vins-mono保存、重载地图、evo工具测试
vins-mono保存、重载地图、evo工具测试
- 地图保存与加载
- 先跑起来
- 修改地图保存的路径
- 保存地图
- 重载地图
- evo测评
- evo工具
- 修改数据格式
- 使用evo绘制轨迹
- 与双目ORB_SLAM2进行对比
下面咱们来对vins-mono地图进行简单测试。
地图保存与加载
vins-mono官方源码地址：https://github.com/HKUST-Aerial-Robotics/VINS-Mono
首先你得把vins-mono跑通，才有后续。按照官网的步骤执行到第三步
步骤如下：
先跑起来
1.先按照官网配置好
cd ~/catkin_ws/src
git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git
cd ../
catkin_make
source ~/catkin_ws/devel/setup.bash
2.打开三个terminal，记得都要先执行 source ~/catkin_ws/devel/setup.bash
然后执行下列：
roslaunch vins_estimator euroc.launch
roslaunch vins_estimator vins_rviz.launch
rosbag play YOUR_PATH_TO_DATASET/MH_01_easy.bag
这里的YOUR_PATH_TO_DATASET要修改成存放数据集的路径。
此时，如果你看到系统跑起来了，完成了第一步。
如果想看到轨迹的同时，看到数据集的ground truth，我们可以再打开一个terminal，执行：
roslaunch benchmark_publisher publish.launch sequence_name:=MH_01_easy
主要要修改根据使用的数据集，修改数据集名称，这里我们使用的是MH_01。
然后，你就会看到两条轨迹，红色的轨迹是ground truth，绿色的轨迹是vins-mono跑出来的。
修改地图保存的路径
因为我们现在跑的是euroc数据集，所以我们要修改的地方有两处。
- euroc_config.yaml中的pose_graph_save_path项
pose_graph_save_path: "/home/kk/自己的路径/"
- euroc_config.yaml中的output_path项
output_path: "/home/kk/自己的路径/"
上述""里填写自己的路径，先创建好该路径，注意最后面有个/，代表着是一个文件夹。
修改完之后，记得在ros工作空间中重新编译一下catkin_make。
保存地图
重新运行程序，待地图跑完之后，在运行 roslaunch vins_estimator euroc.launch 的terminal中，输入 “s” ，并按下回车键Enter，等待地图保存，我电脑花了20秒左右的时间。然后会出现下列信息：
pose graph path: /home/kk/happy/pose_graph_map/
pose graph saving...
save pose graph time: 22.858210 s
save pose graph finish
you can set 'load_previous_pose_graph' to 1 in the config file to reuse it next time
恭喜你，保存成功。
重载地图
首先要修改两处地方：
- euroc_config.yaml的load_previous_pose_graph，置1
- euroc_config.yaml的fast_relocalization，置1
第一项的意思是使能重新加载地图功能，第二项是快速重定位。（你可以先不改第二项试试看，然后再改，看看有什么不同），修改完之后重新编译catkin_make。
重新运行程序，会发现先加载了地图，颜色是黄色的。
下面是我的实验结果：
左边的是仅仅加载了地图，右边是使用了快速重定位，截图的角度有点不同，分辨不出哪个更好。这个留给读者去实验了。
原本我以为再保存多几次地图，效果会更好……这想法太天真了。事实证明轨迹只会和地图重合，而不会接近ground truth，想想确实也是，两者无关。
evo测评
evo工具
evo工具用过没？一个评测SLAM的工具，可以比较不同SLAM的算法精度，轨迹等等。evo支持好几种数据集的格式，tum、euroc等等。怎么装？github找去。
常见的参数如下：
- evo_config:用于保存配置文件，把自己常用的参数保存为.json文件，避免每次输入。
- evo_traj:用于绘制轨迹，支持的格式有kitti，eurco，tum 数据集等，也可以用于验证数据是否有效，导出为其他格式等。
- evo_res:可用于比较指标中的多个结果文件（打印消息和统计消息，绘制结果，将统计信息保存在表内）
- evo_ape :计算绝对位姿误差
- evo_rpe:计算相对位姿误差
修改数据格式
这边我只测试了evo_traj，也就是画出它的轨迹。问题来了，vins-mono保存的轨迹没法直接用，因为它既不符合tum数据集的格式，又不符合euroc数据集的格式。那怎么办，改呗。
修改以下文件：
- visualization.cpp中pubOdometry()函数
// write result to file
ofstream foutC(VINS_RESULT_PATH, ios::app);
foutC.setf(ios::fixed, ios::floatfield);
foutC.precision(0);
foutC << header.stamp.toSec() * 1e9 << ",";
foutC.precision(5);
foutC << estimator.Ps[WINDOW_SIZE].x() << ","
<< estimator.Ps[WINDOW_SIZE].y() << ","
<< estimator.Ps[WINDOW_SIZE].z() << ","
<< tmp_Q.w() << ","
<< tmp_Q.x() << ","
<< tmp_Q.y() << ","
<< tmp_Q.z() << ","
