SLAM评估工具-EVO从安装到使用

2023-05-16

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 trailing delimiter at the end of the rows (comma)

出现这个问题的原因是生成的原始文件中偶尔存在空格等不是完全规范的tum结果文件

解决办法:运行如下命令可以清除多余的空格
使用这个方法尝试解决:

cat results.txt | tr -s [:space:] > results_new.txt

但是报错
[ERROR] TUM trajectory files must have 8 entries per row and no trailing delimiter at the end of the rows (space)

我打开我的txt数据,发现只有七列而要求是八列,因此需要改成八列数据
要求的八列数据是这些:
时间戳+三维坐标+四元数请添加图片描述
我之前路径输出的是三个旋转角,哭泣,所以这里需要把他转换成四元数来输出,重新修改代码运行,输出八列数据

就可以顺利运行啦:
请添加图片描述
把我的真实轨迹文件进行处理,保留八列数据
请添加图片描述如图所示,为了使用evo进行绘图,需要格式准确,这样还是报错
首先,需要顶格,不能空格
其次对空格的要求太高,需要删除空格,转换成逗号更保险,于是需要将上面的格式转换成下面图所示
请添加图片描述代码放在下面啦:
新建一个create_txt.cpp

#include <ros/ros.h>
#include <ros/time.h>
#include <rosbag/bag.h>
#include <rosbag/view.h>
#include <sensor_msgs/PointCloud2.h>
#include <sensor_msgs/PointCloud.h>
#include <pcl/point_types.h>                 //pcl点云格式头文件
#include <pcl_conversions/pcl_conversions.h> //转换
#include <pcl/point_cloud.h>
#include <pcl/filters/voxel_grid.h>
#include <sensor_msgs/point_cloud_conversion.h>
#include "Eigen/Core"
#include <boost/foreach.hpp>
#include <std_msgs/Int32.h>
#include <std_msgs/String.h>

#include <stdlib.h>
#include <ctime>
#include <fstream>
#include <iostream>
#include <vector>
#include <cmath>

#define foreach BOOST_FOREACH
using namespace std;


std::string  txt_path;
struct TRAJECTORY
{
    double time;
    double position_x;
    double position_y;
    double position_z;
    double orientation_w;
    double orientation_x;
    double orientation_y;
    double orientation_z;
};

void read_trajectory_file(std::string filepathIn)
{
    std::ifstream inFile(filepathIn);
    std::ofstream traj_ofs;
    traj_ofs.open( txt_path.c_str(), std::ios::app);
    if (!inFile)
    {
        cout << "open write file fail!" << endl;
    }
    // temp v
    char content[2000];
    std::string content_str = "";

    while (!inFile.eof())
    {
        content_str = "";
        inFile.getline(content, 2000);
        if (strlen(content) < 2)
            break;

        std::istringstream _Readstr(content);
        std::string partOfstr;
        double data[9];

        for (int i = 0; i < 9; i++)
        {
            getline(_Readstr, partOfstr, ' ');
            data[i] = strtold(partOfstr.c_str(), NULL);
        }

        TRAJECTORY trajectory;
        trajectory.time = data[0];
        trajectory.position_x = data[1];
        trajectory.position_y = data[2];
        trajectory.position_z = data[3];
        trajectory.orientation_w = data[4];
        trajectory.orientation_x = data[5];
        trajectory.orientation_y = data[6];
        trajectory.orientation_z = data[7];

        traj_ofs << std::setprecision(16) <<  trajectory.time << "," << trajectory.position_x << "," <<  trajectory.position_y<< "," <<  trajectory.position_z << "," << trajectory.orientation_w << "," << trajectory.orientation_x << "," << trajectory.orientation_y << "," << trajectory.orientation_z<<std::endl;
    }
    inFile.close();
    traj_ofs.close();
    cout << "read trajectory file end!" << endl;

