文章目录

0 引言
1 KITTI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(tum格式)
- - 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(kitti格式)
- - 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KITTI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 KITTI数据集

1.1 下载数据

👉首先点击KITTI 开源数据官网
如下图，使用KITTI灰度图的数据集，点击Download odometry data set (grayscale, 22 GB)下载，并下载真值数据Download odometry ground truth poses (4 MB).
(tips: KITTI 数据下载需要先注册，登录账号后再下载)
请添加图片描述
下载的data_odometry_gray.zip解压的data_odometry_gray文件夹里有左目图像image_0和右目图像image_1。
当使用VSLAM单目模式时，仅用到image_0文件夹里的左目图片即可；
当使用VSLAM双目模式时，需要用到image_0和image_1两个文件夹里的图片。

.
└── dataset
    └── sequences
        ├── 00
        │   ├── calib.txt
        │   ├── image_0
        │   ├── image_1
        │   └── times.txt  # 时间戳文件
        ├── 01
        │   ├── calib.txt
        │   ├── image_0
        │   ├── image_1
        │   └── times.txt
        ├── 02
        │   ├── calib.txt
        │   ├── image_0
        │   ├── image_1
        │   └── times.txt

		...
        └── 21

68 directories, 44 files

下载的data_odometry_poses.zip解压的data_odometry_poses文件夹里

.
└── dataset
    └── poses
        ├── 00.txt  # 轨迹真值
        ├── 01.txt
        ├── 02.txt
        ├── 03.txt
		...
        └── 10.txt

2 directories, 11 files

⭐️⭐️⭐️本文用00数据集来测试单目ORB-SLAM2和双目ORB-SLAM2.

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KITTI真值数据data_odometry_poses/dataset/poses/00.txt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提供了转换脚本kitti_poses_and_timestamps_to_trajectory.py。

首先下载evo源码：https://github.com/MichaelGrupp/evo/tree/master，脚本就在evo/contrib文件夹下
下载后把data_odometry_poses/dataset/poses/00.txt文件和data_odometry_gray/dataset/sequences/00/times.txt文件复制到evo/contrib文件夹下
然后在evo/contrib文件夹下新开终端，执行以下命令得到符合tum格式的真值数据 kitti_00_gt.txt ，可以用来evo来绘制该真值轨迹。

# 保存成 tum 格式
python3 kitti_poses_and_timestamps_to_trajectory.py 00.txt times.txt kitti_00_gt.txt

执行后，evo/contrib文件夹下生成一个kitti_00_gt.txt，并把kitti_00_gt.txt文件复制到data_odometry_poses/dataset/poses/文件夹下，evo评估轨迹时可以用

# evo/contrib 文件夹下
.
├── 00.txt
├── kitti_00_gt.txt  # tum 格式的真值轨迹
├── kitti_poses_and_timestamps_to_trajectory.py
├── multiply_timestamps.py
├── print_duplicate_timestamps.sh
├── README.md
├── record_tf_as_posestamped_bag.py
├── rename_est_name.py
└── times.txt

0 directories, 9 files

2 单目ORB-SLAM2

2.1 运行ORB-SLAM2

ORB-SLAM2执行的命令分成4部分：

KITTI单目模式的可执行文件
官方训练好的词袋
参数文件
KITTI图像数据集的路径

除了数据，ORB-SLAM2已经准备了其他3项。
并且官方给出了KITTI数据集的参数文件，在ORB_SLAM2/Examples/Monocular/文件夹下，分别是KITTI00-02.yaml、KITTI03.yaml、KITTI04-12.yaml
本篇用对应的KITTI00-02.yaml

KITTI00-02.yaml — 00~02相关的参数文件
KITTI03.yaml — 03相关的参数文件
KITTI04-12.yaml — 04~12相关的参数文件

熟悉了执行命令之后，执行以下命令，用KITTI-data_odometry_gray数据集来运行ORB-SLAM2，其中PATH是data_odometry_gray文件夹的存放目录：

