为了想测试室外场景下VINS-MONO定位情况，室外环境的KITTY数据集因无时间戳，EVO测评较困难。
故选择TUM数据集，outdoors1~8(户外)：在校园内的室外场景拍摄，但是数据包里只在开始和结束有真实值，没办法与真值全程评测。（outdoors4)
所以再选择个室内 room1~6(室内)：对应有5个图像序列，整个过程都带有运动捕捉系统提高的真实值进行测试。（room4)
直接输出的结果格式并不能用EVO工具进行评估，需要修改代码,将其输出格式改为tum格式：
首先修改VINS-Mono-master\vins_estimator\src\utility\中的visualization.cpp，从156行开始修改为以下形式：
ofstream foutC(VINS_RESULT_PATH, ios::app);
foutC.setf(ios::fixed, ios::floatfield);
foutC.precision(0);
foutC << header.stamp.toSec() << " ";
foutC.precision(5);
foutC << estimator.Ps[WINDOW_SIZE].x() << " "
<< estimator.Ps[WINDOW_SIZE].y() << " "
<< estimator.Ps[WINDOW_SIZE].z() << " "
<< tmp_Q.x() << " "
<< tmp_Q.y() << " "
<< tmp_Q.z() << " "
<< tmp_Q.w() << endl;
然后修改VINS-Mono-master\pose_graph\src中的pose_graph.cpp中的addKeyFrame函数，在153行，修改为以下形式：
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << cur_kf->time_stamp << " ";
loop_path_file.precision(5);
loop_path_file << P.x() << " "
<< P.y() << " "
<< P.z() << " "
<< Q.x() << " "
<< Q.y() << " "
<< Q.z() << " "
<< Q.w() << endl;
在VINS-Mono-master\pose_graph\src中的pose_graph.cpp中，updatePath函数中的内容也要修改，在630行。
ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
loop_path_file.setf(ios::fixed, ios::floatfield);
loop_path_file.precision(0);
loop_path_file << (*it)->time_stamp << " ";
loop_path_file.precision(5);
loop_path_file << P.x() << " "
<< P.y() << " "
<< P.z() << " "
<< Q.x() << " "
<< Q.y() << " "
<< Q.z() << " "
<< Q.w() << endl;
最后修改VINS-Mono-master\pose_graph\src中的pose_graph_node.cpp中的main函数，506行，将csv格式改为txt格式：
VINS_RESULT_PATH = VINS_RESULT_PATH + "/vins_result_loop.txt";
到此，VINS输出结果的格式更改完成，接下去修改真实值的格式。
想要得到带有回环检测的结果需要修改tum_config.yaml文件，首先修改输出路径，有两个地方可以改成同一个路径，第6行的output_path修改为自己指定的路径，然后第70行pose_graph_save_path修改为指定路径，然后开启回环检测，第67行loop_closure改为1，这样才会输出带回环检测的结果。
真实值为对应的.tar文件中的gt_imu.csv文件，由于EVO并不支持这种格式，需要先进行格式转换，转换成.tum文件再和VINS运行的结果进行比较。
转换的命令为：
evo_traj euroc gt_imu.csv --save_as_tum
得到的gt_imu.tum就是可以使用EVO和VINS结果进行比较的格式。
roscore
roslaunch vins_estimator tum.launch
roslaunch vins_estimator vins_rviz.launch
rosbag play dataset-outdoors4_512_16.bag
evo_traj tum vins_result_loop_tumout.txt -p --plot_mode=xyz
--------------------------------------------------------------------------------
name: vins_result_loop_tumout
infos: 6092 poses, 992.077m path length, 696.322s duration
evo_ape tum gt_imu.tum vins_result_loop_tumout.txt -va --plot
--------------------------------------------------------------------------------
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)
max 86.683007
mean 12.773848
median 8.709058
min 7.277328
rmse 15.745825
sse 303467.550378
std 9.206509
因outdoors1~8(户外)：在校园内的室外场景拍摄，只在开始和结束有真实值，不是全程有真值，所以无法进行APE绝对位姿误差的评断。
因room1~6(室内)：对应有5个图像序列，整个过程都带有运动捕捉系统提高的真实值。故找段室内场景进行测试。
roscore
roslaunch vins_estimator tum.launch
roslaunch vins_estimator vins_rviz.launch
rosbag play dataset-room4_512_16.bag
evo_ape tum gt_imu.tum vins_result_loop_tumroom.txt -va --plot
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)
max 0.124530
mean 0.045489
median 0.037617
min 0.009132
rmse 0.053137
sse 2.961871
std 0.027464
