SLAM 轨迹评估工具EVO

最新推荐文章于 2024-07-20 14:44:44 发布
最新推荐文章于 2024-07-20 14:44:44 发布
阅读量1.9w 收藏 230
点赞数 24
分类专栏： 科研工具箱 文章标签： EVO EVO安装 轨迹评估工具 SLAM EVO教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/crp997576280/article/details/105385240
版权

EVO使用教程


我使用的环境为ubunut1604+ROS（Kinect）版本,环境是Python2的

1 EVO环境安装

1.1 二进制安装

pip install evo --upgrade --no-binary evo

1.2 源码安装

推荐使用源代码安装方式。，首先安装依赖项：

sudo pip install --upgrade pip
sudo pip install --user --upgrade
 
sudo apt-get install libfreetype6-dev gfortran
pip install matplotlib
pip install scipy

安装evo:

git clone -b python2  https://github.com/MichaelGrupp/evo.git
cd evo
pip install --editable . --upgrade --no-binary evo

出现以下情况则表示安装成功了
在这里插入图片描述

2 使用方法

EVO提供了绝对误差和相对误差评估命令和图形分析工具(暂且这样称呼它)：
evo_ape - absolute pose error （绝对误差）
evo_rpe - relative pose error （相对误差）

Tools:
evo_traj - tool for analyzing, plotting or exporting one or more trajectories（用于分析一个或者多个曲线）
evo_res - tool for comparing one or multiple result files from evo_ape or evo_rpe
evo_fig - (experimental) tool for re-opening serialized plots (saved with --serialize_plot)
evo_config - tool for global settings and config file manipulation

这里需要注意一下 EUROC数据、TUM数据集、KITTI数据集使用的四元数顺序是不一样的，因此在使用命令的时候后续需要加参数予以区分，我们在自己保存算法输出的轨迹文件的时候应当注意这一点。
在evo的源码中 evo/test/data 目录下面有用于测试的数据集

2.1 TUM数据集上使用

TUM数据格式为：timestamp tx ty tz qx qy qz qw (每行有８个元素，结尾没有空格, 时间戳以秒为单位，精确到小数点后9位)

2.1.1 计算轨迹的绝对误差（evo_ape）

评估算法输出的曲线和真实值之间的绝对误差（absolute pose error）

mkdir results
evo_ape tum fr2_desk_groundtruth.txt  fr2_desk_ORB.txt -va --plot --plot_mode xz --save_results results/ORB_fr2_desk.zip

执行命令以后，在终端中打印出RMSE等误差值
在这里插入图片描述
若出现错误： [ERROR] evo module evo.main_ape crashed - no logfile written (disabled)
则是由于matplotlib 的问题，需要升级一下 matplotlib

pip install matplotlib --upgrade

2.1.2 绘制多条曲线（evo_traj）

在一张图中绘制两个算法的输出曲线（rgbdslam-v2 和 orb-slam）,其中 --ref的参数为指定的真是轨迹值。

evo_traj tum freiburg1_xyz-ORB_kf_mono.txt freiburg1_xyz-rgbdslam.txt  --ref=freiburg1_xyz-groundtruth.txt -va --plot --plot_mode xy

在图片的界面中可以修改曲线的颜色等参数。
在这里插入图片描述
注意:多条曲线对齐的时候需要加上参数 -a

2.1.3 分析多条曲线（evo_res）

假设现在我使用2.1.1中命令生成了在fr1_xyz 和 fr2_desk两个序列上的Zip文件（这两个zip文件都在result目录下面）。此时我们使用 evo_res 命令分析算法在这两个序列上的性能

 evo_res results/*.zip -p --save_table results/table.csv

这表示分析 results 目录下面所有的zip文件。
在这里插入图片描述

2.3 KITTI数据集上使用

KITTI数据集格式： r11 r12 r13 tx r21 r22 r23 ty r31 r32 r33 tz 存储变换矩阵的前三行　(每行12元素，空格隔开)　无时间戳
在这里插入图片描述