# 在ORB-SLAM2工程目录下新开终端
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml PATH/data_odometry_gray/dataset/sequences/00

运行后，会自动生成两个可视化页面，ORB-SLAM2 Current Frame 和 ORB-SLAM2 Map Viewer
请添加图片描述

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(tum格式)

2.2.1 载入和对比轨迹

把刚刚生成的轨迹文件KeyFrameTrajectory.txt 也复制到data_odometry_poses/dataset/poses文件夹下，1.2小节已转换的kitti_00_gt.txt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=kitti_00_gt.txt -p --plot_mode=xyz --align --correct_scale

运行后：

--------------------------------------------------------------------------------
name:	KeyFrameTrajectory
infos:	1765 poses, 3727.745m path length, 470.374s duration
--------------------------------------------------------------------------------
name:	kitti_00_gt
infos:	4541 poses, 3724.187m path length, 470.582s duration

可视化界面：
请添加图片描述

trajectories 结果图：（3D 可旋转查看）
请添加图片描述

xyz_view示意图：
请添加图片描述

rpy_view示意图：
请添加图片描述

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 kitti_00_gt.txt -p -as

运行后：

APE w.r.t. translation part (m)
(with Sim(3) Umeyama alignment)

       max	1.534985
      mean	0.487913
    median	0.296975
       min	0.037318
      rmse	0.633808
       sse	709.023114
       std	0.404542

可视化界面：
请添加图片描述

raw示意图：
请添加图片描述

map示意图：（3D 可旋转查看）
请添加图片描述

至此，成功用evo评估工具来评估单目ORB-SLAM2生成的KITTI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4部分：

KITTI双目模式的可执行文件
官方训练好的词袋
参数文件
KITTI图像数据集的路径

KITTI00-02.yaml — 00~02相关的参数文件
KITTI03.yaml — 03相关的参数文件
KITTI04-12.yaml — 04~12相关的参数文件

熟悉了执行命令之后，执行以下命令，用KITTI-data_odometry_gray数据集来运行ORB-SLAM2，其中PATH是data_odometry_gray文件夹的存放目录：

# 在ORB-SLAM2工程目录下新开终端
./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTI00-02.yaml PATH/data_odometry_gray/dataset/sequences/00

运行后，会自动生成两个可视化页面，ORB-SLAM2 Current Frame 和 ORB-SLAM2 Map Viewer
请添加图片描述

运行完毕后，还在该终端目录下保存了轨迹文件CameraTrajectory.txt
但和单目ORB-SLAM2生成KeyFrameTrajectory.txt是evo支持的tum格式不同，CameraTrajectory.txt是evo支持的kitti格式

3.2 evo评估轨迹(kitti格式)

3.2.1 载入和对比轨迹

把刚刚生成的轨迹文件CameraTrajectory.txt 也复制到data_odometry_poses/dataset/poses文件夹下，并且该文件夹下00.txt是evo支持的kitti格式的轨迹真值，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 kitti CameraTrajectory.txt --ref=00.txt -p --plot_mode=xyz --align --correct_scale

运行后：

--------------------------------------------------------------------------------
name:	CameraTrajectory
infos:	4541 poses, 3722.505m path length
--------------------------------------------------------------------------------
name:	00
infos:	4541 poses, 3724.187m path length

可视化界面：
请添加图片描述

trajectories 结果图：（3D 可旋转查看）
请添加图片描述

xyz_view示意图：
请添加图片描述

rpy_view示意图：
请添加图片描述

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 kitti CameraTrajectory.txt 00.txt -p -as

运行后：

APE w.r.t. translation part (m)
(with Sim(3) Umeyama alignment)

       max	2.680975
      mean	0.821403
    median	0.777559
       min	0.154654
      rmse	0.881577
       sse	3529.167119
       std	0.320119