这个包提供可执行文件和一个小库，用于处理、评估和比较里程计和SLAM算法的轨迹输出。

evo地址与安装

从PyPi

从源码安装

命令行界面

指标：

工具：

使用--help调用命令以查看选项

evo_traj tum -h

evo_res -h

适用于数据集有：

关于数据格式：

示例工作流程1

示例工作流程2

具体用法：

格式(KITTI/TUM)

kitti -KITTI数据集姿势格式

tum -TUM RGB-D数据集轨迹格式

保存/导出为其他格式（格式转换）

evo_res结果zip文件

evo地址与安装

https://github.com/MichaelGrupp/evo
根据说明，在安装pip之后，根据自己电脑安装的Python，可以键入：
pip3 install evo --upgrade 或 pip install evo --upgrade 获取evo

都支持Python 3.4+和Python 2.7 。如果要使用ROS bagfile接口，请首先检查ROS安装使用的是哪个Python版本，然后进行相应安装。您可能还想使用虚拟环境。

从PyPi

如果只想使用最新版本的可执行文件，最简单的方法是运行：

pip install evo --upgrade --no-binary evo

这将从PyPi下载该软件包及其依赖项，并安装或升级它们。根据您的操作系统，您也许可以使用pip2或pip3来指定所需的Python版本。在大多数UNIX系统上，通过argcomplete软件包支持Bash终端的制表符补全 -在安装后打开新的外壳以使用它（没有--no-binary evo选项卡--no-binary evo全可能未正确安装）。如果需要，可以通过https://libraries.io/pypi/evo订阅新版本。

从源码安装

在存储库的基本文件夹中运行此命令：

pip install --editable 。  --upgrade --no-binary evo

命令行界面

使用setup.py或pip安装后，可以从命令行全局调用以下可执行文件：

指标：

evo_ape - 绝对姿势错误
evo_rpe - 相对姿势错误

工具：

evo_traj - 用于分析，绘制或导出一个或多个轨迹的工具
evo_res - 用于比较evo_ape或evo_rpe一个或多个结果文件的evo_rpe
evo_fig - 用于重新打开序列化图的（实验性）工具（使用--serialize_plot保存）
evo_config - 全局设置和配置文件操作的工具

使用--help调用命令以查看选项，例如evo_ape --help 。在类UNIX系统上可以使用命令行参数的Tab键完成。

更多文档 在GitHub上查看Wiki 。

使用`--help`调用命令以查看选项

evo_traj tum -h

usage: evo_traj tum [-h] [-f] [-a] [-s] [--n_to_align N_TO_ALIGN] [--sync]
                    [--transform_left TRANSFORM_LEFT]
                    [--transform_right TRANSFORM_RIGHT]
                    [--propagate_transform] [--invert_transform] [--ref REF]
                    [--t_offset T_OFFSET] [--t_max_diff T_MAX_DIFF] [--merge]
                    [-p] [--plot_mode {xy,xz,yx,yz,zx,zy,xyz}]
                    [--save_plot SAVE_PLOT] [--serialize_plot SERIALIZE_PLOT]
                    [--save_as_tum] [--save_as_kitti] [--save_as_bag]
                    [--logfile LOGFILE] [--no_warnings] [-v] [--silent]
                    [--debug] [-c CONFIG]
                    traj_files [traj_files ...]

evo_res -h

usage: evo_res [-h] [--merge] [--use_rel_time] [--use_filenames]
               [--ignore_title] [-p] [--plot_markers] [--save_plot SAVE_PLOT]
               [--serialize_plot SERIALIZE_PLOT] [--save_table SAVE_TABLE]
               [--logfile LOGFILE] [--no_warnings] [-v] [--silent] [--debug]
               [-c CONFIG]
               result_files [result_files ...]

适用于数据集有：

TUM 轨迹文件

KITTI 位姿

EUROC .csv和.txt文件

ROS bag文件

关于数据格式：

https://github.com/MichaelGrupp/evo/wiki/Formats

该软件包提供可执行文件和一个小型库，用于处理，评估和比较测距法和SLAM算法的轨迹输出。

支持的轨迹格式：

“ TUM”轨迹文件
'KITTI'姿势文件
'EuRoC MAV'（.csv groundtruth和TUM轨迹文件）
ROS bagfile具有geometry_msgs/PoseStamped ， geometry_msgs/TransformStamped ， geometry_msgs/PoseWithCovarianceStamped或nav_msgs/Odometry主题

有关格式的更多信息，请参见此处。

示例工作流程1

在test/data的源文件夹中有一些示例轨迹。

绘制多条轨迹

在这里，我们使用evo_traj绘制两个KITTI姿势文件和地面真实evo_traj ：

 cd test/data evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz

对轨迹运行度量

例如，在这里，我们使用evo_ape （以KITTI_00_gt.txt为参考（事实））计算来自ORB-SLAM和S-PTAM的两个轨迹的绝对姿态误差，并绘制并将各个结果保存到.zip文件中以获取evo_res ：

