SLAM精度测评-----TUM数据集RGBD-Benchmark使用(ate/rpe)

TUM数据集RGBD-Benchmark工具使用

官方文档:https://vision.in.tum.de/data/datasets/rgbd-dataset/tools#evaluation

标准库测试工具:https://svncvpr.in.tum.de/cvpr-ros-pkg/trunk/rgbd_benchmark/rgbd_benchmark_tools/src/rgbd_benchmark_tools/

ATE:https://vision.in.tum.de/data/datasets/rgbd-dataset/tools#absolute_trajectory_error_ate

RPE:https://vision.in.tum.de/data/datasets/rgbd-dataset/tools#relative_pose_error_rpe

Evaluation of the RGB-D SLAM system

官方文档:http://wiki.ros.org/rgbdslam_electric/evaluation

1.first step:通过associate.py将带有timestamp的文件关联用于生成rgb和depth

python evaluate_ate.py groundtruth.txt CameraTrajectory.txt

2.评估标准

将运行完rgbd_tum 后生成CameraTrajectory.txt和KeyframeTraajectory.txt

(1)ATE 绝对轨迹误差—evaluate_ate.py(适用于评估视觉SLAM系统)(输出RMSE/cm误差)

实例:sun@sun:~/catkin/ORB_SLAM2-master/Data/rgbd_dataset_freiburg2_desk$

python evaluate_ate.py rgbd_dataset_freiburg2_desk-groundtruth.txt  CameraTrajectory.txt  --plot fr2_desk_result.png

输出真实轨迹和预测轨迹以及误差,输出所有误差,包含平均值,中值。

python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose

(2)RPE 相对位姿误差-evaluate_rpe.py

适用于评估视觉里程计的漂移量

默认情况下,脚本计算估计轨迹文件中所有时间戳对之间的错误。由于估计轨迹中的时间戳对的数量是轨迹长度的二次方,因此可以将此集的样本缩减为一个固定的数字(–max_对)。或者,可以选择使用固定的窗口大小(–固定的_delta)。在这种情况下,根据窗口大小(–delta)和单位(–delta_单位),估计轨迹中的每个姿势都与稍后的姿势关联。这种评估技术对估计漂移很有用。

  • 2
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大江东去浪淘尽千古风流人物

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值