open_vins（二）：rosbag精度测试

一．ros读取与轨迹保存

运行open_vins launch 读取ros数据包：

roslaunch pgeneva_ros_eth.launch 

修改launch中的rosbag名称来改变数据集：

<arg name="bag_start"   default="0" />
<arg name="bag_name"  default="/xxxxx/datasets/EuRoc/MH_03_medium.bag" />  

输出运动轨迹结果保存到：

 <arg name="path_est"    default="/xxxx/open_vins_ws/src/open_vins/ov_eval/example/traj_estimate.txt" />

运动轨迹保存的node：

<node name="recorder_estimate" pkg="ov_eval" type="pose_to_file" output="screen" required="true">
   <param name="topic"      type="str" value="/ov_msckf/poseimu" />
   <param name="topic_type" type="str" value="PoseStamped" />
   <param name="output"     type="str" value="$(arg path_est)" />
</node>

二．euroc数据集测试

双目： MH_03
运行效果：

evo轨迹评估

数据集从第０s开始运行，数据集起始状态为静止状态
open_vins运动初始化代码没有开源，目前使用的是静止初始化，因此对于起始状态为静止的情况具有较好的运行效果。
而对于一些起始状态为运动的数据集，非常容易在一开始就跑飞（imu初始化错误）

双目： v1_01

单目：v1_01 (0s)

运行v1_01数据集 (0s起始)
对比轨迹精度：双目的效果会比单目好些；
evo轨迹评估的尺度误差：单目与双目相差不大。

三、结论

１．openvins的imu初始化使用静止初始化 方法，要求运动起始状态为静止状态，且设定激励阈值来判断运动突变时刻．
（部分数据集无法满足起始静止条件会出现跑飞现象）
2．前期imu误差较大，但通过后期的状态更新可以消除一部分的误差．
3．单目没有视觉尺度问题