evo有什么用（用evo工具分析ORB-SLAM2运行TUM，KITTI，EuRoC数据集轨迹）
前言
在ORB-SLAM2的学习过程中 ，不可避免的会用到这些数据集来运行程序 ，并且还会将运行轨迹与相机真实轨迹作对比 ，下面就介绍使用evo工具分析SLAM常用TUM ，KITTI ，EuRoC数据集 。SLAM数据集TUM ，KITTI ，EuRoC数据集的下载地址与真实轨迹文件的查找总结的博客链接 。
一 、evo工具的安装
可以使用evo工具将.csv文件形式的轨迹文件转换为TUM形式的轨迹文件 。
evo_traj euroc data.csv --save_as_tumevo工具安装（参考链接） ，打开终端输入
pip install evo --upgrade --no-binary evo二 、运行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（下面会说到） 。
下面以rgbd_dataset_freiburg3_long_office_household数据集为例1.TUM单目数据集
执行这个命令：./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER 。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 。简单来说命令分为四个部分：1.TUM单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径 切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的）
./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM3.yaml /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household2.TUM RGB-D数据集
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 python 脚本associate.py（associate.py下载地址）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接下来执行这个命令：./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：1.TUM RGB-D执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径 5.关联文件路径 切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的）
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household/associations.txt三 、运行KITTI数据集
KITTI数据集官网下载地址 ，使用灰度图像的KITTI数据集 ，里面有左目图像（image_0）和右目图像（image_1） 。当使用单目模式时 ，仅用到image_0文件夹里的左目图片；当使用双目模式时 ，需要用到image_0和image_1两个文件夹里的图片 。
下面以00数据集为例
1.KITTI单目数据集
执行这个命令：./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER 。将KITTIX.yaml改为KITTI00-02.yaml ，KITTI03.yaml或KITTI04-12.yaml ，分别用于序列0到2 ，序列3和序列4到12 。将PATH_TO_DATASET_FOLDER改为解压好的数据集文件夹路径 。将SEQUENCE_NUMBER改为00 、01 、02,…, 11 简单来说命令分为四个部分：1.KITTI单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径 切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的）
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml /home/d/文档/数据集/Kitti数据集/002.KITTI双目数据集
执行这个命令：./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER 。将KITTIX.yaml改为KITTI00-02.yaml ，KITTI03.yaml或KITTI04-12.yaml ，分别用于序列0到2 ，序列3和序列4到12 。将PATH_TO_DATASET_FOLDER改为解压好的数据集文件夹路径 。将SEQUENCE_NUMBER改为00 、01 、02,…, 11 简单来说命令分为四个部分：1.KITTI单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径 切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的）
./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTI00-02.yaml /home/d/文档/数据集/Kitti数据集/00四 、运行EuRoC数据集
EuRoC数据集官网下载地址 ，EuRoC数据集里面有左目图像（cam0）和右目图像（cam1） 。当使用单目模式时 ，仅用到cam0文件夹里的左目图片；当使用双目模式时 ，需要用到cam0和cam1两个文件夹里的图片 。
下面以MH_01_easy数据集为例
1.EuRoC单目数据集
对 V1 和 V2 序列执行以下第一个命令 ，或对 MH 序列执行第二个命令 。根据要运行的数据集更改PATH_TO_SEQUENCE_FOLDER和序列 。
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt ./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt将PATH_TO_SEQUENCE改为解压好的数据集文件夹路径 。将SEQUENCE改为对应数据集的序列文件 **简单来说命令分为五个部分：1.EuRoC单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集左目图像路径 5.对应的序列文件 **
切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的） ./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH01.txt2.EuRoC双目数据集
对 V1 和 V2 序列执行以下第一个命令 ，或对 MH 序列执行第二个命令 。根据要运行的数据集更改PATH_TO_SEQUENCE_FOLDER和SEQUENCE 。