2.2.1 计算轨迹的绝对误差

这里会生成一个名为xxx.zi压缩文件，这个在绘制多条曲线会用到。

mkdir results
evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results/KITTI_00_ORB.zip

在这里插入图片描述

2.2.2 绘制多条曲线

将待绘制的曲线文件放置于同一个文件夹test中，

cd test/data
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz

其中，KITTI_00_ORB.txt 表示第1个算法在序列上运行的文件，KITTI_00_SPTAM.txt* 表示第2个算法在序列上运行的文件，***–ref=KITTI_00_gt.txt*** 表示指定真实的groundtruth轨迹文件，***-p --plot_mode=xz*** 则命令参数，在XOZ平面绘制轨迹。
在这里插入图片描述
注意: 多条曲线对齐的时候需要加上参数 -a

2.2.3 分析多条曲线

 evo_res results/*.zip -p --save_table results/table.csv

在这里插入图片描述

2.3 EUROC数据集上使用

EUROC数据格式为：timestamp,px,py,pz,qw,qx,qy,qz,vx,vy,vz,bwx,bwy,bwz,bax,bay,baz (每行17个元素，逗号隔开，时间以纳秒为单位,无小数)*
在这里插入图片描述

2.3.1 计算轨迹的绝对误差

评估算法输出的曲线和真实值之间的绝对误差（absolute pose error）

evo_ape euroc V102_groundtruth.csv V102.txt -va --plot --plot_mode xy --save_results results/EUROC.zip

在这里插入图片描述
其余两个命令与前面的操作一样，只需要将命令中的 euroc 和 kitti 替换成 tum 即可。

3 修改EVO 绘图配置

这部分参考博客[4]和官方教程[5],以及一个翻译的中文教程[6]

1调整字体大小

evo_config set plot_fontfamily serif plot_fontscale 1.5

2 调整图像大小

evo_config set plot_figsize 8 6

3 调整默认线宽度

evo_config set plot_linewidth 3

4 调整ref参考轨迹透明程度
默认在绘制groundtruth轨迹的时候会有点淡,这可以调整一下透明度

evo_config set plot_reference_alpha 0.75

5 修改背景的颜色

evo_config set plot_seaborn_style whitegrid

这是修改背景，其中whitegrid可以替换成darkgrid, whitegrid, dark, white, ticks,deep6.这里我还是使用的默认的whitegrid

6.修改线条颜色

evo_config set plot_seaborn_palette bright

这是修改线条，其中bright可以替换成deep, muted, bright, pastel, dark, colorblind

参考资料

[1] 官方教程：https://github.com/MichaelGrupp/evo
[2] https://blog.csdn.net/A_L_A_N/article/details/88708979
[3] https://blog.csdn.net/qq_37568167/article/details/104961523
[4] https://zhuanlan.zhihu.com/p/88223106
[5] http://wiki.ros.org/map_server#Map_format
[6] https://blog.csdn.net/hhaowang/article/details/105226136

