SLAM建图精度评估 by EVO
EVO是一个开源的评估SLAM建图精度的软件包
官方网址
其用来建立对轨迹的评估,从而验证SLAM算法的精度
通常用来评估slam建图中的轨迹误差.
支持的数据类型整理
evo支持多种数据包:KITTI,rosbag,Euroc,tum.
rosbag格式与基本使用命令
存储rosbag
rosbag record -O ~/Downloads/cartotest /tf /clock //-O是指定存储文件名称
roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/b0-2014-07-21-12-42-53.bag
evo-bag信息支持
对于ros_msgs支持以下几个格式的数据
geometry_msgs/PoseStamped
geometry_msgs/TransformStamped, geometry_msgs/PoseWithCovarianceStamped
nav_msgs/Odometry
另外对于第2,3数据,covariance和twist部分并未在程序中使用,但也支持
在ros环境下查看相应数据的格式
rosmsg show message_name ##rosmsg show geometry_msgs/PoseStamped
对于bag命令,通常只要包含里程计topic或者其他posestamped即可
一个简单例子:
rosbag info bagname //查询rosbag包内的数据类型
//假设存在上述的信息
evo_traj bag room_z_m100.bag --all_topics -p --plot_mode xy //当然mode也可以为xyz
对于实际SLAM过程
对于大多数SLAM建图过程而言,其输出的map frame通常会链接 odom 然后指向机器人的base_link或者base_footprint之类,那么通过对TF数的读取和转换就可以得到其各点的pose.
这个想法在evo的issue里面也有人提到了
关于TF引用
这个如果能够引用,那么起码可以提供里程计和tf的两组轨迹进行对比.效果就会较为明显.
要解决tf内信息转换,首先查看TF树与具体坐标变换:
rosrun rqt_tf_tree rqt_tf_tree
rosrun tf tf_echo [reference_frame] [target_frame]
rosrun tf tf_echo /robot1/map /robot1/base_footprint //针对my_package
在了解该过程后,就是录制rosbag的过程.
在evo/contrib的目录下有一个 record_tf_as_posestamped_bag.py 脚本,使用方式:在运行slam或者rosbag的情况下
./record_tf_as_posestamped_bag.py --lookup_frequency 15 --output_topic run_1_pose --bagfile run_1.bag map base_link
注意事项: 1.保证 use_sim_time = true
2. rosbag play的时候要有 --clock
3.最好打开rviz判断
之后就可以愉快地输出PoseStamped图片了
找一个merge rosbag的脚本
./merge_bag.py merge.bag goodnight.bag 2223_filtered.bag
即可得到合并的数据包,从而评价其相对误差之类的.
evo_traj bag merge.bag --all_topics -p --plot_mode xy
不过还有一点不确定的就是odom在gazebo中是否可以看作groundtruth呢,另外如果是真实场景,那么groundtruth应该如何去测定呢.
如果之后继续深入再更新吧~
其他
这一块为目前参考过的一些相关资料,理论上也可以有空再挖掘一点知识
evo的issue中关于loam的一个参考回答
通过kitti数据集转换rostopic为kitti格式的txt文件
链接
loam官方提供的bag里面只有laser msg,故实际测试需要自己在gazebo中测试.
另外提一句,loam论文里面精度是根据对比gps和
关于两组数据时间不同步的问题
通过sim_time解决timestamp不同步问题
链接
关于一个依赖geometry_msg的package的编写过程参考
链接
不同依赖数据格式的详细内容,包含转换
链接
在gazebo中发布groundtruth的pose
由于不清楚odom和里程计的具体差别(gazebo中是否打滑),所以暂时没有测试
链接
通过gazebo中set_model_state/get_model_state获取模型状态(可能有用)
链接