SLAM 轨迹评估工具——EVO安装、使用介绍

已于 2024-04-17 17:12:38 修改
阅读量7.5k 收藏 84
点赞数 9
分类专栏： VINS-FUSION slam 工具 文章标签： 人工智能 机器学习 自动驾驶
于 2023-03-22 10:24:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010196944/article/details/129384012
版权
evo是一个用于评估视觉里程计和SLAM算法的工具，支持多种数据集格式并能进行参数配置。它能绘制轨迹、计算与真值的误差，包括绝对位姿误差（APE）和相对位姿误差（RPE），提供方便的结果比较和可视化功能。
摘要由CSDN通过智能技术生成

一、概述

evo是一款用于视觉里程计和SLAM问题的轨迹评估工具. 核心功能是能够绘制相机的轨迹, 或评估轨迹与真值之间的误差. 支持多种数据集的轨迹格式(TUM、KITTI、EuRoC MAV、ROS的bag)， 同时支持这些数据格式之间的相互转换，本文轨迹展示以tum数据格式为例。

二、安装

evo安装方式比较简单，有两种方式：

1.便捷安装
pip3 install evo --upgrade --no-binary evo
2.源码安装
git clone https://github.com/MichaelGrupp/evo.git
pip3 install --editable .
了解本专栏 订阅专栏 解锁全文 超级会员免费看
云端舞步
关注
专栏目录
订阅专栏
SLAM评测工具
gyqJulius_Caesar的博客
10-28 694
安装EVO工具箱 https://github.com/MichaelGrupp/evo 使用conda进入一个python3的环境，安装超时重试一次即可 pip install evo --upgrade --no-binary evo 数据格式与SLAM14奖轨迹的地方一致 evo_traj 分析，绘制或者导出一个或多个轨迹的命令,测试evo自带的程序 cd test/data evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KI
一种SLAM精度评定工具——EVO使用方法详解
热门推荐
dcq1609931832的博客
10-09 2万+
evo_ape 计算绝对位姿误差 绝对位姿误差，常被用作绝对轨迹误差，比较估计轨迹和参考轨迹并计算整个轨迹的统计数据，适用于测试轨迹的全局一致性。 命令语法：命令 格式 参考轨迹 估计轨迹 [可选项] 其中格式包括euroc、tum等数据格式，可选项有对齐命令、画图、保存结果等。 常用命令示例： evo_ape euroc MH_data3.csv pose_graphloop.txt -r fu...
SLAM测评工具---evo安装与使用
xiaojinger_123的博客
09-06 3251
evo简介 evo是一个很好的测评工具，它可以根据时间戳将轨迹进行对齐，同时可以将不同尺度的轨迹按照你指定的标准轨迹进行拉伸对齐，并可以算出均方差等评定参数，用于测评slam算法性能 evo安装 1.切换python版本 新版evo的安装只支持python 3.6+ Ubuntu18.04默认python2.7（catkin_make支持python2.7版本，即默认版本），需要切换 sudo update-alternatives --config python 2.安装pip3 sudo apt in
【性能评估工具】—— SLAM性能评估工具evo的安装与常用指令的详细介绍
最新发布
2401_82458959的博客
07-20 1758
evo是一款用于评估SLAM（Simultaneous Localization and Mapping）算法性能的工具。它提供了一系列评估指标和可视化工具，帮助开发者分析SLAM系统在不同场景下的性能表现。evo支持多种数据格式，包括ROS数据格式，使其可以与ROS中的SLAM算法无缝集成。通过evo，用户可以比较不同SLAM算法的定位精度、地图质量以及鲁棒性等方面的性能，并可视化结果以便更直观地理解和比较不同算法的表现。下面详细介绍evo性能评估工具的安装
EVO安装与问题解决
wwtx的博客
05-17 2493
1.安装方法 1.1 快捷安装 ，直接安装最新的稳定发行版： pip install evo --upgrade --no-binary evo 1.2 源码安装 ，下载源码进行安装： 首先在任意文件夹下下载evo，也可以在home中直接下载 git clone https://github.com/MichaelGrupp/evo.git 然后进入evo文件夹下打开终端运行： pip install --editable . --upgrade --no-binary evo 2.问题及解决办法 2
SLAM精度评估—evo
u014374826的博客
06-01 2678
evo是一款用于SLAM轨迹精度的评估工具。核心功能是（1）能够绘制（传感器运动）轨迹，（2）评估估计轨迹与真值（ground truth）的误差。evo支持多种数据集的轨迹格式(TUM、KITT、EuRoC MAV、ROS的bag)，同时支持这些数据格式之间进行相互转换。在此仅对其基本功能做简要介绍。
evo安装与使用
YiYeZhiNian的博客
10-24 6300
1、evo安装 evo共有两种安装方式 1、快捷安装 ，直接安装最新的稳定发行版： pip install evo --upgrade --no-binary evo 2、源码安装 ，下载源码进行安装： 首先在任意文件夹下下载evo，也可以在home中直接下载 git clone https://github.com/MichaelGrupp/evo.git 然后进入evo文件夹下打开终端运行： pip install --editable . --upgrade --no-binary evo 这里
使用evo工具可视化和评测SLAM算法性能
一米阳光
10-02 7971
使用evo工具可视化和评测SLAM算法性能 文章目录使用evo工具可视化和评测SLAM算法性能evo tools常见格式数据集TUM数据集格式评测流程 evo tools 常见格式数据集 TUM数据集格式 timestamp tx ty tz qx qy qz qw (每行有８个元素，结尾没有空格) 1341847980.7900 -0.6832 2.6909 1.7373 0.0003 0.86...
评估SLAM的工具–evo安装
qq_45306739的博客
03-11 1662
slam评估工具evo
SLAM评估工具-EVO从安装到使用
Laney_Midory的博客
02-21 8041
1、安装 evo pip install evo --upgrade --no-binary evo --user 即可直接安装成功 如果说需要更新则更新即可 /usr/local/bin/python3.7 -m pip install --upgrade pip 2、测试 evo_traj euroc 2.txt --plot 报错： [ERROR] EuRoC format ground truth must have at least 8 entries per row and no trai
slam工具箱
02-14
用于机器人定位导航的matlab工具箱,可以在matlab环境下编写验证机器人导航算法
ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-17 1870
ORB-SLAM2算法1 已成功编译安装ORB-SLAM2到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。
SLAM精度评估——EVO
07-27
其中，evo_traj命令用于评估轨迹误差，可以使用手写的ATE（绝对位姿误差）和RPE（相对位姿误差）来比较SLAM系统的性能。\[1\] 相对位姿误差主要用于比较运动（姿态增量），而不是进行绝对位姿的比较。相对位姿误差...
ORB-SLAM2算法2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-12 869
本篇目的是用TUM开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。
安装EVO工具
shilininiya的博客
07-07 415
EVO工具全名为“Python package for the evaluation of odometry and SLAM”，使用Python写的轨迹评估工具，最近需要使用evo工具评测SLAM算法性能并可视化结果所以加以记录。查询到EVO工具多半是装在Python3环境下的，但是我安装的是Python2.7版本，按照很多教程进行安装。
用evo工具评估SLAM轨迹
qq_41622988的博客
09-20 566
https://blog.csdn.net/A_L_A_N/article/details/88708979
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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