如果文章对你有所帮助，请大家帮忙点个赞。O(∩_∩)O

欢迎大家在评论区交流讨论（cenruping@vip.qq.com）

熊猫飞天
关注
专栏目录
SLAM 轨迹评估工具——EVO安装、使用介绍
u010196944的博客
03-22 7488
evo是一款用于视觉里程计和SLAM问题的轨迹评估工具. 核心功能是能够绘制相机的轨迹, 或评估轨迹与真值之间的误差. 支持多种数据集的轨迹格式(TUM、KITTI、EuRoC MAV、ROS的bag)， 同时支持这些数据格式之间的相互转换，本文轨迹展示以tum数据格式为例。
ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-17 1834
ORB-SLAM2算法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。
EVO评估轨迹
qq_38766208的博客
11-14 1988
cd ~/evo/test/data evo_traj tum FrameTrajectory_TUM_Format.txt KeyFrameTrajectory_TUM_Format.txt -p --plot_mode=xyz 如果有groundtruth.txt evo_traj tum FrameTrajectory_TUM_Format.txt KeyFrameTrajectory_TUM_Format.txt groundtruth.txt -p --plot_mode=xyz 得到以下结果
SLAM轨迹精度评估工具evo使用方法
qq_39779233的博客
07-25 1万+
一、evo_traj 命令 1. evo_traj 命令 当我们想要比较两个 topic 数据之间的不同时刻之间的偏差是，可以考虑用 evo_traj 命令来绘制轨迹。 evo共支持kitti、tum、euroc这三个公开数据集格式，同时也支持bag文件里的topic。 evo_traj 的具体语法格式： evo_traj bag文件 话题名1 话题名2 .... 话题名n [参数] 参数选项：参数-p 或 --plot 即可绘制出轨迹的图形两个 topic 对应的坐标曲线。 2.运行命令并查看效
【性能评估工具】—— SLAM性能评估工具evo的安装与常用指令的详细介绍
最新发布
2401_82458959的博客
07-20 1571
evo是一款用于评估SLAM（Simultaneous Localization and Mapping）算法性能的工具。它提供了一系列评估指标和可视化工具，帮助开发者分析SLAM系统在不同场景下的性能表现。evo支持多种数据格式，包括ROS数据格式，使其可以与ROS中的SLAM算法无缝集成。通过evo，用户可以比较不同SLAM算法的定位精度、地图质量以及鲁棒性等方面的性能，并可视化结果以便更直观地理解和比较不同算法的表现。下面详细介绍evo性能评估工具的安装
SLAM 轨迹评估 性能指标 汇总
weixin_44458958的博客
05-30 2606
假如有2000次观测，即m=2000，对于某一次（第i次）观测来说，y值是真实值，而h(x)是观测值，对所有m次观测的的偏差取平方后相加，得到的值再除以m，然后再开根号，就得到RMSE了。它们之间在的区别在于，RMSE先对偏差做了一次平方，这样，如果误差的离散度高，也就是说，如果最大偏差值大的话，RMSE就放大了。RRE是另外一种计算误差的方式，相比于上面计算的旋转误差，应该是等价的。但是还有一个比较让人迷糊的概念是标准误差，体现的是使用样本来估计总体，这时，上面公式里的1/n，变成了1/(n-1)。
evo轨迹对比图绘制
Turn life into a dream, and then turn dreams into reality
11-19 2179
evo_traj euroc data.csv --save_as_tum evo_ape tum vins_result_loop.txt data.tum -p -va evo_traj tum vins_result_loop.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale --save_results指令
评判轨迹好坏框架
weixin_43185011的博客
01-14 847
单细胞轨迹推断方法的比较摘要必要性评判标准结果局限性TI方法文献获得TI方法的特征TI方法的分解Method输入数据 细胞和基因质量控制： A step-by-step workflow for low-level analysis of single-cell RNA-seq data with Bioconductor 摘要 自2014年以来，已经开发了50多种轨迹推断方法，每种方法都有自己的...
ORB-SLAM3算法2之EuRoc开源数据集运行ORB-SLAM3生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
10-26 1872
ORB-SLAM3算法1 已成功编译安装ORB-SLAM3到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM3，并生成轨迹，最后用evo评估工具来评估ORB-SLAM3生成的轨迹和真值轨迹。
ORB-SLAM2算法2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-12 822
本篇目的是用TUM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。
【SLAM】运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC单目数据集
Venistar的博客
10-19 1万+
