[学习笔记-SLAM篇]KITTI数据集轨迹说明

已于 2022-03-13 19:36:17 修改
阅读量8.6k 收藏 99
点赞数 12
分类专栏： SLAM篇 文章标签： 学习 自动驾驶 计算机视觉
于 2021-06-16 21:23:50 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/warningm_dm/article/details/117966971
版权

KITTI数据集做SLAM的话应该都有所耳闻，但过于庞大的压缩包以及运行一次就可能卡住的风险以及不知轨迹几何所以随机运行的偶然性···
让我决定整理一下KITTI的轨迹，便于选择对应序列测试。
考虑到pose真值中只有11（00-10）个轨迹真值，在官网上又找到了5（11-15）个序列轨迹，整理了16个轨迹。
如果想自己运行的话，最下提供了参考的代码，不过KITTI的真实轨迹包要下载一下。

KITTI传送门：Visual Odometry / SLAM Evaluation 2012

推荐使用情况见下面，但仅从轨迹结果考虑，没有结合环境、路况等等信息，在选择的时候还需多方考虑。

注：
1）若仅测试算法是否安装好，对轨迹无要求，建议选小一点的包，eg.04、17、20、03；
2）若测试算法性能，要求闭环，含有真值，但包不要太大，eg.07、06、09；
3）若测试算法性能，要求轨迹复杂，含有真值，电脑性能好，eg.05、08、00、02。