}

int main(int argc, char **argv)
{

    ros::init(argc, argv, "create_txt");
    ros::NodeHandle nh;

    string traj_path = "";
    nh.param<string>("input_trajectory_path", traj_path, "");
    nh.param<string>("output_txt_path", txt_path, "");
    read_trajectory_file(traj_path);

    return 0;
}

这样就可以成功转换啦

接下来使用该命令

evo_traj euroc ground.txt --plot

就可以成功绘图啦
但是我使用evo_traj tum ground.txt --plot就一直报错
应该还是格式的问题

格式转化

evo_traj euroc test.txt --save_as_tum

就可以转化成tum格式了,其他的都类似

3. 轨迹对齐

采用对齐指令将两条轨迹进行对齐。为此需要通过–ref参数指定参考轨迹,并增加参数-a(或–align)进行对齐(旋转与平移)

evo_traj euroc test.txt --ref=ground.txt -p --plot_mode xyz -a --correct_scale

但是报错:
[ERROR] found no matching timestamps between reference and test.txt with max. time diff 0.01 (s) and time offset 0.0 (s)
时间戳对应不上,这可怎么办?
需要时间戳对应才可以进行对比,这就很无语了
这样都把所有的txt文件时间戳改成0,1,2,3…个数一样就可以对齐啦

修改上面代码读取文件把时间戳进行修改
代码如下:

#include <ros/ros.h>
#include <ros/time.h>
#include <rosbag/bag.h>
#include <rosbag/view.h>
#include <sensor_msgs/PointCloud2.h>
#include <sensor_msgs/PointCloud.h>
#include <pcl/point_types.h>                 //pcl点云格式头文件
#include <pcl_conversions/pcl_conversions.h> //转换
#include <pcl/point_cloud.h>
#include <pcl/filters/voxel_grid.h>
#include <sensor_msgs/point_cloud_conversion.h>
#include "Eigen/Core"
#include <boost/foreach.hpp>
#include <std_msgs/Int32.h>
#include <std_msgs/String.h>

#include <stdlib.h>
#include <ctime>
#include <fstream>
#include <iostream>
#include <vector>
#include <cmath>

#define foreach BOOST_FOREACH
using namespace std;


std::string  txt_path;
struct TRAJECTORY
{
    double time;
    double position_x;
    double position_y;
    double position_z;
    double orientation_w;
    double orientation_x;
    double orientation_y;
    double orientation_z;
};

void read_trajectory_file(std::string filepathIn)
{
    std::ifstream inFile(filepathIn);
    std::ofstream traj_ofs;
    traj_ofs.open( txt_path.c_str(), std::ios::app);
    if (!inFile)
    {
        cout << "open write file fail!" << endl;
    }
    // temp v
    char content[2000];
    std::string content_str = "";
    int m=0;
    int n= -1;

    while (!inFile.eof())
    {
        content_str = "";
        inFile.getline(content, 2000);
        n++;
        if(n%40==0)
        {
        if (strlen(content) < 2)
            break;

        std::istringstream _Readstr(content);
        std::string partOfstr;
        double data[9];

        for (int i = 0; i < 9; i++)
        {
            getline(_Readstr, partOfstr, ',');
            data[i] = strtold(partOfstr.c_str(), NULL);
        }

        TRAJECTORY trajectory;
        trajectory.time = m;
        trajectory.position_x = data[1];
        trajectory.position_y = data[2];
        trajectory.position_z = data[3];
        trajectory.orientation_w = data[4];
        trajectory.orientation_x = data[5];
        trajectory.orientation_y = data[6];
        trajectory.orientation_z = data[7];

        traj_ofs << std::setprecision(16) <<  trajectory.time << "," << trajectory.position_x << "," <<  trajectory.position_y<< "," <<  trajectory.position_z << "," << trajectory.orientation_w << "," << trajectory.orientation_x << "," << trajectory.orientation_y << "," << trajectory.orientation_z<<std::endl;
        m++;
         }
    