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data PATH_TO_SEQUENCE/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt ./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data PATH_TO_SEQUENCE/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt将PATH_TO_SEQUENCE改为解压好的数据集文件夹路径 。将SEQUENCE改为对应数据集的序列文件 **简单来说命令分为六个部分：1.EuRoC单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集左目图像路径 5.解压好的数据集右目图像路径 6.对应的序列文件 **
切换到 ORB_SLAM2/ 下 ，在终端里输入（对应路径改成自己的） ./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam0/data /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/MH01.txt五 、使用evo工具分析
1.常用指令
以TUM数据集的rgbd_dataset_freiburg3_long_office_household为例介绍
绘制单个轨迹
evo_traj tum groundtruth.txt -p绘制多个轨迹
evo_traj tum CameraTrajectory_TUM.txt groundtruth.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来对其轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p -a由于单目相机会存在尺度的不确定性 ，所以在仅使用-a不够
evo_traj tum KeyFrameTrajectory_TUM.txt --ref=groundtruth.txt -p -a还需要添加一个参数-s进行尺度上面的对齐
evo_traj tum KeyFrameTrajectory_TUM.txt --ref=groundtruth.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 KeyFrameTrajectory_TUM.txt --ref=groundtruth.txt -p -as通过观察 ，上面的轨迹在Z轴上面变化不大 ，可以添加参数--plot_mode=xy将轨迹压缩在xy平面上
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p --plot_mode=xy -as通过上面的过程 ，我们 常用的画轨迹指令 是
evo_traj tum XXX.txt --ref=XXX.txt -p -as evo_traj tum XXX.txt --ref=XXX.txt -p --plot_mode=xy -as计算绝对位姿误差
大多数中论文的指标为测量绝对误差 ， 在进行评估时 ，若经过了缩放 ，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方 ，避免在缩放时参考轨迹错误而造成误差被错误缩放 。 evo_ape tum groundtruth.txt CameraTrajectory_TUM.txt -p --plot_mode=xy -asmax：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_rpe指令是计算相对位姿误差 ，参数与上面的计算绝对位姿误差一致 ，因为不常用 ，就不介绍了
2.用evo工具分析TUM
画轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p --plot_mode=xy -as计算绝对位姿误差
在进行评估时 ，若经过了缩放 ，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方 ，避免在缩放时参考轨迹错误而造成误差被错误缩放 。 evo_ape tum groundtruth.txt CameraTrajectory_TUM.txt -p --plot_mode=xy -asmax：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 。
3.用evo工具分析KITTI
ORB-SLAM2以单目模式运行KITTI数据集保存的轨迹文件格式是TUM格式的 ，使用evo工具不能将KITTI格式的轨迹转换成TUM格式的轨迹 ，但是能将TUM格式的轨迹转换成KITTI格式的轨迹（参考链接）
使用下面的命令将TUM格式的轨迹转化成KITTI格式的 evo_traj tum KeyFrameTrajectory_TUM.txt --save_as_kitti画轨迹
evo_traj kitti CameraTrajectory_KITTI.txt --ref=00.txt -p --plot_mode=xz -as计算绝对位姿误差
在进行评估时 ，若经过了缩放 ，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方 ，避免在缩放时参考轨迹错误而造成误差被错误缩放 。 evo_ape kitti 00.txt CameraTrajectory_KITTI.txt -p --plot_mode=xz -asmax：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 。
4.用evo工具分析EuRoC
ORB-SLAM2运行EuRoC数据集保存的轨迹文件格式是TUM格式的 ，使用evo工具能将EuRoC格式的轨迹转换成TUM格式的轨迹 ，（参考链接）
使用下面的命令将EuRoC格式的轨迹转化成TUM格式的 evo_traj euroc data.csv --save_as_tum画轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=data.tum -p -as计算绝对位姿误差
在进行评估时 ，若经过了缩放 ，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方 ，避免在缩放时参考轨迹错误而造成误差被错误缩放 。 evo_ape tum data.tum CameraTrajectory_TUM.txt -p -asmax：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 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！