使用evo工具评估ORB_SLAM2在TUM数据集上的运行轨迹
目录
- 一、安装evo工具
- 二、运行RGB-D基准数据集
-
- 1.下载TUM数据集
- 2.关联rgb图像和depth图像
- 3.运行rgb-d数据集
- 三、使用evo评估
-
- 1.常用指令
- 2.绝对轨迹误差
- 3.相对位姿误差
一、安装evo工具
最新的evo工具支持的Python环境为Python 3.8+，有下面两种方法安装最新版本的evo：
1.命令行利用pip工具直接安装
pip install evo --upgrade --no-binary evo
2.源代码安装
git clone https://github.com/MichaelGrupp/evo.git
cd evo
pip install --editable . --upgrade --no-binary evo
二、运行RGB-D基准数据集
1.下载TUM数据集
TUM数据集官网下载地址，TUM数据集里面有深度图像和RGB图像。当使用单目模式时，仅用到rgb文件夹里的图片；当使用RGB-D模式时，需要用到depth和rgb两个文件夹里的图片，而且需要associate.py脚本文件关联 RGB 图像和深度图像。我们以rgbd_dataset_freiburg3_long_office_household数据集为例。
2.关联rgb图像和depth图像
在这步中我们需要使用RGB 图像和深度图像的关联文件，ORB-SLAM2的作者在examples/RGB-D/associations/路径下提供了某些序列的关联文件。我们也可以使用 TUM官网提供的python 脚本associate.py关联 RGB 图像和深度图像。将associate.py脚本放到下载并且解压好的rgbd_dataset_freiburg3_long_office_household/路径下，执行以下命令：
python associate.py rgb.txt depth.txt > associations.txt
上面命令的含义就是对齐彩色图像和深度图像的时间戳，然后关联结果写入到associations.txt中。
3.运行rgb-d数据集
接下来执行运行命令，最熟悉不过了：
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE
将TUMX.yaml改为TUM1.yaml，TUM2.yaml或TUM3.yaml，分别用于freiburg1，freiburg2和freiburg3序列。将PATH_TO_SEQUENCE_FOLDER改为解压好的数据集文件夹路径。将ASSOCIATIONS_FILE改为相应关联文件的路径。
简单来说命令分为五个部分：
- TUM RGB-D可执行文件
- 训练好的词袋
- 参数文件
- 解压好的数据集路径
- 关联文件路径
rgbd_tum程序运行完成之后，会保存相机和关键帧轨迹文件到ORB_SLAM2根目录下。
三、使用evo评估
1.常用指令
绘制单个轨迹，groundtruth.txt是数据集的真实轨迹，-p表示绘制图像。
evo_traj tum groundtruth.txt -p
三维空间中数据集中相机的真实轨迹图像，存在闭环，单位是m。
xyz坐标系的视图，显示各个时间下相机的x、y、z坐标，纵轴单位为m，横轴单位为s。
rpy视图，显示各个时间下相机的r、p、y坐标，纵轴单位为deg，横轴单位为s。
绘制多个轨迹：真实轨迹和刚刚运行得到的相机轨迹。
evo_traj tum groundtruth.txt CameraTrajectory.txt -p
上面的轨迹在旋转和平移上不对齐，可以通过--ref参数指定参考轨迹，并且添加参数-a来对齐轨迹
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -a
可以看到运行轨迹和真实轨迹几乎一致，看不出来又两根线，ORB_SLAM2强大的后端优化和闭环在这里就体现出来了。
轨迹图都如此的吻合，xyz坐标必然也很精确，相比而言z坐标误差较大。
rpy坐标下，y很精确，r和p有较大误差。
如果是单目程序，还需要添加一个参数-s进行尺度上面的对齐
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -a -s
或者直接使用参数-as同时使用旋转和平移以及尺度上面的对齐
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -as
通过观察，上面的轨迹在x和y轴上面变化不大，可以添加参数--plot_mode=xz将轨迹压缩在xz平面上。
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -as --plot_mode=xz
大多数情况下，还是选择将轨迹投影到xy平面上，就是俯视图。
通过上面的实践，我们总结常用的命令格式如下：
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -as
evo_traj tum --ref=groundtruth.txt CameraTrajectory.txt -p -as --plot_mode=xy
2.绝对轨迹误差
evo_ape tum groundtruth.txt CameraTrajectory.txt -p -as
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。
APE w.r.t. translation part (m)
(with Sim(3) Umeyama alignment)
max 0.025939
mean 0.009091
median 0.008388
min 0.000931
rmse 0.009895
sse 0.243401
std 0.003906
3.相对位姿误差
和绝对轨迹误差参数相同，使用相机轨迹的原因在于它包含了关键帧轨迹，反映的是全局一致的地图。
evo_rpe tum groundtruth.txt CameraTrajectory.txt -p -as
RPE w.r.t. translation part (m)
for delta = 1 (frames) using consecutive pairs
(with Sim(3) Umeyama alignment)
max 0.030021
mean 0.004404
median 0.003749
min 0.000176
rmse 0.005210
sse 0.067444
std 0.002783
照片本质上是拍照时的场景在相机的成像平面上留下的一个投影。它以二维的形式反映了三维的世界。显然，这个过程丢掉了场景的一个维度，也就是所谓的深度（或距离）。