    }
    inFile.close();
    traj_ofs.close();
    cout << "read trajectory file end!" << endl;

}

int main(int argc, char **argv)
{

    ros::init(argc, argv, "create_txt");
    ros::NodeHandle nh;

    string traj_path = "";
    nh.param<string>("input_trajectory_path", traj_path, "");
    nh.param<string>("output_txt_path", txt_path, "");
    read_trajectory_file(traj_path);

    return 0;
}

这样结果就是:
请添加图片描述一共5008个数据,再次输入该语句进行轨迹对齐

evo_traj euroc trial.txt --ref=truth.txt -p --plot_mode xyz -a --correct_scale

这个效果与下面效果相同

evo_traj euroc trial.txt --ref truth.txt -p -a

这里有个bug
因为他是完全按照时间戳进行对齐的
要是想让他自动配准再显示出来这个就做不到
因此即使尺度进行了修改,要是点对应不上还是无法进行对比
因此需要在使用evo前自己进行点云轨迹的处理
这里我使用了cloudcompare进行处理进行配准之后在进行轨迹的显示对比
不知道有没有更简单的方法,希望大家多多分享

如果想投影到xy平面进行显示,则输入下面的命令

evo_traj euroc trial.txt --ref=truth.txt -p --plot_mode xy -a --correct_scale

4.计算轨迹的绝对误差(evo_ape)

直接使用下面的语句

evo_ape euroc true.txt  test.txt --plot --plot_mode xy --save_results result.zip

会报错:
[ERROR] TUM trajectory files must have 8 entries per row and no trailing delimiter at the end of the rows (space)

于是我使用上面的格式转换把数据格式转成tum格式
再进行比较

evo_ape tum true.tum test.tum --plot --plot_mode xy --save_results result.zip

5.计算轨迹的绝对误差(evo_ape)

evo_rpe tum true.tum test.tum --plot --plot_mode xy --save_results resultrpe.zip

注意!
这里还要分平移误差和旋转误差,结果可能有区别!

其中-r表示ape所基于的姿态关系
不添加-r/–pose_relation和可选项,则默认为trans_part。

-r/–pose_relation可选参数 含义
full 表示同时考虑旋转和平移误差得到的ape,无单位(unit-less)
trans_part 考虑平移部分得到的ape,单位为m
rot_part 考虑旋转部分得到的ape,无单位(unit-less)
angle_deg 考虑旋转角得到的ape,单位°(deg)
angle_rad 考虑旋转角得到的ape,单位弧度(rad)

–d/–delta表示相对位姿之间的增量,–u/–delta_unit表示增量的单位,可选参数为[f, d, r, m],分别表示[frames, deg, rad, meters]。–d/–delta -u/–delta_unit合起来表示衡量局部精度的单位,如每米,每弧度,每百米等。其中–delta_unit为f时,–delta的参数必须为整形,其余情况下可以为浮点型。–delta 默认为1,–delta_unit默认为f。

因此这里仅仅统计平移的相对精度:

evo_rpe tum true.tum test.tum -r trans_part --delta 1 --delta_unit m --plot --plot_mode xy

全部:

evo_rpe tum true.tum test.tum -r full --delta 1 --delta_unit m -vas --plot --plot_mode xy

我实验的最小的结果:

evo_rpe tum true.tum test.tum -r trans_part --plot --plot_mode xy

但是这个效果对所有实验都很小。。。
有点搞不清楚,这些语句有什么影响了

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

SLAM评估工具-EVO从安装到使用 的相关文章

  • 每日浅读SLAM论文——简析Cartographer

    文章目录 二维激光SLAM 简单框架 前端 scan matching Submaps构建 后端 分支定界优化csm CorrelativeScanMatch 代码实现框架 Cartographer 论文名 Real Time Loop C
  • SLAM方法汇总

