从零开始学自动驾驶（5）——里程计精度评价

对应任佬代码tag7.0

我们现在已经可以建立一个简单的地图，我们可以使用evo精度评估工具来进行我们slam系统的精度评估：一共分为两步，（1）是在代码部分，我们需要保存我们想要评估的数据。（2）是用evo来进行评估。

数据存储

---

思路：在发布里程计之前进行数据存储，在此使用SaveTrajectory函数完成数据的存储

步骤：创建文件夹，创建文件，写入数据

调用存储函数

存储数据流程

具体函数实现

精度评估

EVO评价数据有两种模式，对应的指令分别是 evo_rpe 和 evo_ape ，前者评价的是每段距离内的误差，后者评价的是绝对误差随路程的累计。

评价每段距离内的误差可以使用如下指令

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。

执行指令之后会得到如下图形

由于每隔100米计算一次，所以是离散的点连成的折线。具体的统计指标如下

最大误差： 1.843837 %

平均误差： 0.805469 %

最小误差： 0.240367 %

RMSE： 0.903959 %

评价总累计误差可以用如下指令

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

会得到这样的图形

其中灰色部分就是累计误差，具体的指标如下

最大值：60.786025 m

平均值：19.478159 m

RMSE： 26.941895 m