自助下载链接：配合博客的数据集资源，整理到这里自行下载

KITTI轨迹

00

在这里插入图片描述

01

在这里插入图片描述

02

在这里插入图片描述

03

在这里插入图片描述

04

在这里插入图片描述

05

在这里插入图片描述

06

在这里插入图片描述

07

最低0.47元/天 解锁文章
视觉SLAM入门 -- 学习笔记 - Part 9 Kitti 的双目视觉里程计
～勿据散客～的博客
11-23 958
Kitti 的Odometry 提供了左右双目的视觉图像（以及激光，但本作业不使用激光数据），并提供了标定信息。它一共含有若干个Sequence，其中一部分Sequence 的真实轨迹是开放的，另一部分则是隐藏的，作为测试使用。在Kitti 官网可以上传你对测试部分的轨迹估计，系统会计算与真实轨迹的差异，并给出评分。 现在我们已经介绍了所有关于视觉SLAM 方面的内容，你可以基于已有算法，实现一个双目的视觉里程计了。Kitti 官网odometry 分类下提供了双目相机的所有信息。请你根据已学知识，实现双目
动态SLAM论文(6) — Dynamic-SLAM: Semantic monocular visual localization and mapping...
几度春风里的博客
07-05 2233
在动态环境中工作时，传统的SLAM框架由于受到动态物体的干扰而表现不佳。为了解决动态环境下SLAM的问题，提出了一种基于深度学习的语义同时定位与地图构建（Dynamic-SLAM）框架。首先，基于卷积神经网络构建了一个结合先验知识的SSD目标检测器，用于在新的检测线程中以语义级别检测动态物体。然后，针对现有SSD目标检测网络的低召回率问题，提出了一种基于相邻帧中速度不变性的漏检补偿算法，大大提高了检测的召回率。
(九) 画出KITTI本车行驶轨迹
rhyijg的博客
09-23 1937
一、 两帧间计算距离和偏航原理         为了在RVIZ中画出本车的轨迹，需要计算当前帧（frame）在本车坐标系下，其他帧（frame-1….n）下本车坐标系经过移动后的位置。车辆行驶时的偏航和平移可以看作是车辆坐标系的旋转和平移。         如下图所示，先不考虑旋转，平移时第（frame）帧和第（frame-1）帧始终差一个d，这个d
KITTI-Dataset：开源数据集可视化工具
最新发布
gitblog_00472的博客
04-24 803
KITTI-Dataset：开源数据集可视化工具 KITTI-Dataset Visualising LIDAR data from KITTI dataset. 项目地址: https://gitcode.com/gh_mirr...
使用kitti数据集实现自动驾驶——绘制出所有物体的行驶轨迹
秃头小苏的博客
12-22 2210
文章目录1、利用IMU、GPS计算汽车移动距离和旋转角度2、画出kitti车的行驶轨迹3、画出所有车辆的轨迹   本次内容主要是上周内容的延续，主要画出kitti车的行驶的轨迹 同样的，我们先来看看最终实现的效果，链接如下： 实现效果   接下来就进入一步步的编码环节。。。         1、利用IMU、GPS计算汽车移动距离和旋转角度 计算移动距离 通过GPS计算 #定义计算GPS距离方法 def computer_great_circle_distance(lat1,lon1,lat2,l
使用evo绘制kitti数据集轨迹真值
m0_49384824的博客
08-08 2531
打开终端执行下列命令，将12列的 kitti 轨迹格式转换成8列的 tum 轨迹格式，得到tum格式的轨迹真挚值文件TUM_00_gt.txt。将 对应的00.txt 和 times.txt 复制到该文件的同目录下。calib.txt文件说明见。
在kitti数据集上运行A-LOAM进行SLAM建图
qq_71861772的博客
01-13 2617
首先下载好kitti_2011_09_30_drive_0027_synced_SELF.bag该文件的压缩包（本文章最上面的那个包），由于Ubuntu解压缩对于文件大小有限制，故我是将压缩包由第三方app转发到windows，用7zip解压缩后即可得到数据包kitti_2011_09_30_drive_0027_synced_SELF.bag，再传回Ubuntu，可将该bag放入catkin_ws中。注意：克隆A-LOAM时，会出现克隆失败，连接超时等问题，不要灰心，多来几次（我重复了6次才成功）
视觉SLAM数据集（三）：KITTI 数据集
振华OPPO的博客世界
10-24 3275
Kitti数据集很庞大，包含了双目、光流、场景流、深度、里程计、目标、跟踪、马路、语义、原始数据等大类别，每个大类别又包含很多的细分的序列。类别详情官网解释的很清楚。比如我想下载自动驾驶的里程计数据集（灰度图，22GB），直接点击下载链接即可，如果你的下载速度很慢，建议直接找百度网盘链接下载。官网地址：https://www.cvlibs.net/datasets/kitti/eval_odometry.php。可以在双目程序中运行数据集得到相机的轨迹和关键帧的轨迹，然后使用评估工具对各项指标进行评估。
KITTI数据集学习笔记
qq_43289994的博客
01-29 1276
Kitti数据集 本文为笔者自我学习的笔记，本人刚入门3D视觉，若有错误的地方恳请各位指正。另外参考了一篇热门博客：https://blog.csdn.net/Solomon1558/article/details/70173223。并使用了其中的一幅图像，侵删。 1. 简单介绍 ​ Kitti数据集致力于提供一个更贴合户外驾驶场景的计算机视觉数据集。Kitti提供了一些自动驾驶场景下具有挑战性的测试基准：立体场景（stereo）、光学流动（optical flow）、视觉测距（visual odomet
