SVO2 运行指令及轨迹评估
SVO2
https://github.com/uzh-rpg/rpg_svo_pro_open
目前我还没有运行出来,运行出来后会把这段话删掉的。
安装可以根据提升来,很简单,这里就不作赘述了。
轨迹评估
https://github.com/uzh-rpg/rpg_svo_pro_open/blob/master/svo_benchmarking/dataset_tools/README.md
每个数据集都有自己的格式
将ROS包放在 dataset_tools
文件夹中,然后根据下面的步骤生成相应格式的文件夹:
1. 从包中提取传感器值
单目:
./prepare_dataset_monocular <bag_name> <img_topic> <imu_topic>
example:
./prepare_dataset_monocular.sh MH_01_easy.bag /cam0/image_raw /imu0
双目(给的readme里写错了):
./prepare_dataset_stereo.sh <bag_name> <img0_topic> <img1_topic> <imu_topic>
example:
./prepare_dataset_stereo.sh MH_01_easy.bag /cam0/image_raw /cam1/image_raw /imu0
注意:MH_01_easy.bag 的 topic_name 包括:/cam0/image_raw /cam1/image_raw /leica/position /imu0
对于EuRoC的真实路径,使用所给的脚本 python/asl_to_groundtruth_to_pose.py
进行处理;
对于ROS bags,采用如下指令
./generate_ground_truth.sh <bag_name> <groundtruth_topic> <hand_eye>
脚本使用python/bag_to_pose.py
提取真实路径,默认情况下,使用“PoseStamped",可为其他消息类型修改脚本。(不是很理解)
<hand_eye>
表示手眼变换参数,手眼校准,不是用则用none
最后一步,复制传感器校准文件到生成的数据集文件夹中(例:svo_benchmarking/data
)重命名为calib.yaml
(或在跑benchmarking时在experiment.yaml
中改名。