kitti真值轨迹由kitti格式转为tum格式

最新推荐文章于 2024-09-06 23:25:43 发布

原创最新推荐文章于 2024-09-06 23:25:43 发布 · 5.4k 阅读

43 ·

CC 4.0 BY-SA版权

DDD的，不许乱搞

文章标签：

#经验分享 #深度学习 #人工智能

部署运行你感兴趣的模型镜像

准备文件：序列真值轨迹+序列times文件，如05.txt和05序列的times.txt（位于kitti_data_odometry_color文件夹中）

采用工具：evo中自带的转换程序，evo中contrib文件夹下的kitti_poses_and_timestamps_to_trajectory.py

终端命令：

python kitti_poses_and_timestamps_to_trajectory.py ./05/05.txt ./05/times.txt ./05/tum_05_gt.txt

您可能感兴趣的与本文相关的镜像

ComfyUI

AI应用

ComfyUI

ComfyUI是一款易于上手的工作流设计工具，具有以下特点：基于工作流节点设计，可视化工作流搭建，快速切换工作流，对显存占用小，速度快，支持多种插件，如ADetailer、Controlnet和AnimateDIFF等

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

DDDDDmax

关注关注

13
点赞
踩
43

收藏

觉得还不错? 一键收藏
7
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

利用evo将kitti数据集真值轨迹由kitti格式转为tum格式

wj617906617的博客

09-11

2775

从这个里面下载 kitti_poses_and_timestamps_to_trajectory.py程序。（4）执行如下代码生成tum格式的数据（下面以07文件夹为例）从网上复制的，前面是对应的序列，明确自己需要的序列号。最终生成的tum数据文件名为tum_xx_gt.txt。我已经将生成好的数据打包上传了资源，有需要的搜索下载。（3）下载对应的poses文件 xx.txt文件。以及times.txt文件，下载链接为。

使用evo绘制kitti数据集轨迹真值

m0_49384824的博客

08-08

3262

打开终端执行下列命令，将12列的 kitti 轨迹格式转换成8列的 tum 轨迹格式，得到tum格式的轨迹真挚值文件TUM_00_gt.txt。将对应的00.txt 和 times.txt 复制到该文件的同目录下。calib.txt文件说明见。

7 条评论您还未登录，请先登录后发表或查看评论

KITTI数据集通过evo转换成tum数据，对应的结果，以及xx.txt的poses文件和times.txt的时间戳文件

09-10

KITTI数据集通过evo转换成tum数据，对应的结果，以及xx.txt的poses文件和times.txt的时间戳文件

将 kitti 数据集 odometry 中kitti格式的 groundtruth 转换为了 tum 格式的groundtruth

01-13

将 kitti 数据集 odometry 中kitti格式的 groundtruth 转换为了 tum 格式的groundtruth，由于kitti格式的groundtruth没有时间戳，使用tum格式的groundtruth更便于对轨迹进行评估

【亲测免费】将KITTI数据集转换为TUM格式：高效助力SLAM研究

最新发布

gitblog_09778的博客

09-06

941

将KITTI数据集转换为TUM格式：高效助力SLAM研究去发现同类优质开源项目:https://gitcode.com/ 项目介绍在计算机视觉和机器人领域，KITTI数据集和TUM格式是两个广泛使用的标准。KITTI数据集以其丰富的传感器数据和多样化的场景著称，而TUM格式则因其简洁和通用性在SLAM（同步定位与地图构建）算法中备受青睐。然而，直接在SLAM算法中使用KITTI数据集并不总是那...

