Ubuntu 18.04 ——— ROVIO运行与EVO的评测与使用

一、运行环境搭建

1. ROS安装

详细的安装过程见我的另一篇博客Ubuntu18.04 —— 安装环境及运行Vins_mono（2022年）

2. ROVIO安装

安装Kindr

git clone http://github.com/ethz-asl/kindr
cd kindr
mkdir build && cd build
cmake ..
sudo make install

安装ROVIO（同时安装lightweight_filtering)

由于ROVIO是在ROS下运行。因此需要先创建一个ros工程

mkdir -p ~/rovio_ws/src
cd ~/rovio_ws/src
catkin_init_workspace
cd ..
catkin_make
source devel/setup.bash //将对应的工作空间的路径加入环境变量ROS_PACKAGE_PATH中
echo $ROS_PACKAGE_PATH //查看当前环境变量

进入src目录下载rovio源码 并安装lightweight_filtering

cd ~/rovio_ws/src
git clone http://github.com/ethz-asl/rovio
cd rovio 
git submodule update --init --recursive //下载子模块lightweight_filtering
cd ~/rovio_ws
catkin_make rovio --cmake-args -DCMAKE_BUILD_TYPE=Release -DMAKE_SCENE=ON
catkin_make

如果在运行的时候，提示找不到一个S开头的头文件，在rovio/Cmakelist 中最后加上 add_dependencies(rovio rovio_gencpp)

3. EVO安装

详细的安装过程见我的另一篇博客Ubuntu 18.04 ——— VIO算法评测工具EVO的安装与使用

4. 数据集

Euroc数据集：数据集采用MH_01_easy.bag。

二、ROVIO运行

1. 运行rovio_node.launch

在rovio_ws工作空间下打开terminal运行

source ./devel/setup.bash
roslaunch rovio rovio_node.launch

2. 运行数据集

方法一

重新在你数据集的存放路径下新打开一个terminal运行

rosbag play MH_01_easy.bag

方法二

或者修改rovio/launch/rovio_rosbag_node.launch中的的filename参数，将其改为实际rosbag的目录

<param name="rosbag_filename" value="your path/MH_01_easy.bag"/>

在工作空间rovio_ws下打开新terminal运行

source ./devel/setup.bash
roslaunch rovio rovio_rosbag_node.launch 

三、EVO评测

1. 修改地图保存路径

在Rovio_Node.hpp中，定义一个ofstream类，然后在发送IMU位姿上面，将这八个数据(时间戳，p的xyz，q的xyzw)保存到自己设定路径下的.txt文件中。
首先在开头添加头文件

#include <iostream>
#include <fstream>

在第670行 imuOutputCT_.transformState(state,imuOutput_);后添加代码

std::ofstream out_pose("/你的保存路径/rovio_traj.txt",std::ios::app);//save pose
//std::ofstream out_pose("/home/sfann/output/rovio_traj.txt",std::ios::app);//本次保存的路径
        out_pose << ros::Time(mpFilter_->safe_.t_) << " " 
               << imuOutput_.WrWB()(0) << " " 
               << imuOutput_.WrWB()(1) << " " 
               << imuOutput_.WrWB()(2) << " " 
               << imuOutput_.qBW().x() << " " 
               << imuOutput_.qBW().y() << " " 
               << imuOutput_.qBW().z() << " " 
               << -imuOutput_.qBW().w() 
               << std::endl;

就可以愉快的保存轨迹结果了。

2. 重新编译运行

cd ~/rovio_ws
catkin_make rovio --cmake-args -DCMAKE_BUILD_TYPE=Release -DMAKE_SCENE=ON
catkin_make

source ./devel/setup.bash
roslaunch rovio rovio_node.launch

rosbag play MH_01_easy.bag

bag播放完后，需要按ctrl+c退出，才能保存地图。

3. 评测

打开数据集中文件夹中的mav0/state_groundtruth_estimate0/文件夹，会发现有一个文件：
data.csv。这是一个euroc格式的文件，我们首先要把他转成tum格式。输入以下命令：

evo_traj euroc data.csv --save_as_tum

把你的rovio轨迹文件和真实值放在同一文件夹下 打开terminal输入

evo_traj tum --ref=data.tum rovio_traj.txt -va -s -p --plot_mode=xy

结果：

sfann@sfann-virtual-machine:~$ evo_traj tum --ref=/home/sfann/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0/data.tum rovio_traj.csv -va -s -p --plot_mode=xy
--------------------------------------------------------------------------------
Loaded 3680 stamps and poses from: rovio_traj.csv
Loaded 36382 stamps and poses from: /home/sfann/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0/data.tum
--------------------------------------------------------------------------------
Found 3638 of max. 3680 possible matching timestamps between...
	reference
and:	rovio_traj.csv
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning rovio_traj.csv to reference.
Aligning using Umeyama's method... (with scale correction)
Rotation of alignment:
[[ 0.96110465  0.27421674 -0.03290934]
 [-0.27429325  0.96164345  0.00225517]
 [ 0.03226546  0.00685936  0.9994558 ]]
Translation of alignment:
[ 4.75225979 -1.72884375  0.977417  ]
Scale correction: 0.978972578668
--------------------------------------------------------------------------------
name:	rovio_traj
infos:
	duration (s)	181.85000014305115
	nr. of poses	3638
	path length (m)	84.51317253
	pos_end (m)	[ 4.61313081 -2.68249177  0.45436378]
	pos_start (m)	[ 4.74818183 -1.70234231  0.68451628]
	t_end (s)	1403636762.7135556
	t_start (s)	1403636580.8635554
--------------------------------------------------------------------------------
name:	data
infos:
	duration (s)	181.90499997138977
	nr. of poses	36382
	path length (m)	80.6262118473
	pos_end (m)	[ 4.572531 -1.942023  0.61962 ]
	pos_start (m)	[ 4.688319 -1.786938  0.783338]
	t_end (s)	1403636762.7435555
	t_start (s)	1403636580.8385556