KITTI数据转化为bag和evo工具的使用

KITTI数据集转化为.bag形式

1.制作100Hzimu数据包bag：

python kitti2bag.py -t 2011_10_03 -r 0027 raw_synced

到kitti 官网下载 2011_10_03_drive_0027 的extract数据集 （原来的 sync数据集为去除相机畸变的数据集，但是IMU发布频率只有10HZ 显然不满足进行多传感器融合处理，extract的数据集为raw_data ,IMU频率为100HZ,但是没有进行相机去畸变）。
https://github.com/TixiaoShan/LIO-SAM/tree/master/config/doc/kitti2bag
目录结构类似：从零开始做自动驾驶定位(二): 数据集

evo工具的使用

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

1.绘制多条轨迹比较

evo_traj tum groundtruth.txt estimate.txt --ref=groundtruth.txt -va -p

2.APE和RPE

两种突出的方法是绝对姿态误差（APE）和相对姿态误差（RPE）。
APE绝对位姿误差，常被用作绝对轨迹误差（ATE），适用于评估SLAM系统估计轨迹和参考轨迹的全局一致性。
RPE相对位姿误差，比较相对运动（姿态增量），适用于评估里程计的局部精度，例如系统每米的平移或者旋转漂移量。

evo_ape tum groundtruth.txt estimate.txt -r trans_part -va --plot --plot_mode xyz --save_plot ./

evo_rpe tum groundtruth.txt estimate.txt -r trans_part -va --plot --plot_mode xyz --save_plot ./

evo_rpe tum groundtruth.txt estimate.txt -r trans_part --delta 1 --delta_unit m -va --plot --plot_mode xyz --save_plot ./

To evaluate monocular visual SLAM,type

evo_ape tum street_07.txt your_result.txt -vaps

To evaluate LIDAR SLAM,type

evo_ape tum street_07.txt your_result.txt -vap

To test GNSS based methods,type

evo_ape tum street_07.txt your_result.txt -vp

–ref=指定参考轨迹
-va: 对齐
-p/plot：绘制
–save_results results/ORB.zip

---

参考：多传感器融合定位（4-基于滤波的融合方法）kitti数据集 IMU频率改为100HZ