0
0

ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹

文章目录

0 引言

ORB-SLAM2算法1 已成功编译安装

ORB-SLAM2

到本地，本篇目的是用

EuRoc

开源数据来运行

ORB-SLAM2

，并生成轨迹，最后用

evo

评估工具来评估

ORB-SLAM2

生成的轨迹和真值轨迹。

1 EuRoc数据集

1.1 下载数据

👉首先点击EuRoc开源数据官网
如下图，可自行选择一组数据下载，以下用第一组的

Machine Hall 01

为数据用例。
请添加图片描述
其中

ASL_Dataset_Format

中的 

state_groundtruth_estimate0

中是

evo

需要用到的真值。

.
├── ASL_Dataset_Format
│   └── MH_01_easy
│       └── mav0
│           ├── body.yaml
│           ├── cam0
│           │   ├── data
│           │   ├── data.csv
│           │   └── sensor.yaml
│           ├── cam1
│           │   ├── data
│           │   ├── data.csv
│           │   └── sensor.yaml
│           ├── imu0
│           │   ├── data.csv
│           │   └── sensor.yaml
│           ├── leica0
│           │   ├── data.csv
│           │   └── sensor.yaml
│           └── state_groundtruth_estimate0
│               ├── data.csv
│               └── sensor.yaml
└── ROS bag
    ├── MH_01_easy.bag

1.2 真值轨迹格式转换

由于

evo

载入轨迹有自己的数据格式要求（如下），刚刚下载的

EuRoc

真值数据

state_groundtruth_estimate0/data.csv

不满足

evo

的

tum

数据格式要求。

# tum 数据格式 参考 https://cvg.cit.tum.de/data/datasets/rgbd-dataset/tools(time, t x , t y , t z , q x , q y , q z , q w )时间、位置、姿态四元数

但好在

evo

提供了转换工具，在

state_groundtruth_estimate0

文件夹下新开终端，执行 

evo_traj euroc data.csv --save_as_tum

即可得到符合

tum

格式的真值数据

data.tum

，可以用

evo

来绘制该真值轨迹。

# 保存成.tum
evo_traj euroc data.csv --save_as_tum

执行后，

evo_traj euroc data.csv --save_as_tum

文件夹下生成一个

data.tum

.
├── data.csv
├── data.tum # 转换的data.tum
└── sensor.yaml

2 单目ORB-SLAM2

2.1 运行ORB-SLAM2

ORB-SLAM2

执行的命令分成

5

部分：

  • EuRoc单目模式的可执行文件
  • 官方训练好的词袋
  • 参数文件
  • 单目图像数据集的路径
  • 对应的序列文件

除了数据，

ORB-SLAM2

已经准备了其他

4

项，其中参数文件在

ORB_SLAM2/Examples/Monocular/EuRoC.yaml

，序列文件在

Examples/Monocular/EuRoC_TimeStamps/MH01.txt

熟悉了执行命令之后，执行以下命令，用

EuRoc-Machine Hall 01

数据集来运行

ORB-SLAM2

，其中

PATH

是

MH_01_easy

文件夹的存放目录：

# 在ORB-SLAM2工程目录下新开终端
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH/MH_01_easy/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH01.txt

运行后，会自动生成两个可视化页面，

ORB-SLAM2 Current Frame

和 

ORB-SLAM2 Map Viewer

请添加图片描述
请添加图片描述

运行完毕后，还在该终端目录下保存了轨迹文件

KeyFrameTrajectory.txt

2.2 evo评估轨迹

2.2.1 载入和对比轨迹

把刚刚生成的轨迹文件

KeyFrameTrajectory.txt

，复制到

MH_01_easy/mav0/state_groundtruth_estimate0

文件夹下，

1.2

小节已转换的

data.tum

是轨迹真值，然后执行以下命令来载入两个轨迹，并进行可视化对比：

evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p--plot_mode=xyz --align--correct_scale

运行后：

name:    KeyFrameTrajectory
infos:    219 poses, 73.595m path length, 174.850s duration
--------------------------------------------------------------------------------
name:    data
infos:    36382 poses, 80.626m path length, 181.905s duration

