evo评价视觉slam精度

原创已于 2023-05-22 19:11:56 修改 · 1.4k 阅读 ·

本内容遵循CC 4.0 BY-SA版权协议

景清a

关注

标签

#python #人工智能 #计算机视觉

分类人工智能

于 2023-04-28 08:20:48 首次发布

本文使用evo工具对EuRoC开源数据集的视觉SLAM精度进行评价

默认已经安装好了ORB-SLAM3和evo，两者的安装教程网上很多资料可以参考，这里不再赘述

1.运行ORB-SLAM3，跑EuRoC数据集的双目部分，以MH04_difficult为例：

cd ~/orb_slam3/Examples
./Stereo/stereo_euroc ../Vocabulary/ORBvoc.txt ./Stereo/EuRoC.yaml ../test/MH_04_difficult/ ./Stereo/EuRoC_TimeStamps/MH04.txt

这里，./Stereo/stereo_euroc为双目可执行文件，../Vocabulary/ORBvoc.txt为ORB字典所在位置，../test/MH_04_difficult/为数据集位置，注意：ORB-SLAM3运行双目数据集时，路径到MH_04_difficult即可，./Stereo/EuRoC_TimeStamps/MH04.txt为双目数据集对应的时间戳。

然后会看到这样的界面
在这里插入图片描述
等跑完后生成两个txt，一个是CameraTrajectory.txt，代表全局轨迹，一个是KeyFrameTrajectory.txt，代表关键帧轨迹。

2.使用ORB-SLAM3带的评价工具评价
ORB-SLAM3自带了一个评价工具，位置在~/orb_slam3/evaluation/Ground_truth/，里面有个evaluate_ate_scale.py可以对SLAM轨迹进行粗略评价，使用方法如下：

python ../evaluation/evaluate_ate_scale.py ../evaluation/Ground_truth/EuRoC_left_cam/MH04_GT.txt ../evaluation/CameraTrajectory.txt  --plot mh04ORB-SLAM2.pdf

也会如果加上参数--verbose和--verbose2也会得到RMSE这些误差，感兴趣的可以自己了解一下，因为我对这个python脚本做了一些修改，得到了这样的图：
在这里插入图片描述
3.使用evo工具进行评价
evo工具主要有6个常用命令

evo_ape：用于评估绝对位姿误差
evo_rpe：用于评估相对位姿误差
evo_traj：用于画轨迹、输出轨迹文件、转换轨迹数据格式
evo_res：比较来自evo_ape和evo_rpe生成的一个或多个结果文件的工具
evo_fig：（不常用）用于重新打开序列化图
evo_config：（不常用）evo工具全局设置和配置文件操作

（1）evo_ape:评估绝对位姿误差
首先把EuRoc的数据格式转化成TUM数据格式

evo_traj euroc data.csv --save_as_tum

得到data.tum，这里我把CameraTrajectory.txt重命名为ORB-SLAM2，然后进行评价，

evo_ape tum data.tum ORB-SLAM2 -v -a --plot --plot_mode xy -s --save_results results_gai1/ape.zip

推荐使用

evo_ape tum data.tum ORB-SLAM --plot_mode xyz -as --save_results results_gai1/ape.zip

其中

-v表示verbose mode,详细模式

-a表示采用SE(3) Umeyama对齐，只处理平移和旋转

-s 表示仅对齐尺度，不加-s表示默认尺度对齐参数为1.0，即不进行尺度对齐

-as表示采用Sim(3) Umeyama对齐，同时处理平移旋转和尺度

–plot表示画图，–plot_mode选择画图模式，二维图或者三维图，可选参数为[xy, xz, yx, yz, zx, zy, xyz]，默认为xyz

在这里插入图片描述

上述命令运行之后会在终端输出统计信息（单位：米），其中

max：最大误差
mean：误差均值
median：误差中位数
min：最小误差
rmse：均方根误差
sse：方差
std：标准差

（2）evo_rpe:评估相对位姿误差
evo_rpe和evo_ape的使用方法基本一致，只是换个指令，可以得到类似的结果图和误差

evo_rpe tum data.tum ORB-SLAM2 -v --plot --plot_mode xyz -as --save_results results_gai1/ape.zip

（3）evo_traj:画轨迹
通过evo_traj可以画出两条轨迹，参数和上面一样

evo_traj tum ORB-SLAM2 --ref data.tum -v --plot --plot_mode xy -as

在这里插入图片描述
（4）evo_res:比较结果
通过evo_res可以比较两条轨迹的误差曲线，箱型图等一些误差

evo_res results_gai1/ape.zip results_gai1/ape1.zip -p --ignore_title --save_table results/table.csv

在这里插入图片描述
（5）evo_config:配置evo
evo_config set 进行参数设置
下面是几个常用的参数，其含义以及可选项
参数

plot_export_format	输出图像时图像存储格式 ;常用png,pdf等
plot_linewidth	作图时线的宽度;matplotlib支持的宽度，默认1.5
plot_reference_color	图像中参考轨迹的颜色; black,red,green等
plot_reference_linestyle	参考轨迹的线型; matplotlib支持的线型，默认–
plot_seaborn_style	图像背景和网格;whitegrid,darkgrid,white,dark
plot_split	是否分开显示/存储图像; false/true
plot_figsize	画图的图像大小;默认宽高均为6，可使用其他值
table_export_format	表格数据输出格式; 常用 csv,excel,latex,json

例如命令
evo_config set plot_seaborn_style whitegrid 将画图背景更改成白色网格
evo_config set plot_fontfamily serif plot_fontscale 1.2 将字体改为衬线型并调为1.2倍大小
evo_config set plot_reference_linestyle - 将画图所使用的线型改为 -
evo_config set plot_figsize 10 9 将所画图的图像大小调整为10 9（宽高）
evo_config reset 将参数还原到默认值

参考：
https://blog.csdn.net/dcq1609931832/article/details/102465071
https://blog.csdn.net/Yangy_Jiaojiao/article/details/124419966