【多传感器融合定位】【2】【python版本的切换和evo的安装】【evo的使用记录】

本文链接：https://blog.csdn.net/qq_45954434/article/details/124164906

【多传感器融合定位】【2】【python版本的切换和evo的安装】【evo的使用记录】

0 前言
1 基于evo的里程计精度评价
2 关于使用vscode编译slam工程，c_cpp_properties.json文件的配置
- 2.1 首先生成c_cpp_properties.json文件
- 2.2 包含进自己创建的头文件

0 前言

1 基于evo的里程计精度评价

以组合导航的结果为真值，使用evo工具进行里程计精度评价

1.1 安装evo和切换python版本

1.1 ubuntu18.04下切换python版本

参考：ubuntu切换python版本
安装evo之前要把evo切换到ubuntu所携带的python3版本，可参考上述链接

1.2 安装pip3

sudo apt install python3-pip

1.3 安装evo

注意安装evo时提前安装好可能存在的依赖问题

sudo apt-get install tcl-dev tk-dev python3-tk

然后安装evo

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

然后

echo 'export  PATH=$PATH:/home/bupo/.local/bin' >>~/.bashrc
source ~/.bashrc

参考文章：安装VO/SLAM测评工具evo遇到的坑
如下：
在这里插入图片描述

1.4 测试

我没测试，想测试参考ubuntu18.04安装evo,以及python版本切换中的的第7小节

1.5 python版本退回

为了保证ros的正常使用，接下来需要把python版本从python3切换至python2，可以保证安装evo后ros正常使用。

sudo update-alternatives --config python

选择python2的默认版本即可

1.2 evo的使用

参考：测评工具evo安装与使用
EVO使用记录
这里为了演示，所以提供了我跑出来的NDT点云匹配算法和gnss+imu得到的里程计信息：链接：https://pan.baidu.com/s/157C_mRcK43oTwIG2tN8Oqw 提取码：yoss
文件内存储的数据为，每一行为一个3*4的变换矩阵的信息：

T(0,0) T(0,1) T(0,2) T(0,3) T(1,0) T(1,1) T(1,2) T(1,3) T(2,0) T(2,1) T(2,2) T(0,3)
//其中 平移矩阵为t( T(0,3),T(1,3) , T(0,3))

1.2.1 evo使用须知

evo支持一下几种数据格式：

TUM 轨迹文件
KITTI 位姿
EUROC .csv和.txt文件
ROS bag文件

在使用evo的时候都要在工具后面先给出想要处理的数据格式如:

evo_traj tum -h(查看帮助)

1.2.1 分段统计精度（相对位姿误差RPE：relative pose error）

evo_rpe kitti ground_truth.txt laser_odom.txt -r trans_part --delta 100 --plot --plot_mode xyz

其中–delta 100表示的是每隔100米统计一次误差，这样统计的其实就是误差的百分比，和kitti的odometry榜单中的距离误差指标就可以直接对应了。

RPE(m，relative pose error)：相对位姿误差
RMSE（Root Mean Square Error）均方根误差：衡量观测值与真实值之间的偏差。
不添加-r 即默认情况下只统计translation part

1.2.2 计算整体轨迹误差

evo_ape kitti ground_truth.txt laser_odom.txt -r full --plot --plot_mode xyz

APE：绝对位姿误差
-r 表示APE所基于的姿态关系
-r full表示同时考虑平移和旋转得到的APE，无单位（unit-less）
-r trans_part 表示考虑平移部分得到的APE，单位为m
-r rot_part 表示考虑旋转部分得到的APE，无单位（unit-less）

1.2.3 绘制出运行轨迹 evo_traj

1.2.3.1 绘制单个或多个文件的运动轨迹

单个文件

evo_traj kitti laser_odom.txt -p

多个文件

evo_traj kitti laser_odom.txt ground_truth.txt -p

多个文件，但存在参考轨迹，这里就把ground_truth.txt当作参考轨迹

evo_traj kitti laser_odom.txt --ref ground_truth.txt -va -p

其中ref是参考轨迹，-va是对齐后的详细信息，-p是画出图像，也可以使用
–plot_mode {xy,xz,yx,yz,zx,zy,xyz}
来选择单独绘制某个平面的信息

evo_traj kitti laser_odom.txt -p --plot_mode xy

演示为单个，输出的图像包括：

轨迹三维图
平移的XYZ数据

3 绕轴（X，Y，Z）旋转的数据（roll，pitch，yaw）（滚转角，俯仰角，偏航角）

evo_traj kitti ground_truth.txt laser_odom.txt -p --plot_mode=xy

2 关于使用vscode编译slam工程，c_cpp_properties.json文件的配置

2.1 首先生成c_cpp_properties.json文件

按下ctrl+shitf+P，输入并选择ROS:Update C++ Properties即可更新c_cpp_properties.json里面的头文件路径，里面有ros的路径，devel中include的路径，各个功能包include的路径，会默认包含~/.bashrc文件中包含的source（查看~/.bashrc，为sudo gedit ~/.bashrc）
此时的c_cpp_properties.json为：

{
    "configurations": [
        {
            "browse": {
                "databaseFilename": "${workspaceFolder}/.vscode/browse.vc.db",
                "limitSymbolsToIncludedHeaders": false
            },
            "includePath": [
                "/opt/ros/melodic/include/**",
                "/usr/include/**"
            ],
            "name": "ROS",
            "intelliSenseMode": "gcc-x64",
            "compilerPath": "/usr/bin/gcc",
            "cStandard": "gnu11",
            "cppStandard": "c++14"
        }
    ],
    "version": 4
}

参考：VSCode调试ROS程序