KITTI数据真值处理

weixin_41169280的博客

03-18

5116

1：KITTI数据odometry数据提供真值包含两个文件夹其中一个是位姿，一个是相对应的时间和校准参数，将对应的00.txt 与times.txt放入evo文件夹内：使用指令将12列的kitti轨迹格式真值转换成8列格式的tum轨迹格式 python kitti_poses_and_timestamps_to_trajectory.py 00.txt times.txt kitti_00_gt.txt 转换得到tum格式的真值后,我们可以进行评定,将我们得到的vio_GPS_global.t

kitti转tum python脚本

lalawinter的博客

06-12

413

【代码】kitti转tum python脚本。

KITTI数据集基准、转换成tum以及十个groundtruth对应图

素手挽剑

11-05

1万+

KITTI数据集基准的转换时间戳位置 gt位置利用evo进行转换 python2 kitti_poses_and_timestamps_to_trajectory.py 10.txt times10.txt kitti_10_tum.txt 生成kitti基准带时间的tum格式十个路径展示：

KITTI数据集真值处理

03-11

1. KITTI数据集简介：由德国卡尔斯鲁厄理工学院和斯坦福大学共同创建的KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）数据集，旨在推动自动驾驶系统、立体视觉和3D对象...

KITTI数据集转换为TUM格式资源文件

gitblog_09811的博客

09-06

524

KITTI数据集转换为TUM格式资源文件去发现同类优质开源项目:https://gitcode.com/ 本仓库提供了一个资源文件，该文件包含了通过evo工具将KITTI数据集转换为TUM格式后的结果。具体内容包括： xx.txt：转换后的姿态文件（poses）。 times.txt：对应的时间戳文件。这些文件可以直接用于基于TUM格式的SLAM算法或其他相关研究。文件说明 xx.tx...

GPS轨迹转换工具

12-05

GPS轨迹转换工具可以将导航地图或者GPS记录仪所记录的数据进行转换，形成的数据可以用GOOGLE地图直接查看

kitti数据格式

张飞飞的博客

11-04

1819

label信息： Cyclist 0.89 0 -2.22 1056.16 190.50 1241.00 374.00 1.59 0.53 1.89 2.75 1.68 3.14 -1.55 Car 0.00 0 1.90 359.43 179.30 516.30 270.97 1.44 1.64 3.78 -3.03 1.57 13.30 1.68 Car 0.00 1 1.82 444.13 163.92 559.20 247.04 1.77 1.71 4.28 -2.52 1.61 17.60 1.6

SLAM数据集（tum/kitti）轨迹对齐与结果评估

热门推荐

逆水独流的博客

04-28

2万+

SLAM数据集的轨迹对齐与结果评估 SLAM是一个系统工程，最终的结果是一个实时的地图，因此我们需要对轨迹进行对齐和比对。在深蓝SLAM课程中，提供了ICP对齐的思路，来估计实际与模型的结果偏差。一些常见的数据集，如KITTI，TUM等，也提供了对齐工具和思路。 (1) tum数据集 1. 单目建立评估文件夹，将得到的KeyFrameTrajectory.txt与数据集里面的groundtr...

Vins-Fusion运行kitti,euroc和tum数据集并使用evo评估

schFallingCloud

06-22

6488

ubuntu下，Vins-Fusion运行kitti,euroc和tum数据集并使用evo评估

【kitti】利用evo绘制ground_truth pose

weixin_51170061的博客

03-04

1476

需提前下载好evo工具。

LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估

weixin_62456310的博客

03-12

1万+

LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估

用evo工具分析ORB-SLAM2运行TUM，KITTI，EuRoC数据集轨迹

m0_60355964的博客

11-11

1万+

在ORB-SLAM2的学习过程中，不可避免的会用到这些数据集来运行程序，并且还会将运行轨迹与相机真实轨迹作对比，下面就介绍使用evo工具分析SLAM常用TUM，KITTI，EuRoC数据集。SLAM数据集TUM，KITTI，EuRoC数据集的下载地址与真实轨迹文件的查找总结的博客链接。

kitti格式转tum格式groundtruth以优化轨迹评估

因此，将Kitti格式的地面真实数据转换为TUM格式的主要目的是为了简化评估过程，并且提高评估的准确性。通过添加时间戳信息，研究人员可以更方便地将他们算法的输出与TUM格式的地面真实数据进行匹配，从而进行更准确...