1.下载RGB-D数据集并运行
(1)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
python associate.py rgb.txt depth.txt > associations.txt
associate.py关联 RGB 图像和深度图像。
(2)运行得到轨迹数据 CameraTrajectory.txt
(3)将数据集中的目录的groundtruth.txt,以轨迹数据复制到同一个文件夹Result_analysis
2.测评工具
网址:https://cvg.cit.tum.de/data/datasets/rgbd-dataset/tools#evaluation
其中 Evaluation部分:计算ATE 和RPE
下载:associate.py evaluate_rpe.py evaluate_ate.py 到刚才的文件夹Result_analysis中;
3.测试(python2.7)
3.1 ATE
(1)计算绝对轨迹误差ATE的RMSE、MEAN、STD等等
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt –verbose
(2)绝对轨迹误差ATE:真实轨迹和相机轨迹直观图(ate图)
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot ate.png
(画图需要安装matplotlib,对应相应的python版本:sudo pip install matplotlib )
出现问题:
解决:下载python脚本文件时,associate.py必须也下载到同一个文件夹
3.2 RPE
(1)计算相对轨迹误差RPE的RMSE、MEAN、STD等等
python evaluate_rpe.py groundtruth.txt CameraTrajectory.txt --verbose
(2)rpe图
python evaluate_rpe.py groundtruth.txt CameraTrajectory.txt --fixed_delta --plot PLOT