文章目录
- 0 引言
- 1 EuRoc数据集
- 1.1 下载数据
- 1.2 真值轨迹格式转换
- 2 单目ORB-SLAM2
- 2.1 运行ORB-SLAM2
- 2.2 evo评估轨迹
- 2.2.1 载入和对比轨迹
- 2.2.2 计算绝对轨迹误差
- 3 双目ORB-SLAM2
- 3.1 运行ORB-SLAM2
- 3.2 evo评估轨迹
- 3.2.1 载入和对比轨迹
- 3.2.2 计算绝对轨迹误差
- ORB-SLAM2学习笔记系列：
0 引言
ORB-SLAM2学习笔记1 已成功编译安装ORB-SLAM2到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。
1 EuRoc数据集
1.1 下载数据
👉首先点击EuRoc开源数据官网
如下图，可自行选择一组数据下载，以下用第一组的Machine Hall 01为数据用例。
其中ASL_Dataset_Format 中的 state_groundtruth_estimate0 中是evo需要用到的真值。
.
├── ASL_Dataset_Format
│ └── MH_01_easy
│ └── mav0
│ ├── body.yaml
│ ├── cam0
│ │ ├── data
│ │ ├── data.csv
│ │ └── sensor.yaml
│ ├── cam1
│ │ ├── data
│ │ ├── data.csv
│ │ └── sensor.yaml
│ ├── imu0
│ │ ├── data.csv
│ │ └── sensor.yaml
│ ├── leica0
│ │ ├── data.csv
│ │ └── sensor.yaml
│ └── state_groundtruth_estimate0
│ ├── data.csv
│ └── sensor.yaml
└── ROS bag
├── MH_01_easy.bag
1.2 真值轨迹格式转换
由于evo 载入轨迹有自己的数据格式要求（如下），刚刚下载的EuRoc真值数据state_groundtruth_estimate0/data.csv不满足evo 的tum数据格式要求。
# tum 数据格式 参考 https://cvg.cit.tum.de/data/datasets/rgbd-dataset/tools
(time, t x , t y , t z , q x , q y , q z , q w )时间、位置、姿态四元数
但好在evo提供了转换工具，在state_groundtruth_estimate0文件夹下新开终端，执行 evo_traj euroc data.csv --save_as_tum 即可得到符合tum格式的真值数据data.tum ，可以用evo来绘制该真值轨迹。
# 保存成.tum
evo_traj euroc data.csv --save_as_tum
执行后，evo_traj euroc data.csv --save_as_tum文件夹下生成一个data.tum
.
├── data.csv
├── data.tum # 转换的data.tum
└── sensor.yaml
2 单目ORB-SLAM2
2.1 运行ORB-SLAM2
ORB-SLAM2执行的命令分成5部分：
EuRoc单目模式的可执行文件- 官方训练好的词袋
- 参数文件
- 单目图像数据集的路径
- 对应的序列文件
除了数据，ORB-SLAM2已经准备了其他4项，其中参数文件在ORB_SLAM2/Examples/Monocular/EuRoC.yaml，序列文件在Examples/Monocular/EuRoC_TimeStamps/MH01.txt
熟悉了执行命令之后，执行以下命令，用EuRoc-Machine Hall 01数据集来运行ORB-SLAM2，其中PATH是MH_01_easy文件夹的存放目录：
# 在ORB-SLAM2工程目录下新开终端
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH/MH_01_easy/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH01.txt
运行后，会自动生成两个可视化页面，ORB-SLAM2 Current Frame 和 ORB-SLAM2 Map Viewer
运行完毕后，还在该终端目录下保存了轨迹文件KeyFrameTrajectory.txt
2.2 evo评估轨迹
2.2.1 载入和对比轨迹
把刚刚生成的轨迹文件KeyFrameTrajectory.txt，复制到MH_01_easy/mav0/state_groundtruth_estimate0文件夹下，1.2小节已转换的data.tum是轨迹真值，然后执行以下命令来载入两个轨迹，并进行可视化对比：
evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
运行后：
name: KeyFrameTrajectory
infos: 219 poses, 73.595m path length, 174.850s duration
--------------------------------------------------------------------------------
name: data