ORB-SLAM 学习笔记
qq_43525734的博客
12-06 740
ORB-SLAM 基本介绍 ORB-SLAM 是西班牙 Zaragoza 大学的 Raúl Mur-Arta 编写的视觉 SLAM 系统。 它是一个完整的 SLAM 系统，包括视觉里程计、跟踪、回环检测，是一种完全基于稀疏特征点的单目 SLAM 系统，同时还有单目、双目、RGBD 相机的接口。其核心是使用 ORB (Orinted FAST and BRIEF) 作为整个视觉 SLAM 中的核心特...
kitti数据pose
02-19
kitti数据pose data .
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
KITTI数据集处理
08-10
采用python3，对KITTI数据集进行处理，可以修改txt以及相对应的image文件名，可以删除分类KITTI数据集类别，并生产训练以及验证的LMDB数据库。具体操作可参考链接：https://blog.csdn.net/tanghong1996/article/details/81568232
使用KITTI里程计开发工具包evaluate_odometry评估ORB_SLAM2运行KITTI单目数据集结果
m0_56140527的博客
04-13 1041
使用KITTI里程计开发工具包evaluate_odometry评估ORB_SLAM2运行KITTI单目数据集结果
KITTI中的pose数据集使用
gbz3300255的博客
09-30 7661
在poses目录下，包含00.txt-10.txt 11个序列，每一个文件包换Nx12个表格，N代表帧数。每一行利用3x4转移矩阵代表左边相机系统位姿，转移矩阵将当前帧左边相机系统中的一个点映射到第0帧的坐标系统中。转移矩阵中平移的部分表示当前相机位置(相对于第0帧)。 https://www.baidu.com/link?url=Q-ayua5N--FZ_iBvq2_etsa5Ns...
SLAM数据集（tum/kitti）轨迹对齐与结果评估
热门推荐
逆水独流的博客
04-28 2万+
SLAM数据集的轨迹对齐与结果评估 SLAM是一个系统工程，最终的结果是一个实时的地图，因此我们需要对轨迹进行对齐和比对。在深蓝SLAM课程中，提供了ICP对齐的思路，来估计实际与模型的结果偏差。一些常见的数据集，如KITTI，TUM等，也提供了对齐工具和思路。 (1) tum数据集 1. 单目 建立评估文件夹，将得到的KeyFrameTrajectory.txt与数据集里面的groundtr...
ORB-SLAM2算法4之KITTI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
07-19 1954
ORB-SLAM2算法1 已成功编译安装ORB-SLAM2到本地，本篇目的是用KITTI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。
A-loam运行kitti及轨迹保存
weixin_56337147的博客
04-18 7227
1.运行kitti数据集。2.故障：rviz没有图像。把aloam代码中所接收的topic和rosbag发布的topic对应上。3.rqt查看topic情况，rqt_graph。4.保存轨迹修改laserMapping.cpp，在laserOdometryHandler函数中添加保存轨迹代码。
3D激光SLAM:ALOAM中KITTI数据集处理--转换成ROS可用数据 代码解析
月照银海似蛟龙的博客
10-11 3370
KITTI数据集处理--转换成ROS可用数据前言KITTI数据集文件结构CodeResult 前言 KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真
orb-slam3运行kitti数据集
03-29
<think>好的，我现在需要帮助用户了解如何使用ORB-SLAM3运行KITTI数据集。首先，我应该回顾一下用户提供的引用内容，看看里面有哪些有用的信息。 用户引用了三篇资料，其中提到了ORB-SLAM2的运行命令，包括单目模式、词袋参数文件和数据集路径。还有关于evo工具安装和使用的内容，以及ORB-SLAM3适配KITTI数据集的操作步骤。用户现在关心的是ORB-SLAM3的具体配置和运行方法，可能还涉及轨迹评估。 首先，我应该整理ORB-SLAM3的基本运行步骤。通常，运行SLAM算法需要几个步骤：环境配置、数据集准备、修改配置文件、执行命令、结果评估。用户提到的引用中，ORB-SLAM2的命令分成四部分，包括可执行文件、词袋参数、数据集路径，这可能对ORB-SLAM3也有参考价值。 ORB-SLAM3支持多种传感器模式，比如单目、双目、RGB-D等。KITTI数据集主要提供双目和激光雷达数据，但ORB-SLAM3可能更适合使用双目或者单目视觉。需要确认ORB-SLAM3对KITTI的支持情况，可能需要调整配置文件中的相机参数，比如基线、分辨率、内参等。 接下来，数据集准备。KITTI数据集需要按照一定的结构存放，比如图像序列、时间戳文件。用户可能需要下载数据集，并组织成ORB-SLAM3要求的格式。引用3中提到适配操作，可能包括时间戳的转换或路径设置。 然后是编译和安装ORB-SLAM3。需要确保依赖项安装正确，比如Pangolin、OpenCV、Eigen等。