ORB_SLAM2及其他SLAM精度测评

ORB_SLAM2及其他SLAM精度测评

测试工具:https://svncvpr.in.tum.de/cvpr-ros-pkg/trunk/rgbd_benchmark/rgbd_benchmark_tools/src/rgbd_benchmark_tools/
下载associate.py ,evaluate_ate.py,evaluate_rpe.py等

官网:https://vision.in.tum.de/data/datasets/rgbd-dataset/tools#absolute_trajectory_error_ate

博客:https://blog.csdn.net/Darlingqiang/article/details/89059466
知乎:https://zhuanlan.zhihu.com/p/105428199
ATE绝对轨迹误差只需要下载associate.py ,evaluate_ate.py,把它们放在新建文件夹ATE里,并将对应运行的数据集的groundtruth.txt和运行之后的CameraTrajectory.txt同样放在ATE文件夹里,在文件夹里打开一个终端进行如下操作:

ATE文件夹内容:
ORB_SLAM2及其他SLAM精度测评_第1张图片
跑完一个数据集之后会在orb_slam2下生成CameraTrajectory.txt相机轨迹和KeyFrameTrajectory.txt,例如rgbd_dataset_freiburg1_desk数据集
ORB_SLAM2及其他SLAM精度测评_第2张图片

rgbd_dataset_freiburg1_desk数据集里groundtruth.txt真实轨迹
ORB_SLAM2及其他SLAM精度测评_第3张图片
1.ATE 绝对轨迹误差—evaluate_ate.py(适用于评估视觉SLAM系统)(输出RMSE/cm误差)

python evaluate_ate.py groundtruth.txt CameraTrajectory.txt

//得到绝对轨迹误差图
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot fr1_desk_result.png

2.输出真实轨迹和预测轨迹以及误差,输出所有误差,包含平均值,中值。

python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose

3.实例测试
ORB_SLAM2及其他SLAM精度测评_第4张图片
ORB_SLAM2及其他SLAM精度测评_第5张图片

2. RPE 相对位姿误差-evaluate_rpe.py 评估视觉里程计的漂移量

用于计算相同两个时间戳上的位姿变化量的差, 同样, 在用时间戳对齐之后, 真实位姿和估计位姿均每隔一段相同时间计算位姿的变化量, 然后对该变化量做差, 以获得相对位姿误差, 该标准适合于估计系统的漂移。

你可能感兴趣的:(自动驾驶,人工智能,机器学习)