第一条轨迹（ORB立体声）：

 mkdir results evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results/ORB.zip

第二轨迹（S-PTAM）：

 evo_ape kitti KITTI_00_gt.txt KITTI_00_SPTAM.txt -va --plot --plot_mode xz --save_results results/SPTAM.zip

处理一个指标的多个结果

evo_res可用于比较来自指标的多个结果文件，即：

打印信息和统计信息（默认）
绘制结果
将统计信息保存在表中

在这里，我们使用上面的结果生成图表和表格：

 evo_res results/*.zip -p --save_table results/table.csv

示例工作流程2

下载源码示例数据 git clone https://github.com/MichaelGrupp/evo

`具体用法：`

cd data/test

test/data中的源文件夹中有一些示例轨迹。

（1）evo_traj euroc V102_groundtruth.csv --plot

可直接输出 name: data

infos: 36382 poses, 80.626m path length, 181.905s duration

以及 trajectory xyz_view rpy_view 随时间变化的曲线图

（2）evo_traj euroc V102_groundtruth.csv --save_as_tum

--save_as_bag

--save_as_kitti

保存为data.tum格式

(3)evo_ape (绝对位姿误差）evo_rpe(相对位姿误差) evo_rpe euroc --help

绝对位姿误差，常作为绝对轨迹误差使用。通过姿态关系直接估计和参考对应姿态。然后，计算整个轨迹的统计数据。这对于测试轨迹的全局一致性是有用的。

相对于绝对姿态的直接比较，相对姿态误差比较运动（“姿态三角”）。该度量给出了关于局部精度的见解，即漂移。例如，可以评估每米的平移或旋转漂移：

一般模式： command format reference-trajectory estimated-trajectory [options]

e.g evo_ape euroc data00.csv SaveTrajectory0.txt -va --plot --save_results ./result/ORB.ZIP

evo_ape euroc V102_groundtruth.csv V102.txt -va --plot --save_results ./result/ORB.ZIP

e.g evo_rpe tum reference.txt estimate.txt --pose_relation angle_deg --delta 1 --delta_unit m

bag模式：command bag bagfile-path reference-topic estimated-topic [options]

（4）绘制不同算法（ORB PTAM等）中与真实轨迹的图

evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz

evo_traj tum fr2_desk_ORB.txt --ref=fr2_desk_groundtruth.txt -p --plot_mode=xyz

(5)调整显示尺寸

evo_config set plot_figsize 5 4.5

evo_config reset 恢复默认设置

(6)处理不同结果

*First trajectory (ORB Stereo):*

mkdir results

evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results/ORB.zip

*Second trajectory (S-PTAM):*

evo_ape kitti KITTI_00_gt.txt KITTI_00_SPTAM.txt -va --plot --plot_mode xz --save_results results/SPTAM.zip

Here, we use the results from above to generate a plot and a table:evo_res results/*.zip -p --save_table results/table.csv

格式(KITTI`/TUM`)

`kitti` -KITTI数据集姿势格式

实际上，这不是真正的轨迹格式，因为它没有时间戳-它仅在文本文件中包含姿势。这意味着当您要比较此格式的两个文件与度量标准时必须小心，因为姿势的数量必须完全相同。

文件的每一行都包含平整为一行的4x4同构姿势矩阵（SE（3）矩阵）的前3行，每个值之间用空格分隔。例如，此姿势矩阵：

 a b c d
e f g h
i j k l
0 0 0 1

将在文件中显示为以下行：

 a b c d e f g h i j k l

更多信息： http : //www.cvlibs.net/datasets/kitti/eval_odometry.php

`tum` -TUM RGB-D数据集轨迹格式

每行有8个条目，其中包含时间戳记（以秒为单位），位置和方向（以四元数表示），每个值用空格分隔：

 timestamp xyz q_x q_y q_z q_w

更多信息： https : //vision.in.tum.de/data/datasets/rgbd-dataset/file_formats

保存/导出为其他格式（格式转换）

通常，可以使用--save_as_<other_format>选项使用--save_as_<other_format>将轨迹导出为其他格式。

可能有以下组合：

	`--save_as_bag`	`--save_as_kitti`	`--save_as_tum`
`bag`	是	是	是
`euroc`	是	是	是
`kitti`	否（无时间戳记）	是	否（无时间戳记）*
`tum`	是	是	是

* ...但是您可以将此脚本与KITTI数据集的时间戳文件一起使用

导出的ROS袋文件将包含geometry_msgs/PoseStamped消息

例：

  ＃将EuRoC groundtruth文件导出到TUM轨迹evo_traj euroc data.csv --save_as_tum＃ （将另存为data.tum）＃将TUM轨迹导出为KITTI格式evo_traj tum traj_1.txt traj_2.txt traj_3.txt --save_as_kitti＃ （将另存为* .kitti）＃将TUM轨迹导出到ROS bagfileevo_traj tum traj_1.txt traj_2.txt traj_3.txt --save_as_bag＃ （将另存为<timestamp> .bag，主题为traj_1，traj_2和traj_3）＃等等...