如果用户遇到编译错误，可能需要检查这些依赖的版本是否兼容。 修改配置文件部分，可能需要调整相机参数文件，比如KITTI的yaml文件。例如，在ORB-SLAM3的配置目录中，找到KITTI的示例配置文件，检查相机内参、畸变参数、图像尺寸等是否与数据集一致。如果有双目配置，还需要设置左右目图像的路径和基线长度。 运行命令部分，根据ORB-SLAM3的不同模式（单目、双目、立体惯性等），执行相应的可执行文件。例如，运行双目模式可能需要调用stereo_kitti的可执行文件，并传入词汇表文件、配置文件和数据集路径。引用1中的ORB-SLAM2命令结构可以作为参考，但ORB-SLAM3可能有不同的参数顺序或可执行文件名称。 轨迹评估方面，用户可能需要使用evo工具，像在ORB-SLAM2中一样。保存轨迹文件后，用evo的指令计算绝对位姿误差或绘制轨迹。引用2详细介绍了evo的使用方法，包括不同数据集的评估步骤，这可能对用户有帮助。 用户可能遇到的常见问题包括：数据集路径错误、配置文件参数不匹配、依赖库版本问题、轨迹保存格式不正确导致evo无法解析等。需要提醒用户注意这些点，并提供解决建议，比如检查路径是否正确，确认时间戳文件存在，或者重新编译代码。 另外，引用3提到ORB-SLAM3适配KITTI的具体操作，可能包括修改数据集加载部分的代码，或者提供特定的启动脚本。用户可能需要参考相关的博客或文档进行调整，例如处理双目图像序列或调整时间戳同步。 总结下来，回答的结构应该是分步骤的：环境准备、数据集下载与配置、修改参数文件、运行命令、评估结果，最后是常见问题。同时，需要引用提供的资料，特别是关于evo工具的使用和ORB-SLAM3适配的部分。确保用户能够按照步骤操作，并处理可能出现的错误。</think>### 使用ORB-SLAM3运行KITTI数据集步骤详解 #### 1. **环境准备** - **安装依赖项** 确保已安装`Pangolin`、`OpenCV`、`Eigen3`和`DBoW2`等依赖库，并完成ORB-SLAM3的编译： ```bash git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git cd ORB_SLAM3 chmod +x build.sh ./build.sh ``` - **安装evo工具** 用于轨迹评估，通过以下命令安装： ```bash pip install evo --upgrade --no-binary evo ``` #### 2. **数据集准备** - **下载KITTI数据集** 从[KITTI官网](http://www.cvlibs.net/datasets/kitti/eval_odometry.php)下载双目图像序列（如`data_odometry_gray`）和对应的真值轨迹文件（如`poses`）[^3]。 - **组织数据集结构** 确保图像按以下格式存放： ``` KITTI_ROOT ├── sequences │ └── 00 │ ├── image_0 # 左目图像 │ ├── image_1 # 右目图像 │ └── times.txt └── poses └── 00.txt # 真值轨迹 ``` #### 3. **修改配置文件** - **调整相机参数** 在`ORB_SLAM3/Examples/Stereo/KITTI00-02.yaml`中，修改相机内参、畸变系数和基线等参数，需与KITTI相机的标定文件一致。例如： ```yaml Camera.fx: 718.856 Camera.fy: 718.856 Camera.cx: 607.1928 Camera.cy: 185.2157 Camera.bf: 0.53716 # 基线 × 焦距 ``` #### 4. **运行ORB-SLAM3** - **执行双目模式** 使用以下命令启动： ```bash ./Examples/Stereo/stereo_kitti \ Vocabulary/ORBvoc.txt \ Examples/Stereo/KITTI00-02.yaml \ /path/to/KITTI_ROOT/sequences/00 ``` 参数依次为：词袋文件、配置文件、数据集路径[^1]。 #### 5. **轨迹评估** - **保存ORB-SLAM3输出轨迹** 运行时会生成`CameraTrajectory.txt`，需将其转换为KITTI格式（每行12个数值，表示3D位姿）。 - **使用evo计算误差** 执行以下命令对比估计轨迹与真值： ```bash evo_ape kitti KITTI_gt.txt ORB-SLAM3_traj.txt -va --plot ``` 此指令计算绝对位姿误差（APE）并可视化结果[^2]。 --- #### **常见问题与解决** 1. **图像路径错误** - 现象：程序报错`Unable to load image at path...` - 解决：检查`KITTI_ROOT`路径是否正确，确保图像文件名按序号排列（如`000000.png`）。 2. **轨迹格式不兼容** - 现象：evo无法解析轨迹文件 - 解决：将轨迹文件转换为KITTI标准格式，或使用`evo_traj kitti`指令强制转换。 3. **相机参数不匹配** - 现象：跟踪丢失或地图漂移 - 解决：核对`KITTI00-02.yaml`中的`fx/fy/cx/cy/bf`是否与数据集标定一致[^3]。 ---
评论 34
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