evo测评A-LOAM算法（基于KITTI数据集）

使用evo测评SLAM算法可以是多角度的，例如轨迹评估，绝对位姿误差评估、相对位姿误差评估等，这些就交给读者自行研究，写这篇文章主要是帮助大家梳理一下A-LOAM算法评估流程。

1. KITTI数据集转bag

因为A-LOAM算法需要播放数据包，所以我们在运行A-LOAM算法时首先需要将KITTI数据集转成.bag文件。

关于KITTI数据中点云bin文件转成rosbag包的方法，大家用的最多的应该是被传得最多的阿里员工开发的转化工具lidar2rosbag_KITTI，github链接如下：

https://github.com/AbnerCSZ/lidar2rosbag_KITTI

安装就不讲了，直接创建工作空间和src文件夹，在src文件中git clone，然后在工作空间目录下catkin_make，使用前先source一下即可。

这里主要讲一下该功能包的使用，打开程序可以看到，读取KITTI数据集文件目录是写好了的：

所以按照这个目录去存储KITTI数据集即可，例如笔者在测评A-LOAM时用了KITTI05序列，相应的存储目录为：

其中，velodyne文件夹中存放点云.bin文件。

在进行使用时，需要先开启roscore。

然后，打开终端：

1. source ./devel/setup.bash
2. rosrun lidar2rosbag lidar2rosbag /home/xxx/data/KITTI/dataset/sequences/05/ 05

补充说明：第2行语句中，第一个05对应的是KITTI数据集序列号和存放目录号，第二个05是生成的.bag文件名，可以更改。

2. 保存A-LOAM发布的里程计话题数据（tum格式）

可以在A-LOAM算法中laserMapping文件中直接进行数据读取和写入操作，然后将当前帧添加到map坐标系后，发布的当前帧点云到map坐标下的里程计信息保存到.txt。

但笔者更倾向于订阅话题节点进行数据存储，今天在这里主要也是介绍这种方法。A-LOAM中需要订阅的里程计话题为“/aft_mapped_to_init”，所以我们需要订阅该话题，保存相应的时间戳和数据到.txt文件中去，因此保存的格式为tum（包含了时间戳）。

在这里，尊重原创，附上笔者当时借鉴的链接：

用于evo评估的里程计轨迹保存方法_evo_traj 保存对齐后的轨迹_dear小王子的博客-CSDN博客文章浏览阅读1.2k次，点赞4次，收藏37次。evo评估方法（里程计转tum格式的txt）_evo_traj 保存对齐后的轨迹https://blog.csdn.net/zhaohaowu/article/details/125340231?spm=1001.2014.3001.5506然后附上此次用到的.cpp代码：

• #include <iostream>
  #include <string>
  #include <fstream>
  #include <ros/ros.h>
  #include <nav_msgs/Odometry.h>
  
  using namespace std;
  
  //结合自己目录进行修改
  string ALOAM_file = "/home/wangchao/odom_evo/ALOAM.txt";
  fstream aloam_file;
  
  void aloam_handler(const nav_msgs::Odometry::ConstPtr& msgIn)
  {
      nav_msgs::Odometry data = *msgIn;
      static int flag=1;
      static double stamp_init;
      if(flag==1){
          stamp_init = data.header.stamp.toSec();
          flag=0;
      }
      aloam_file << fixed << data.header.stamp.toSec()-stamp_init   << " "   << data.pose.pose.position.x    << " " << data.pose.pose.position.y << " " 
              << data.pose.pose.position.z    << " "   << data.pose.pose.orientation.x << " " << data.pose.pose.orientation.y << " " 
              << data.pose.pose.orientation.z << " " << data.pose.pose.orientation.w   << std::endl;
  }
  
  int main(int argc, char** argv)
  {
      ros::init(argc, argv, "odom2txt2");
      ros::NodeHandle nh;
  
      aloam_file.open(ALOAM_file, ios::out);
  
      ros::Subscriber sub_aloam = nh.subscribe<nav_msgs::Odometry>("/aft_mapped_to_init", 1000, &aloam_handler, ros::TransportHints().tcpNoDelay());
  
      ROS_INFO("\033[1;32m----> odom2txt start.\033[0m");
      ros::spin();
  
      return 0;
  }

注意：请根据自己目录修改代码中写入文件的目录和文件名。

相应的CMakeLists.txt也比较简单，读者只需要像往常一样创建功能包，添加.cpp即可，创建功能包时依赖项为roscpp rospy std_msgs即可，然后没有的在CMakeLists.txt中添加即可，笔者的CMakeLists.txt文件直接参照A-LOAM的依赖项进行的：

find_package(catkin REQUIRED COMPONENTS
  roscpp
  rospy
  std_msgs
  geometry_msgs
  nav_msgs
  sensor_msgs
  rosbag
  image_transport
  cv_bridge
  tf
)

其他没有什么需要注意的，正常修改add_executable和target_link_libraries就行了。

3. evo评估A-LOAM

直接放上使用的语句：

语句1：

evo_traj tum --ref=gt05_tum.txt ALOAM.txt --plot --plot_mode=xyz --align --correct_scale

gt05_tum.txt为kitti真值tum格式文件。

参数说明：

 - 自动对齐  --align 或者 -a
 - 尺度校准  --correct_scale 或者 -s
 - 自动对齐且尺度校准  --align --correct_scale 或者 -as

语句2：

evo_rpe tum ALOAM.txt gt05_tum.txt -r trans_part -va --plot --plot_mode xyz --save_plot  /home/wangchao/kitti_result/05.pdf  --save_results /home/wangchao/kitti_result/05.zip

语句2中指定了目录对运行结果进行保存，方便后续操作。

如果需要KITTI真值tum格式文件，可以使用这个链接：

链接: https://pan.baidu.com/s/17hvZyQ3yAw74H1JtJ3OvsQ?pwd=tsnm 提取码: tsnm