    原文 http blog csdn net smartxxyx article details 53068855 目录 SLAM概述 SLAM一般处理流程包括track和map两部分 所谓的track是用来估计相机的位姿 也叫front e
  • 《视觉SLAM十四讲》学习笔记-第四讲部分习题的证明思路

    1 验证SO 3 SE 3 和Sim 3 关于乘法成群 证明 先看SO 3 定义为 SO 3 R R3 3 RR I det R 1 S O 3 R
  • ROS STAGE教程2(地图定义和GMAPPING建图)

    目前用在ROS Kinetic上的stage版本为4 1 官方教程http rtv github io Stage modules html 用户可以用stage或者gazebo来创建地图和机器人 传感器模型来进行仿真 并与自己的SLAM模
  • 微信小程序SLAM AR零基础入门教程

    鬼灭之刃花街篇 开播在即 今天带大家零基础使用Kivicube制作一个炭治郎的SLAM AR云手办 可以通过微信小程序将AR版的炭治郎放置在家中 提前感受鬼灭的氛围 先上个GIF大家看看动态的展示效果 在这里先科普一下本次教程使用到的AR技
  • SLAM入门

    SLAM定义 SLAM Simultaneous localization and mapping 同时定位 我在哪里 与建图 我周围有什么 当某种移动设备 汽车 扫地机 手机 无人机 机器人 从一个未知环境的未知地点出发 在运动过程中 通
  • ORB_SLAM3复现——上篇

    ORB SLAM3 前言 1 ORB SLAM3 2 准备环境 2 1 C 11 Compiler 2 2 Pangolin 2 3 Opencv 2 4 Eigen 3 复现ORB SLAM3 3 1 下载代码 3 2 执行build s
  • 【SLAM】卡尔曼滤波(Kalman Filter)

    卡尔曼滤波 Kalman filter 一种利用线性系统状态方程 通过系统输入输出观测数据 对系统状态进行最优估计的算法 由于观测数据中包括系统中的噪声和干扰的影响 所以最优估计也可看作是滤波过程 卡尔曼滤波器的原理解释如下 首先 我们先要
  • 【大一立项】如何亲手搭建ROS小车:硬件和软件介绍

    本次博客将详细介绍上篇博客中提到的ROS小车的硬件和软件部分 由于十一实验室不开门 所以部分代码还没有上传到Github 下位机 下位机使用Arduino 因为大一上刚学完用Arduino做循迹小车 其实Arduino作为ROS小车的下位机
  • ORB-SLAM2:基于可识别特征的自主导航与地图构建

    目录 ORB SLAM2 基于可识别特征的自主导航与地图构建 简介 地图 A 地图特征点或3D ORB B 关键帧 C 可视化图像 位置识别 A 图像识别数据库 B 高效优化的ORB匹配 C 视觉一致性 自主导航追踪 A ORB特征获取 B
  • LeGO-LOAM代码详细注释版

    学习LeGO LOAM时 写的代码注释github代码链接 一部分注释来自github用户wykxwyc 一部分来自网上查阅 还有一部分是自己的理解 持续更新中
  • docker dbus-x11

    本来想用terminator启动nvidia docker 显示出图形界面的 结果发现启动的时候出问题了 terminator 1 dbind WARNING 07 31 53 725 Couldn t connect to accessi
  • GMAPPING的参数设置

    二 运行gmapping 我总结了运行gmapping的两种方法 1 基于命令行 rosrun gmapping slam gmapping scan scan delta 0 1 maxUrange 4 99 xmin 5 0 ymin
  • 快看!那个学vSLAM的上吊了! —— (一)综述

    不同于之前发布的文章 我将使用一种全新的方式 iPad Notability Blog的方式打开这个板块的大门 原因有两个 1 Notability更方便手写长公式 也方便手绘坐标系变换等等 2 之前Apple Pencil找不到了新破费买
  • 舒尔补-边际概率-条件概率

    margin求边际概率的时候喜欢通过舒尔补的形式去操作信息矩阵 如p b c 求积分p a b c da 从上图可知 边缘概率直接看协方差矩阵比较方便 边际概率的方差就是取对应联合分布中相应的协方差块 信息矩阵是由舒尔补的形式计算 此形式也
  • LeGO-LOAM中的数学公式推导

