後的偏差，有的報告占軌跡長度的比例。只比較起點與終點位姿可能產生誤導(Sturm et al., 2012, Sec. VII-A)，因此端點漂移只說明一條路徑回到起點時的偏差，不代表路徑中段的誤差。
每幀執行時間與處理頻率
每幀執行時間（runtime per frame）與處理頻率（frequency）取決於處理器、是否使用 GPU、執行緒數、輸入的點數與頻率，以及計時涵蓋哪些模組，例如只有里程計（odometry），或也包含建圖與迴圈閉合（loop closure）；這是本站的推論。Hilti-Oxford 挑戰賽的作者也指出，其計分不計入延遲與計算量(Zhang et al., 2023c, Sec. VI-B, VI-C)。本頁把毫秒與赫茲分開列出，不互相換算，並在佐證中列出原文報告的硬體。