SLAM评测工具EVO常用功能介绍【正在刷夜的李哈哈】

EVO是一款常用的SLAM评测工具,适用于对比和分析SLAM算法的轨迹误差。本文介绍了EVO的基本使用方法,包括绘制轨迹(evo_traj)、绝对位姿误差比较(eva_ape)和相对位姿误差比较(evo_rpe)。同时,还展示了如何将Kitti数据集转换为TUM格式,并对比单目与双目SLAM的效果。此外,还讲解了如何调整EVO输出图片的样式,如背景颜色、字体大小、默认图片大小和线宽。
摘要由CSDN通过智能技术生成

前言

EVO是一款常用的slam评测工具,本人近期在做毕设,计划修改代码,并查看修改代码后的slam运行效果
所以决定学习使用EVO,并从中学习如何对比结果

官方网页介绍

EVO的官方信息几乎全部在GitHub上,链接如下:
EVO的整体介绍:指令、功能等
对于EVO更加细节的介绍在这里,是一篇Wiki:
EVO具体使用方法介绍Wiki
注意该文章右边是目录,可以点开看的昂:
在这里插入图片描述

另外关于EVO的安装可以参照其他博文,不做赘述
我的安装就是一个指令:

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

安装成功后,重启即可

实际使用方法

以Euroc数据集为例,介绍几个常用的指令

绘制轨迹:evo_traj

在目标轨迹的目录下打开终端,输入以下指令:

evo_traj tum KeyFrameTrajectoryloop.txt -p

指令参数含义:

  • evo_traj是绘制命令
  • tum表示轨迹的数据集类型,相应的还有kittitum
  • KeyFrameTrajectoryloop.txt是保存有轨迹的文件
  • -p等价于--plot,是绘制轨迹的附加参数

输出效果如下:
在这里插入图片描述

比较绝对位姿误差:eva_ape

后边的很多具体细节参照这篇文章:
一种SLAM精度评定工具——EVO使用方法详解
官方文档中对该指令是这样介绍的:

Absolute pose error, often used as absolute trajecto

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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