可视化界面：
请添加图片描述

trajectories 结果图：（3D 可旋转查看）
请添加图片描述

xyz_view示意图：
请添加图片描述

rpy_view示意图：
请添加图片描述

2.2.2 计算绝对轨迹误差

evo

工具还支持计算绝对位姿误差，用以下命令：

evo_ape tum KeyFrameTrajectory.txt data.tum -p-as

运行后：

APE w.r.t. translation part (m)(with Sim(3) Umeyama alignment)

       max    0.120919
      mean    0.040675
    median    0.037146
       min    0.005794
      rmse    0.045519
       sse    0.453756
       std    0.020432

可视化界面：
请添加图片描述

raw示意图：
请添加图片描述

map示意图：（3D 可旋转查看）
请添加图片描述

至此，成功用

evo

评估工具来评估

单目ORB-SLAM2

生成的

EuRoc

开源数据轨迹和真值轨迹。

3 双目ORB-SLAM2

3.1 运行ORB-SLAM2

ORB-SLAM2

执行的命令分成

6

部分：

  • EuRoc双目模式的可执行文件
  • 官方训练好的词袋
  • 参数文件
  • 左目图像数据集的路径
  • 右目图像数据集的路径
  • 对应的序列文件

除了左右目数据，

ORB-SLAM2

已经准备了其他

4

项，其中参数文件在

ORB_SLAM2/Examples/Monocular/EuRoC.yaml

，序列文件在

Examples/Monocular/EuRoC_TimeStamps/MH01.txt

熟悉了执行命令之后，执行以下命令，用

EuRoc-Machine Hall 01

数据集中的左目

cam0

和右目

cam1

来运行

ORB-SLAM2

，其中

PATH

是

MH_01_easy

文件夹的存放目录：

# 在ORB-SLAM2工程目录下新开终端
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH/MH_01_easy/mav0/cam0/data PATH/MH_01_easy/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/MH01.txt

运行后，会自动生成两个可视化页面，

ORB-SLAM2 Current Frame

和 

ORB-SLAM2 Map Viewer

请添加图片描述
请添加图片描述

运行完毕后，还在该终端目录下保存了轨迹文件

CameraTrajectory.txt

3.2 evo评估轨迹

3.2.1 载入和对比轨迹

把刚刚生成的轨迹文件

CameraTrajectory.txt

，复制到

MH_01_easy/mav0/state_groundtruth_estimate0

文件夹下，

1.2

小节已转换的

data.tum

是轨迹真值，然后执行以下命令来载入两个轨迹，并进行可视化对比：

evo_traj tum CameraTrajectory.txt --ref=data.tum -p--plot_mode=xyz --align--correct_scale

运行后：

--------------------------------------------------------------------------------
name:    CameraTrajectory
infos:    3638 poses, 81.287m path length, 181.850s duration
--------------------------------------------------------------------------------
name:    data
infos:    3638 poses, 80.626m path length, 181.905s duration

可视化界面：
请添加图片描述

trajectories 结果图：（3D 可旋转查看）
请添加图片描述

xyz_view示意图：
请添加图片描述

rpy_view示意图：
请添加图片描述

3.2.2 计算绝对轨迹误差

evo

工具还支持计算绝对位姿误差，用以下命令：

evo_ape tum CameraTrajectory.txt data.tum -p-as

运行后：

APE w.r.t. translation part (m)(with Sim(3) Umeyama alignment)

       max    0.081526
      mean    0.027178
    median    0.022538
       min    0.001520
      rmse    0.033796
       sse    4.155190
       std    0.020088

可视化界面：
请添加图片描述

raw示意图：
请添加图片描述

map示意图：（3D 可旋转查看）
请添加图片描述

至此，成功用

evo

评估工具来评估

双目ORB-SLAM2

生成的

EuRoc

开源数据轨迹和真值轨迹。

ORB-SLAM2算法系列：

  • ORB-SLAM2算法1之Ubuntu20.04+ROS-noetic安装ORB-SLAM2
  • ORB-SLAM2算法2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹

Reference:

须知少时凌云志，曾许人间第一流。

⭐️👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍🌔

标签： vslam orb-slam2 视觉里程计
本文转载自: https://blog.csdn.net/MRZHUGH/article/details/131693279
版权归原作者 ZPILOTE 所有， 如有侵权，请联系我们删除。
登录后发布评论

“ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

机器人技术在安全领域的重要作用

安全学习记录——网络篇（一）

图腾柱PFC：HP1010为您的电动两轮车之旅提供绿色，高效，安全的动力

单元测试数据库回滚问题

这才是单元测试，之前我们都错了

【C语言基础】：字符函数和字符串函数

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

文章导航