[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7.7k 收藏 95
点赞数 11
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
warningm_dm
关注
  • 11
    点赞
  • 踩
  • 95
    收藏
    觉得还不错? 一键收藏
  • 34
    评论
专栏目录
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
11-23 827
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 1690
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。
lio-sam-kitti
05-14
适配KITTI数据集
A loam kitti 测试结果、kitti 00-09轨迹
weixin_44916682的博客
10-27 749
1
Ubuntu20.04配置ORBSLAM2并在kitti数据集序列进行实验
最新发布
qq_66160948的博客
06-15 1105
用以下命令在终端上下载。
(九) 画出KITTI本车行驶轨迹
rhyijg的博客
09-23 1760
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
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 2028
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
在kitti数据集上运行A-LOAM进行SLAM建图
qq_71861772的博客
01-13 1907
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 2286
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
ORB-SLAM 学习笔记
qq_43525734的博客
12-06 668
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...
视觉SLAM入门 -- 学习笔记 - Part 1
～勿据散客～的博客
10-13 907
熟悉Linux 1. 如何在Ubuntu 中安装软件（命令⾏界⾯）？它们通常被安装在什么地⽅？ 软件安装命令行： ubuntu下安装软件有四种方式: 1.通过deb格式的离线软件包安装 sudo dpkg -i xxx.deb # 安装包,安装程序 -i: install sudo dpkg -r package # 删除包 -r: remove 此方法的默认安装目录为: /opt 2.通过apt-get包管理器从软件源中在线安装(最常用的方式) sudo apt-get install 软件
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
04-13 848
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 7171
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...
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 1423
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。
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 3203
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-slam2运行kitti数据集
06-28
### 回答1： 要在ORB-SLAM2上运行KITTI数据集，您需要按照以下步骤操作： 1. 下载KITTI数据集并解压缩。 2. 下载ORB-SLAM2代码并编译。 3. 在ORB-SLAM2的配置文件中设置KITTI数据集的路径。 4. 运行ORB-SLAM2并指定KITTI数据集的序列号。 5. 查看ORB-SLAM2的输出结果并评估其性能。 需要注意的是，ORB-SLAM2对于KITTI数据集的性能表现取决于许多因素，例如相机标定、图像质量、运动模式等。因此，您可能需要进行一些调整和优化才能获得最佳结果。 ### 回答2： ORB-SLAM2是一个用于单目、双目和RGB-D相机的实时稠密SLAM系统。而KITTI数据集则是一个常用的SLAM算法测试数据集。运行KITTI数据集是ORB-SLAM2的一项重要任务。 ORB-SLAM2支持KITTI数据集的三种使用方式：使用KITTI序列、使用KITTI标定文件或从KITTI数据集的序列中生成Vocabulary。 先让我们看看使用KITTI序列的方式。使用此方式，需要将KITTI数据集转换为ORB-SLAM2支持的格式。按照以下步骤操作： - 下载KITTI转换脚本和ORB-SLAM2：将脚本和ORB-SLAM2文件夹放在同一目录下。 - 下载KITTI数据集：从KITTI官网下载需要的序列。 - 安装依赖：在Linux系统下需要安装Pangolin、OpenCV、Eigen和Boost库。使用命令sudo apt install libeigen3-dev libboost-all-dev libopencv-dev libtooib-dev libglew-dev libglu1-mesa-dev libgl1-mesa-dev libglfw3-dev安装所需依赖库。 - 运行转换脚本：将KITTI数据集转换为ORB-SLAM2支持的格式。使用./kitti2rosbag sequence_folder output_path方法将KITTI数据集转换为ROS bag文件。 - 运行ORB-SLAM2使用KITTI数据集：使用orb_slam2_ros工具包来运行ORB-SLAM2使用KITTI数据集。使用roslaunch orb_slam2_ros orb_slam2_kitti.launch参数即可开始ORB-SLAM2的运行和测试。 除了使用KITTI序列外，还可以使用KITTI标定文件。此方式只能用于双目SLAM。使用此方式，需要将KITTI数据集转换为ORB-SLAM2支持的格式，然后在yaml文件中引用KITTI标定文件。 最后，还可以从KITTI数据集的序列中生成Vocabulary，以用于ORB-SLAM2的Vocabulary文件。使用此方式，需要将KITTI数据集转换为ORB-SLAM2支持的格式，然后使用orb_vocab_learning工具生成Vocabulary文件。 使用ORB-SLAM2运行KITTI数据集需要一定的SLAM和Linux操作系统的基础知识。希望以上简要介绍可以帮助您初步了解运行ORB-SLAM2使用KITTI数据集的步骤。 ### 回答3： ORB-SLAM2是一个开源的视觉SLAM系统，它可以通过摄像头采集的图像序列来生成三维地图并实现相机位姿估计。而KITTI数据集则是一个基于汽车驾驶领域的公开数据集，包含了各种各样的图像序列，因此ORB-SLAM2运行KITTI数据集可以实现SLAM的演示和测试。 具体而言，ORB-SLAM2运行KITTI数据集的流程如下： 1. 下载KITTI数据集：在KITTI官网上下载所需要的数据，包括RGB图像序列、相机参数、位姿数据等。 2. 安装ORB-SLAM2：使用ORB-SLAM2的源代码编译安装，并根据需要调整配置文件，比如相机参数、图像分辨率、地图点云剔除策略、跟踪和建图的模式等。 3. 运行ORB-SLAM2：使用ORB-SLAM2提供的脚本，将KITTI数据集的图像序列和位姿数据作为输入，运行SLAM系统，并得到实时的三维地图和相机位姿估计结果。 4. 结果分析和可视化：ORB-SLAM2提供了可视化工具，用于显示实时的地图和相机位姿变化。同时可以将ORB-SLAM2输出的地图和位姿数据与KITTI提供的真实数据进行比对，评估SLAM系统的性能。 总之，ORB-SLAM2是一个功能强大的SLAM系统，并且对KITTI数据集提供了良好的支持，可以方便地进行SLAM相关的实验和研究。在实际应用中，ORB-SLAM2还可以通过引入其他传感器数据，比如IMU和GPS，来提高SLAM系统的准确性和鲁棒性。
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