ORB-SLAM3数据集配置与评价

EuRoC数据集介绍 EuRoC数据集 微型飞行器(MAV)上收集的视觉惯性数据集 移动平台与传感器 使用的机型为:Asctec Firefly六角旋翼直升机 视觉惯性测量的传感器包括:视觉(双相机)惯性测量单元(IMU) 硬件设备 飞行器机体:AscTec Firefly 双目VIO相机:全局快门,单色,相机频率20Hz,IMU频率200Hz,具备相机和IMU的硬件(hw)同步,双目相机型号MT9V034,IMU型号ADIS16448 VICON0:维肯动作捕捉系统的配套反射标志,叫做marker LEICA0:是激光追 阅读详情
AI摘要

该文详细介绍了如何在ORB-SLAM3框架下对EuRoC和TUM-VI这两个视觉惯性数据集进行测试。首先,从官网下载EuRoC数据集,然后在ORB-SLAM3的路径下配置数据集,修改相关文件以显示图像化界面,并执行命令进行测试。对于TUM-VI数据集的测试过程未在摘要中详述。

在ORB-SLAM3运行EuRoC和TUM-VI数据集并作以评价。EuRoC利用微型飞行器(MAV ) 收集的视觉惯性数据集,TUM-VI 是由实验人员手持视觉-惯性传感器收集的数据集。这两个是在视觉SLAM中比较常用的公开数据集,所以测试并加以记录。

一、EuRoC数据集测试

1、EuRoC官网下载

从官网下载Euroc数据集,ASL格式

在这里插入图片描述

2、新建路径

在ORB_SLAM3的路径下新建一个dateset的文件夹,里面再建一个名为MH01的文件夹,最后将下载好的数据集解压到MH01内
在这里插入图片描述

3、将数据集拷贝至对应路径

MH01解压后文件名为mav0,在dataset文件夹中新建MH01文件夹,将mav0拷贝放入
在这里插入图片描述

4、修改文件,显示图像化界面

打开mono_euroc.cc查看,第83行
在这里插入图片描述

5、ORB_SLAM3路径下执行命令

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml /home/geekfanr/catkin_ws/src/ORB_SLAM3/dataset/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt

在这里插入图片描述

6、效果展示

在这里插入图片描述

二、TUM-VI数据集测试

[ROS学习]Euroc数据集真实轨迹的读取与显示 基于rviz的euroc数据集真实轨迹的显示 阅读详情

相关推荐

视觉slam开源方案对比(ORB-SLAM2,ORB-SLAM3,VINS)

ORB-SLAM2: GitHub - raulmur/ORB_SLAM2: Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilities ORB-SLAM3: GitHub - JKTao/ORB_SLAM3: ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial

dushib的博客 1万+

VINS-fusion 跑通Euroc、TUM、KITTI数据集,以及评估工具EVO的下载和使用

ubuntu20.04中python版本是3.x,因此对应的pip工具会变成pip3,可以先参考如下链接查看自己系统的python和pip版本。再调用如下命令对evo工具进行安装。

weixin_49247766的博客 1万+

ORB-SLAM3 vs EVO:从数据集到评估报告的完整流程解析

本文详细解析了ORB-SLAM3与EVO工具链在SLAM系统评估中的完整流程,从数据集准备到性能评估报告生成。通过对比ORB-SLAM3在不同配置下的精度和性能,帮助开发者掌握专业的SLAM评估方法,提升算法优化效率。

weixin_30300225的博客 582

ORBSLAM数据集、evo评估工具介绍

本文分为两部分,第一部分介绍KITTI、TUM、EUROC数据集;第二部分介绍EVO评估工具 文章目录前言1. 数据集介绍1.1 KITTI数据集1.1.1 背景1.1.2 特点1.1.3 数据采集平台1.2 TUM数据集1.2.1 背景1.2.2 特点1.2.3 数据集结构1.3.3 数据集格式特点1.3 EUROC数据集1.3.1 背景1.3.2 移动平台与传感器二、使用步骤1.引入库2.读入数据总结 前言 1. 数据集介绍 1.1 KITTI数据集 参考文章 论文地址 1.1.1 背景 KITTI