infos: 36382 poses, 80.626m path length, 181.905s duration
可视化界面：
trajectories 结果图：（3D 可旋转查看）
xyz_view示意图：
rpy_view示意图：
2.2.2 计算绝对轨迹误差
evo工具还支持计算绝对位姿误差，用以下命令：
evo_ape tum KeyFrameTrajectory.txt data.tum -p -as
运行后：
APE w.r.t. translation part (m)
(with Sim(3) Umeyama alignment)
max 0.120919
mean 0.040675
median 0.037146
min 0.005794
rmse 0.045519
sse 0.453756
std 0.020432
可视化界面：
raw示意图：
map示意图：（3D 可旋转查看）
至此，成功用evo评估工具来评估单目ORB-SLAM2生成的EuRoc开源数据轨迹和真值轨迹。
3 双目ORB-SLAM2
3.1 运行ORB-SLAM2
ORB-SLAM2执行的命令分成6部分：
EuRoc双目模式的可执行文件- 官方训练好的词袋
- 参数文件
- 左目图像数据集的路径
- 右目图像数据集的路径
- 对应的序列文件
除了左右目数据，ORB-SLAM2已经准备了其他4项，其中参数文件在ORB_SLAM2/Examples/Monocular/EuRoC.yaml，序列文件在Examples/Monocular/EuRoC_TimeStamps/MH01.txt
熟悉了执行命令之后，执行以下命令，用EuRoc-Machine Hall 01数据集中的左目cam0和右目cam1来运行ORB-SLAM2，其中PATH是MH_01_easy文件夹的存放目录：
# 在ORB-SLAM2工程目录下新开终端
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH/MH_01_easy/mav0/cam0/data PATH/MH_01_easy/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/MH01.txt
运行后，会自动生成两个可视化页面，ORB-SLAM2 Current Frame 和 ORB-SLAM2 Map Viewer
运行完毕后，还在该终端目录下保存了轨迹文件CameraTrajectory.txt
3.2 evo评估轨迹
3.2.1 载入和对比轨迹
把刚刚生成的轨迹文件CameraTrajectory.txt，复制到MH_01_easy/mav0/state_groundtruth_estimate0文件夹下，1.2小节已转换的data.tum是轨迹真值，然后执行以下命令来载入两个轨迹，并进行可视化对比：
evo_traj tum CameraTrajectory.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
运行后：
--------------------------------------------------------------------------------
name: CameraTrajectory
infos: 3638 poses, 81.287m path length, 181.850s duration
--------------------------------------------------------------------------------
name: data
infos: 36382 poses, 80.626m path length, 181.905s duration
可视化界面：
trajectories 结果图：（3D 可旋转查看）
xyz_view示意图：
rpy_view示意图：
3.2.2 计算绝对轨迹误差
evo工具还支持计算绝对位姿误差，用以下命令：
evo_ape tum CameraTrajectory.txt data.tum -p -as
运行后：
APE w.r.t. translation part (m)
(with Sim(3) Umeyama alignment)
max 0.081526
mean 0.027178
median 0.022538
min 0.001520
rmse 0.033796
sse 4.155190
std 0.020088
可视化界面：
raw示意图：
map示意图：（3D 可旋转查看）
至此，成功用evo评估工具来评估双目ORB-SLAM2生成的EuRoc开源数据轨迹和真值轨迹。
ORB-SLAM2学习笔记系列：
- ORB-SLAM2学习笔记1之Ubuntu20.04+ROS-noetic安装ORB-SLAM2
- ORB-SLAM2学习笔记2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
Reference:
- https://github.com/raulmur/ORB_SLAM2
- https://github.com/MichaelGrupp/evo
- https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets
⭐️👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍👍🌔