没有--save_as_euroc选项，因为EuRoC格式仅对EuRoC数据集的基本事实有意义。

注意：在1.0.5版之前，如果导出TUM文件，则四元数存在一个错误。使用evo pkg --version或upgrade确保版本至少为v1.0.5 。

`evo_res`结果zip文件

带有--save_results选项的度量标准生成的这些文件包含将不同结果与evo_res进行比较所需的数据。它们只是.zip文件，其中包含一些.npz文件和.npz文件，用于存储较大的numpy数组。

如果需要，还可以将用于生成结果的轨迹的备份存储在.zip文件中。要在每次使用--save_results时自动执行此--save_results ，请更改设置：

 evo_config set save_traj_in_zip true

请注意，这会增加文件的大小。

更详细的使用说明可以参见 evo 的官方说明：
https://github.com/MichaelGrupp/evo

SLAM 中evo的使用（二） (evaluation of odometry) evo_traj/ape rpe/evo_ape说明与示例相关推荐

SLAM中evo评估工具（用自己的数据集评估vinsFusion）
目录: 配置标题文件修改源码修改第一处第二处第三处重新编译工程安装evo 1.安装命令 2.常用指令运行vinsFusion生成位姿估计文件使用evo评估轨迹配置标题文件修改主要根 ...
二十五.SLAM中Mapping和Localization区别和思考
专栏系列文章如下: 一:Tixiao Shan最新力作LVI-SAM(Lio-SAM+Vins-Mono),基于视觉-激光-惯导里程计的SLAM框架,环境搭建和跑通过程_goldqiu的博客-CSDN ...
SLAM中的位姿与轨迹评价指标:APE、RPE、ATE、RTE
本篇文章原文为<SLAM中的位姿与轨迹评价指标:APE.RPE.ATE.RTE> 0.背景前两天学弟在看EVO的一个有关于Metrics的文档的时候,对于APE和RPE的计算不太清楚.问 ...
SLAM中的卡尔曼滤波：究竟滤了谁？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在SLAM系统中,后端优化部分有两大流派. 一派是基于马尔科夫性假 ...
视觉SLAM总结——LSD SLAM中关键知识点总结
视觉SLAM总结--LSD SLAM中关键知识点总结视觉SLAM总结--LSD SLAM中关键知识点总结 1. LSD SLAM的创新点/关键点是什么? 2. LSD SLAM的整体框架是怎样的? ...
论文精读 | slam中姿态估计的图优化方法比较
一. 摘要对于位置环境中的自主导航问题,同步定位与建图(Simultaneous localization and mapping, SLAM)是一个非常重要的工具框架.根据SLAM字面含义可以得知 ...
三维空间刚体运动5：详解SLAM中显示机器人运动轨迹及相机位姿（原理流程）
三维空间刚体运动5:详解SLAM中显示机器人运动轨迹及相机位姿(原理流程) 一.显示运动轨迹原理讲解二.前期准备三.git管理子模块及克隆源代码 1.学习使用Git Submodule 2.克隆源 ...
作为SLAM中最常用的闭环检测方法，视觉词袋模型技术详解来了
摘自:https://mp.weixin.qq.com/s/OZnnuA31tEaVt0vnDOy5hQ 作为SLAM中最常用的闭环检测方法,视觉词袋模型技术详解来了原创小翼飞思实验室今天基 ...
SLAM中姿态估计的图优化方法比较（g2o/Ceres/GTSAM/SE-Sync）
编辑 | 深蓝AI 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取后台回复[SLAM综述]获取视觉SLAM.激光SLAM.RGBD-SLAM等多篇综述! 本 ...
深度学习结合SLAM的研究思路/成果整理之（一）使用深度学习方法替换SLAM中的模块
整理了部分近两年深度学习结合SLAM的一些研究成果(参考知乎帖子https://www.zhihu.com/question/66006923 和泡泡机器人公众号,附上论文链接和已找到的源代码/数据集 ...

SLAM 中evo的使用（二） (evaluation of odometry) evo_traj/ape rpe/evo_ape说明与示例

evo地址与安装

从PyPi

从源码安装

命令行界面

指标：

工具：

使用`--help`调用命令以查看选项

evo_traj tum -h

evo_res -h

适用于数据集有：

关于数据格式：

示例工作流程1

示例工作流程2

`具体用法：`

格式(KITTI`/TUM`)

`kitti` -KITTI数据集姿势格式

`tum` -TUM RGB-D数据集轨迹格式

保存/导出为其他格式（格式转换）

`evo_res`结果zip文件

SLAM 中evo的使用（二） (evaluation of odometry) evo_traj/ape rpe/evo_ape说明与示例相关推荐

最新文章

热门文章