SLAM轨迹精度评估工具evo安装以及使用方法详细介绍，如何用来评估ORB-SLAM2生成的轨迹精度，评估激光雷达SLAM与视觉SLAM的轨迹精度，量化SLAM的误差
evo在视觉SLAM中是一个极为有用的工具，对于论文党、科研党、工程党都非常有帮助，它可以用于评估SLAM输出的轨迹的精度，可以自动生成均值、方差、轨迹等等信息的图或者表，总之评估SLAM精度用它足以。
它目前支持的公开数据集格式有：“TUM”、“KITTI”、“EuRoC MAV"以及"ROS bagfile”。如果你使用的数据集格式为这些中的某一种，那么你无须额外的数据格式处理，就可以直接使用evo进行精度相关内容评估。
1.evo安装方法
该工具目前被托管在github上了，其项目地址为https://github.com/MichaelGrupp/evo。
作者提供了两种安装方法，这里我推荐使用pip工具进行安装，非常方便，只需要一行代码即可，将如下代码复制到你的终端中运行
pip install evo --upgrade --no-binary evo
注意：如果一直提示下载失败，或者出现下载速度过慢等问题，那是因为pip工具默认的下载地址为国外的服务器，你需要将源地址改为国内，具体操作方法可以参考我的这篇博客《解决Linux，Ubuntu下使用python包管理工具pip命令安装和下载包速度很慢、失败或者connection timeout等问题》，修改源之后基本上就可以毫无问题的安装好了。
没有报错，则evo就算安装成功了，此时你打开终端输入evo，然后按Tab键就可以出现如下命令，如果没有出现重启电脑就行了：
2.evo使用方法
evo工具主要有如下六个常用命令：
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- 这个主要是用来画轨迹、输出轨迹文件、转换数据格式等功能；evo_res- 比较来自evo_ape或evo_rpe生成的一个或多个结果文件的工具；evo_fig- （实验）工具，用于重新打开序列化图（使用–serialize_plot保存）；evo_config- 这个主要用于evo工具全局设置和配置文件操作。
2.1 evo_ape用法
下面让我们来看第一个命令evo_ape如何使用，该命令用于评估两条轨迹的绝对位姿误差，最简单的使用方法为：
evo_ape kitti a.txt b.txt
解释：如上命令的意思是，比较kitti数据集格式的a.txt和b.txt文件的绝对误差精度。如果你要比较的数据集格式为euroc，那么此时可以使用如下命令：
evo_ape euroc a.csv b.csv
evo共支持kitti、tum、euroc这三个公开数据集格式。
需要注意两个待比较的数据文件必须格式一致，都为kitti、tum或者euroc！
当你使用上面的命令之后，会在你的终端中产生如下类型的结果：
其中：
max：表示最大误差；mean：平均误差；median：误差中位数；min：最小误差；rmse：均方根误差；sse：和方差、误差平方和；std：标准差。
evo_ape可选参数
以上即为一个evo_ape的最简单用法，命令还可以添加一些参数，从而完成不同的功能：
evo_ape命令后面可以添加的参数有很多，你可以使用如下命令进行查看：
evo_ape kitti -h
解释：该命令就是表示evo_ape命令在kitti数据集下，可以选择的参数介绍，介绍的还是很详细的，我感觉你直接就能看懂。
同样的是你还可以使用：
evo_ape tum -h
下面示范一个常用的用法，当我们获得单目SLAM生成的轨迹文件时，此时我们需要和真实轨迹进行对比，但是我们知道单目SLAM是没有尺度的，所以两个轨迹一定不会一样大，所以我们需要对轨迹进行sim(3)相似变换，那么evo就会自动的对轨迹的位移、旋转、尺度进行对齐，完成这个任务的代码如下：
evo_ape tum data.tum CameraTrajectory.txt -a -p -s
解释：参数-a、-s、-p即为选择的参数，分别表示进行轨迹的匹配和尺度修正，以及-p表示画图误差的图和两个轨迹的图。
2.2 evo_rpe用法
该命令用于比较两个轨迹之间的相对轨迹误差，也就是两个时间戳相同时刻的轨迹轨迹误差，更具体来说，两组轨迹持续时间相同，但是采样频率不同，那么之间就会有一些少量的相同时间戳，那么这些相同的时间戳就可以进行一对一比较误差。同样的这些误差也会有平均误差、最大、最小误差等等结果。命令使用方法如下：
evo_rpe xxx a.txt b.txt
evo_rpe命令依然可以添加一些可选参数项，你同样可以使用如下命令查看可选参数的具体介绍和用法：
evo_rpe xxx -h
解释：其中xxx为tum、kitti、euroc、rosbag中的一种
2.3 evo_traj用法
该命令evo_traj命令十分有用，它主要用于画轨迹图、表格，转换数据格式等等操作。
下面我们来看一个简单的用法：
evo_traj tum a.txt
输出为：
该命令如果不添加任何参数项，那么就输出轨迹的相关信息。
我们只要简单的添加一个参数-p或者--plot即可看到轨迹的图形，命令如下：
evo_traj tum a.txt -p
效果如下：
进一步当我们想要画两个或者两个以上的轨迹时：
evo_traj tum a.txt b.txt c.txt -p
如果我们想要两个轨迹匹配到同一个原点那么可以使用参数如下：
evo_traj tum a.txt b.txt c.txt -p --align_origin
又比如下面的命令：
evo_traj kitti 0.txt 1.txt --ref=0.txt -p --plot_mode=xz
解释：上面命令中参数--ref表示设置轨迹为参考，--plot_mode=xz表示轨迹投影到xz轴显示。
还有一些额外的可选项，它们很有用，你可以通过-h选项查看参数的介绍和用法。
2.4 evo_config用法
evo_config命令并不怎么常用，多数情况下，我们正常使用是不需要额外设置evo的一些配置项的。