单目下运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC数据集1 算法评价指标（1）系统性能评估-绝对轨迹误差(ATE)（2）系统漂移评估-相对轨迹误差(RPE)（3）精度统计量-均方根误差（RMSE）2 安装依赖项（1）Numpy安装（2）SciPy安装（3）matplotlib安装3 evo安装（1）pip安装（2）源码安装（3）测试（4）报错处理4 evo使用（1）轨迹可视化（2）轨迹评估1）计算绝对位姿误差2）计算相对位姿误差（3）结果比较（4）格式转换（5）配置更改（6）时间
轨迹评估介绍 与 evo 工具使用
weixin_39116068的博客
10-08 305
本文介绍了轨迹评估的基本概念，包括轨迹对齐、尺度变换、绝对轨迹误差、相对轨迹误差以及计算方法、相关文献，以及evo轨迹评估工具的安装、使用举例、命令参数详解。
EVO轨迹评估工具基本使用教程(学习记录)
weixin_66706867的博客
05-31 1313
EVO轨迹评估工具基本使用教程(学习记录)
evo同时对比多个tum数据集
sophies671207的博客
12-01 1623
1.用法 1）将evoCapsulation.sh置于RGBD数据集所在的文件夹 2）运行以下命令 ./evoEncapsulation.sh fr2_desk_ORB.txt fr2_desk_ORB_kf_mono.txt fr2groundtruth.txt 2 shell文件 #!/bin/bash #判断输入参数的个数 if [ $# -eq 0 ];then ...
EVO应用于SLAM评估轨迹学习汇总
qq_39607707的博客
05-17 862
EVO应用于SLAM评估轨迹学习汇总分类汇总1、绘制轨迹2、轨迹评估3、全局设置和配置文件操作4、结果比较参考文章 分类汇总 1、绘制轨迹 evo_rpe：计算相对位姿误差 evo_ape：计算绝对位姿误差 2、轨迹评估 evo_traj：用于绘制轨迹，也可以用于验证数据是否有效，导出为其他格式等 3、全局设置和配置文件操作 evo_config：用于保存配置文件，把自己常用的参数保存为.json文件，避免每次输入 4、结果比较 evo_res：进行结果比较 参考文章 1、视觉里程计的轨迹
SLAM精度测评——EVO
热门推荐
格物致知
10-18 1万+
1.install GitHub - MichaelGrupp/evo: Python package for the evaluation of odometry and SLAM 注意：安装好依赖！ sudo apt install python-pip pip install evo --upgrade --no-binary evo or pip install evo --upgrade --no-binary evo --user pip install numpy --up...
evo slam评估工具使用方法
q12haha345678的博客
04-05 481
本文简要介绍了evo slam评估工具的使用方法，包括安装、绘制轨迹、评估误差和格式。
evo安装，使用及报错处理
qq_43111963的博客
05-04 4086
evo安装，使用及报错处理 本人（ubuntu18.04）最近从事视觉slam研究，需要使用evo评估轨迹。记录一下踩过的一些坑，供大家交流参考。 evo安装 事先声明，evo需要python版本3.6+或者py2.7 1.12.0。 安装依赖： sudo apt-get install libfreetype6-dev gfortran sudo pip install matplotlib sudo pip install scipy evo源码网站上readme上提供了两种方法——pip
SLAM精度评估——EVO
07-27
SLAM精度评估中的EVO是指使用EVO工具来评估SLAM系统的轨迹误差。EVO是一个开源的工具，用于评估SLAM系统的性能。它提供了一系列命令和功能，可以计算和可视化SLAM系统的轨迹误差。 在EVO中，有几个常用的命令可以用来评估SLAM系统的轨迹误差。其中，evo_traj命令用于评估轨迹误差，可以使用手写的ATE（绝对位姿误差）和RPE（相对位姿误差）来比较SLAM系统的性能。\[1\] 相对位姿误差主要用于比较运动（姿态增量），而不是进行绝对位姿的比较。相对位姿误差可以给出局部精度，例如SLAM系统每米的平移或旋转漂移量。可以使用evo_rpe命令来计算相对位姿误差，并通过设置参数来进行可视化和保存结果。\[2\] 另外，evo_ape命令可以用于计算ATE（绝对位姿误差），并提供了可视化和保存结果的功能。可以使用该命令来评估SLAM系统在KITTI数据集上的性能。\[3\] 总之，EVO是一个用于评估SLAM系统性能的工具，可以通过计算和可视化轨迹误差来评估SLAM系统的精度。可以使用evo_traj、evo_rpe和evo_ape等命令来进行评估和分析。 #### 引用[.reference_title] - *1* *2* [SLAM精度测评——EVO进阶](https://blog.csdn.net/Darlingqiang/article/details/123534388)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [ros中SLAM的EVO、APE测评——SLAM精度测评（一）](https://blog.csdn.net/Yangy_Jiaojiao/article/details/124419966)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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