    LeGO LOAM是一种在LOAM之上进行改进的激光雷达建图方法 建图效果比LOAM要好 但是建图较为稀疏 计算量也更小了 本文原地址 wykxwyc的博客 github注释后LeGO LOAM源码 LeGO LOAM NOTED 关于代码
  • 【Pytorch论文相关代码】使用SOLD2预训练好的模型检测与匹配线段(自己的数据集)

    文章目录 前言 使用流程 检测与匹配结果 前言 论文链接 SOLD2 Self supervised Occlusion aware Line Description and Detection 论文源码 https github com
  • Ubuntu18.04安装Autoware1.15(解决Openplanner无法绕障的问题:Openplanner2.5)

    文章目录 一 下载Autoware1 15源码 二 安装依赖 三 修改CUDA版本 四 编译以及报错解决 编译 1 报 undefined reference to cv Mat Mat 的错就按照下面方式改相应包 2 遇到OpenCV的C
  • 高翔博士Faster-LIO论文和算法解析

    说明 题目 Faster LIO 快速激光IMU里程计 参考链接 Faster LIO 快速激光IMU里程计 iVox Faster Lio 智行者高博团队开源的增量式稀疏体素结构 Faster Lio是高翔博士在Fast系列的新作 对标基
  • KITTI校准文件中参数的格式

    我从以下位置访问了校准文件KITTI 的部分里程计 http www cvlibs net datasets kitti eval odometry php 其中一个校准文件的内容如下 P0 7 188560000000e 02 0 000

随机推荐

  • 在MySQL中查看慢 SQL

    进入 MySQL 命令行工具 可以在终端输入 mysql u 用户名 p xff0c 然后输入密码来登录到 MySQL 输入以下命令开启慢查询日志 xff1a span class token keyword SET span span c
  • 怎么防止SQL注入?

    首先SQL注入是一种常见的安全漏洞 xff0c 黑客可以通过注入恶意代码来攻击数据库和应用程序 以下是一些防止SQL注入的基本措施 xff1a 数据库操作层面 使用参数化查询 xff1a 参数化查询可以防止SQL注入 xff0c 因为参数化
  • WARMING! ! ! BIOS Recovery mode has been detected. Please put the file “ASUS. CAp“ into HDD or a rem

    文章目录 问题场景 xff1a 解决方案 xff1a 步骤1 xff1a 下载适当的BIOS文件步骤2 xff1a 将BIOS文件复制到可移动设备或硬盘驱动器中步骤3 xff1a 进入BIOS恢复模式步骤4 xff1a 恢复BIOS步骤5
  • 如何比较本地git分支与其远程分支?

    如何查看本地分支和远程分支之间的diff xff1f 1楼 第一种 a href http www javaxxz com thread 377026 1 1 html git a branch a 获取可用分支列表 在输出上你可能会看到类
  • VuePress1.x使用及个人博客搭建

    文章目录 介绍快速开始安装目录页面配置 介绍 VuePress 由两部分组成 xff1a 一个以 Vue 驱动的主题系统的简约静态网站生成工具 xff0c 和一个为编写技术文档而优化的默认主题 它是为了支持 Vue 子项目的文档需求而创建的
  • Git项目同时推送到GitHub和Gitee详细操作

    文章目录 前言一 创建仓库 Create a new repository 二 初始化三 配置公钥四 密钥验证五 代码推送 总结 前言 将Git项目同时推送到GitHub和Gitee的好处如下 xff1a 提高代码可见性和协作性 xff1a
  • VMware虚拟机安装CentOS8详细教程