你可以使用如下命令，查看evo默认的一些系统参数设置：
evo_config show --brief
运行上面的命令之后，你的终端上就可以输出如下信息：
{
"console_logging_format": "%(message)s",
"euler_angle_sequence": "sxyz",
"global_logfile_enabled": false,
"plot_axis_marker_scale": 0.0,
"plot_backend": "Qt5Agg",
"plot_export_format": "pdf",
"plot_figsize": [
6,
6
],
"plot_fontfamily": "sans-serif",
"plot_fontscale": 1.0,
"plot_invert_xaxis": false,
"plot_invert_yaxis": false,
"plot_linewidth": 1.5,
"plot_multi_cmap": "none",
"plot_reference_alpha": 0.5,
"plot_reference_color": "black",
"plot_reference_linestyle": "--",
"plot_seaborn_palette": "deep6",
"plot_seaborn_style": "darkgrid",
"plot_split": false,
"plot_statistics": [
"rmse",
"median",
"mean",
"std",
"min",
"max"
],
"plot_texsystem": "pdflatex",
"plot_trajectory_alpha": 0.75,
"plot_trajectory_cmap": "jet",
"plot_trajectory_linestyle": "-",
"plot_usetex": false,
"plot_xyz_realistic": true,
"ros_map_alpha_value": 1.0,
"ros_map_unknown_cell_value": 205,
"save_traj_in_zip": false,
"table_export_data": "stats",
"table_export_format": "csv",
"table_export_transpose": true
}
如果你想要对某一项参数进行修改，比如你想修改输出的图像格式，你可以使用如下命令：
evo_config set plot_export_format png
又比如你想做如下的操作：
1.将画图背景更改成白色网格
evo_config set plot_seaborn_style whitegrid
2.将字体改为衬线型并调为1.2倍大小
evo_config set plot_fontfamily serif plot_fontscale 1.2
3.将画图所使用的线型改为 -
evo_config set plot_reference_linestyle -
4.将所画图的图像大小调整为10 9（宽 高）
evo_config set plot_figsize 10 9
5.当你想要将配置还原为默认时，只需要使用命令：
evo_config reset
当你对evo的使用有一个大致的理解之后，我觉得你再摸索和使用就会方便很多，当你看完本篇博客之后，如果你还想进一步了解它更细致的使用，你可以浏览的evo在github上的wiki，网址为：https://github.com/MichaelGrupp/evo/wiki
3.evo在ORB-SLAM2中的用法演示
下面演示一个真实使用场景。
其实用法很简单，ORB-SLAM2产生的轨迹文件为CameraTrajectory.txt，我们要想对它进行轨迹精度评估，第一步首先需要确定轨迹的数据格式，可以很容易发现它保存的数据格式与tum一致，如果想要评估精度ORB-SLAM2精度，就需要先将真实轨迹转换成tum格式，实际操作过程为：
例如，如果我们使用EuRoc数据做SLAM：
1.首先，将EuRoc数据集的真实轨迹转换成tum格式，使用如下命令：
evo_traj euroc data.csv --save_as_tum
2.然后，将ORB-SLAM2生成的轨迹和转换格式之后的EuRoc轨迹进行误差对比：
evo_traj tum data.tum CameraTrajectory.txt -p --ref=data.tum -a
效果如下：
4.评估激光雷达SLAM轨迹与单目视觉SLAM轨迹精度
当你需要评估视觉SLAM与激光SLAM的轨迹精度时。
（1）你的激光雷达与相机是捆绑在一起。此时相机和激光雷达理论上一定具有形状一样的轨迹，不管你是把哪个轨迹作为参考轨迹，你都需要做如下操作：
- 将激光雷达的轨迹保存为tum数据格式(timestamp x y z q_x q_y q_z q_w)，千万不要保存为kitti数据集的格式，因为没有时间戳，无法进行尺度修正和对齐变换。激光雷达轨迹和相机轨迹要在时间戳和轨迹起终点上都对齐。做法是：删减激光雷达的轨迹使得起点和终点和相机轨迹是一样的，然后将相机轨迹的初始位置对应的时间设置为激光雷达的开始时间，终点时间也依次设置，并记录你激光雷达轨迹的每一个位置对应的时间。这么设置的目的就是为了后续两个轨迹的匹配。
- 使用evo进行轨迹显示或者计算误差等操作，可以参考如下命令。
evo_traj tum a.txt b.txt --ref=a.txt --correct_scale -a -p
-a：轨迹对齐；
--correct_scale：修正尺度。
（2）相机和激光雷达分别不同次测量。首先要保证两种轨迹是走的同样的路线，形状上不要有太大的差异。然后按照（1）中的方法进行轨迹和时间戳的对齐，然后进行evo评估操作。
参考资料
- https://github.com/MichaelGrupp/evo/wiki(这个是evo的权威资料)
如果觉得有用，感谢打赏！（厚着脸皮，贴上二维码，哈哈）
