AirSim使用--vslam

声明：本文写于2020年7月，只对当时的代码版本有效

0. 下载zip.001 zip.002 zip.003等分卷文件时，可以使用：

【ubuntu】如何解压 .zip.001 .zip.002 .zip.003 文件_轮子去哪儿了-CSDN博客_.zip.001

中的方法：

cat dataset_test_rgb.zip* >  dataset_test_rgb.zip

unzip dataset_test_rgb.zip

如果此时报错：

End-of-central-directory signature not found.  Either this file is not

  a zipfile, or it constitutes one disk of a multi-part archive.  In the

  latter case the central directory and zipfile comment will be found on

  the last disk(s) of this archive.

则使用：

Linux下unzip解压文件时报错并提示： End-of-central-directory signature not found._公众号：君子黎-CSDN博客_end-of-central-directory

jar xvf rapidjson-master.zip

1. 经过github xuhao1修改的ros node很好地解决了vins相关算法的双目图像时间戳不同步的问题；结合gazebo仿真使用的vins yaml文件参数，和gazebo仿真中imu连杆和双目连杆的关系，确定了ros node中imu输出的坐标轴方向。

2. 在Neighborhood环境下录制的双目图像，在orb slam2的stereo模式，和VINS的无imu模式下（只有前端VO输出结果），在粗略观察下都有很好的效果。

3. 在加入仿真的imu信息后，VINS输出的结果变得非常不好，经过修改yaml中的参数，发现仿真imu表现出的误差应当是非常大的。

暂时地，yaml中，需要：

estimate_extrinsic: 0

estimate_td: 0

imu相关参数达到：

acc_n: 0.2          # accelerometer measurement noise standard deviation. #0.2   0.04

gyr_n: 0.05         # gyroscope measurement noise standard deviation.     #0.05  0.004

acc_w: 0.02      # accelerometer bias random work noise standard deviation.  #0.02

gyr_w: 0.00004       # gyroscope bias random work noise standard deviation.     #4.0e-5

g_norm: 9.805       # gravity magnitude

级别，才能有勉强符合直觉的输出：

 

4. 经过真值文件的位姿转化（转为-y，x，z），且忽略最后一段因为车辆上了路基产生的imu过大抖动，使用evo进行对比：

对比z0带imu的轨迹：

APE w.r.t. translation part (m)

(not aligned)

       max 3.932574

      mean 0.733915

    median 0.556997

       min 0.000415

      rmse 1.011099

       sse 451.866086

       std 0.695478

 

 

z0不带imu，单纯VO的轨迹：

APE w.r.t. translation part (m)

(not aligned)

       max 2.320674

      mean 1.031615

    median 0.910396

       min 0.000254

      rmse 1.267220

       sse 716.207615

       std 0.735947

 

使用新的数据集，733米路程，是完整闭环的loop场景。

1. ORB slam2 stereo双目计算结果为：

APE w.r.t. translation part (m)

(not aligned)

       max 6.384774

      mean 3.465807

    median 3.662923

       min 0.000005

      rmse 3.805145

       sse 31202.524839

       std 1.570768

 

 

2. VINS使用imu信息的情况下，非常奇怪地在某处会出现定位飞飘的情况。连换两个数据集都是如此。

VINS不使用imu信息的情况下，输出结果比较精确：

APE w.r.t. translation part (m)

(not aligned)

       max 2.381133

      mean 1.066714

    median 0.809851

       min 0.001172

      rmse 1.261592

       sse 2244.176848

       std 0.673599