    文章目录 一 下载安装包二 创建虚拟机1 安装 VMware2 创建虚拟机3 编辑虚拟机设置 三 系统安装1 开始安装2 时区设置3 分区设置4 配置网络6 开机密码7 配置安装源8 安装 四 系统配置1 网络检查2 配置静态IP地址 一
  • ChatGPT API调用+服务器部署【附Git地址】

    文章目录 一 关键代码二 使用步骤1 获取代码2 服务器部署 总结 运行对话效果图 一 关键代码 span class token keyword public span span class token keyword class spa
  • zookeeper超详细安装集群部署

    文章目录 一 zookeeper官网下载二 JDK环境安装三 zookeeper安装1 zookeeper解压2 zookeeper配置文件介绍 克隆服务器1 网络检查2 集群配置3 启动集群4 错误记录 一 zookeeper官网下载 下
  • VMware虚拟机克隆、复制虚拟机

    文章目录 为什么要克隆一 环境检查二 开始克隆三 网卡静态配置 为什么要克隆 首先VMware 上创建的虚拟机是可以重复使用的 xff0c 安装好的虚拟机可以直接复制或者剪切到其它任意电脑上 xff0c 然后使用 VMware 打开使用 x
  • CentOS7【管理防火墙端口命令】

    查看防火墙状态 xff1a firewall span class token operator span cmd span class token operator span state 开启防火墙 xff1a systemctl sta
  • Package ‘ufw‘ has no installation candidate问题已解决

    错误提示 xff1a Reading package lists Done Building dependency tree Done Package aptitude is not available but is referred to
  • 用git下载单个分支

    原文发在github io博客 转载写明出处 xff1a http landerlyoung github io blog 2014 01 06 yong gitxia zai dan ge fen zhi 最近在玩octpress 开始一
  • ubuntu18 安装ros-melodic 的踩坑记录

    今天运行a loam程序才发现重装之后的ubuntu18没装ros 于是去查了怎么去查找ros系统的版本 先在终端输入roscore 打开新终端 xff0c 再输入 xff0c rosparam list 再输入rosparam get r
  • 二进制信号量和互斥量之间的区别

    二进制信号量和互斥量之间是否有任何区别 xff0c 或者它们基本相同 xff1f 1楼 它们的同步语义非常不同 xff1a 互斥锁允许序列化对给定资源的访问 xff0c 即多个线程一次等待一个锁 xff0c 并且如前所述 xff0c 该线程
  • SC-A-LOAM在aloam基础上添加了回环优化的代码运行

    知道aloam的朋友们知道这个代码是不包含回环检测的 而有大神们对此添加了sc回环检测 来试着改动一下这个代码 虽然大部分aloam本身的代码都没有改动 但经过博主我的精细对比发现了有如下不同 修改laserMapping cpp文件 添加
  • Livox LiDAR点云数据类型的转化——livox_ros_driver/CustomMsg到sensor_msgs/PointCloud2

    在做Lidar与IMU数据之间的标定时 xff0c 出现了数据无法读取的问题 主要是代码里读取lidar数据是需要下面的语句 span class token function add span lidar msg sensor msgs
  • pangolin的卸载与重新安装--ubuntu18如何安装卸载包

    1 在终端里 apt get安装的软件 xff1a 安装软件sudo apt get install softname1 softname2softname3 卸载软件 sudo apt get remove softname1 softn
  • win10找回自带的windows照片查看器——打开jpg、png、gif、psd其他格式的图片

    最近查看图片发现自带的照片查看器没有了 双击后打开的是画图软件 其他软件怕安装了会出现广告以及付费情况 因此还是想找回以前自带的照片查看器 这里码一下网上找到的好方法 手动添加注册表 win 43 R xff0c 输入 regedit 进入
  • SLAM评估工具-EVO从安装到使用

    1 安装 evo pip install evo span class token operator span upgrade span class token operator span no span class token opera