<< estimator.Vs[WINDOW_SIZE].x() << ","
<< estimator.Vs[WINDOW_SIZE].y() << ","
<< estimator.Vs[WINDOW_SIZE].z() << "," << endl;
write result to file
改成：
ofstream foutC(VINS_RESULT_PATH, ios::app);
foutC.setf(ios::fixed, ios::floatfield);
foutC.precision(0);
foutC << header.stamp.toSec() << " ";
foutC.precision(5);
foutC << estimator.Ps[WINDOW_SIZE].x() << " "
<< estimator.Ps[WINDOW_SIZE].y() << " "
<< estimator.Ps[WINDOW_SIZE].z() << " "
<< tmp_Q.x() << " "
<< tmp_Q.y() << " "
<< tmp_Q.z() << " "
<< tmp_Q.w() << endl;
- pose_graph.cpp中的updatePath()函数
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << (*it)->time_stamp * 1e9 << ",";
loop_path_file.precision(5);
loop_path_file << P.x() << ","
<< P.y() << ","
<< P.z() << ","
<< Q.w() << ","
<< Q.x() << ","
<< Q.y() << ","
<< Q.z() << ","
<< endl;
改成：
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << (*it)->time_stamp << " ";
loop_path_file.precision(5);
loop_path_file << P.x() << " "
<< P.y() << " "
<< P.z() << " "
<< Q.x() << " "
<< Q.y() << " "
<< Q.z() << " "
<< Q.w() << endl;
- pose_graph.cpp文件中addKeyFrame()函数
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << cur_kf->time_stamp * 1e9 << ",";
loop_path_file.precision(5);
loop_path_file << P.x() << ","
<< P.y() << ","
<< P.z() << ","
<< Q.w() << ","
<< Q.x() << ","
<< Q.y() << ","
<< Q.z() << ","
<< endl;
改成：
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << cur_kf->time_stamp << " ";
loop_path_file.precision(5);
loop_path_file << P.x() << " "
<< P.y() << " "
<< P.z() << " "
<< Q.x() << " "
<< Q.y() << " "
<< Q.z() << " "
<< Q.w() << endl;
- pose_graph_node.cpp中的main()函数
原本是csv文件，改成txt。
VINS_RESULT_PATH = VINS_RESULT_PATH + "/vins_result_loop.txt";
好了，修改完成，重新编译catkin_make。
使用evo绘制轨迹
重新运行程序，会发现在刚刚保存地图的路径，生成了一个文件：
vins_result_loop.txt
经过我们上面的修改，该文件是符合tum格式的，虽然我们使用的是euroc数据集，但evo只支持tum格式的绘制，它提供了euroc格式转tum格式的工具。
首先我们打开数据集的state_groundtruth_estimate0/文件夹，会发现有一个文件：
data.csv。这是一个euroc格式的文件，我们首先要把他转成tum格式。输入以下命令：
evo_traj euroc data.csv --save_as_tum
生成data.tum
好了，接下来就可以绘制轨迹了！在当前目录下输入：
evo_traj tum ../../../../YOUR_MAP_PATH/vins_result_loop.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
记得把YOUR_MAP_PATH修改成你的地图路径。
真是beautiful。
其中虚线代表ground truth，蓝线代表vins的轨迹。
与双目ORB_SLAM2进行对比
ORB_SLAM2的轨迹在每次运行都会生成姿态轨迹，貌似不用修改文件，小伙伴们自己去试吧，这里只给你看看结果。
命令：(自行修改路径)
evo_traj tum VINS_MAP_PATH/vins_result_loop.txt ORB_SLAM2_PATH/ORB_SLAM2-master/CameraTrajectory.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
结果：
详细的对比可以点击此处。
参考：
https://blog.csdn.net/learning_tortosie/article/details/83182258
https://blog.csdn.net/houlianfeng/article/details/79626657#commentBox
http://p1htmlkernalweb.mybluemix.net/articles/%E5%BC%80%E6%BA%90SLAM%E6%96%B9%E6%A1%88%E8%AF%84%E4%BB%B7%E4%B8%8E%E6%AF%94%E8%BE%83_3442830_csdn.html