weixin_42751489的博客 6254

基于evo工具的ORB-SLAM2轨迹评估:TUM、KITTI与EuRoC数据集实战解析

本文详细解析了如何使用evo工具对ORB-SLAM2在TUM、KITTI和EuRoC三大经典数据集上输出的轨迹进行专业评估。内容涵盖环境搭建、轨迹文件获取、以及利用evo_traj、evo_ape、evo_rpe等核心命令进行轨迹可视化、对齐与误差分析的完整实战流程,并提供了针对不同数据集的格式转换技巧与常见问题避坑指南,帮助读者从“跑通”到“看懂”SLAM系统性能。

weixin_29041195的博客 325

关于ROS+ORB-SLAM2单目实例的安装总结

      按照导师指示的精神,暑假在学校学习ORB-SLAM2相关的知识,经过两天学习摸索,总结如下。       关于ROS的安装,本人参考网上的使用评价,特地重装了Ubuntu14.04的系统,因此ROS使用的是indigo,安装步骤参考wiki.ROS上的方法步骤http://wiki.ros.org/indigo/Installation/Ubuntu。虽然是全英文,但是全文不长,词汇...

qq_41608185的博客 1660

【SLAM】运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC单目数据集

单目下运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC数据集1 算法评价指标(1)系统性能评估-绝对轨迹误差(ATE)(2)系统漂移评估-相对轨迹误差(RPE)(3)精度统计量-均方根误差(RMSE)2 安装依赖项(1)Numpy安装(2)SciPy安装(3)matplotlib安装3 evo安装(1)pip安装(2)源码安装(3)测试(4)报错处理4 evo使用(1)轨迹可视化(2)轨迹评估1)计算绝对位姿误差2)计算相对位姿误差(3)结果比较(4)格式转换(5)配置更改(6)时间

Venistar的博客 1万+

机器人SLAM与自主导航(三)——SLAM功能包

机器人SLAM与自主导航(三)——SLAM功能包 一、gmapping 1、gmapping功能包 输入:1.深度信息 2.IMU信息 3.里程计信息 输出:栅格地图 $ rosmsg show nav_msgs/OccupancyGrid 2、栅格地图取值原理 3、gmapping安装 $ sudo apt-get install ros-kinetic-gmapping 4、配置gmapping节点 参数说明可参考: http://wiki.ros.org/gmapping 5、启动gm.

weixin_45661757的博客 3453

SLAM学习 | Ubuntu16.04 下从零开始配置环境并运行ORB-SLAM2(TUM, ROS+USB, 自制数据集)

本文的主要内容有: 1.在空白Ubuntu16.04系统下配置并安装ORB-SLAM2; 2.下载TUM数据集并运行; 3.自己制作数据集并运行; 4.使用ROS和USB相机实时运行; 5.对ORB-SLAM2运行结果的简要评估。

Chen_Tianyang的博客 3793

ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹

ORB-SLAM2算法1 已成功编译安装ORB-SLAM2到本地,本篇目的是用EuRoc开源数据来运行ORB-SLAM2,并生成轨迹,最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。

重点记录机器人和自动驾驶相关领域的技术,尤其是计算机视觉,视觉SLAM等,不仅有前言文献或必备算法的学习,也会有实际应用的点滴经验 2964

SLAM ORB-SLAM2(5)例程了解

了解TUM 数据集的构成,然后了解单目和深度相机demo源码

氢键H-H 1万+

ORB_SLAM1/2/3 系列 区别详解

一、区别 ORB_SLAM:只针对的是单目SLAM系统 ORB_SLAM2:可以用于单目、双目、RGB_D相机。(并且作者公开的源码中包含ROS版本,可以实时跑自己的数据) ORB_SLAM3:在2的基础上,还可以用于鱼眼相机;增加了视觉+imu的系统(VIO)。 二、详情 1.ORB_SLAM ORB_SLAM:a Versatile and Accurate Monocular SLAM System (ORB_SLAM:一种通用精确的单目SLAM系统) 摘要:本文提出了一种基于特征的单目ORB-SLA

weixin_51547017的博客 9214

ORB-SLAM3系列-多地图管理

点击上方“3D视觉工坊”,选择“星标”干货第一时间送达论文名称: ORBSLAM-Atlas: a robust and accurate multi-map system摘要利用鲁棒...

3D视觉工坊 1284

evo评价视觉slam精度

使用evo工具评价SLAM精度

qq_44764437的博客 1428

SFM(structure from motion 从运动恢复结构)和MVS(multi-view stereo 多视图立体视觉)

主要目的:SFM是重建稀疏点云的,MVS重建的是稠密点云。 输入的数据:SFM是没有标定的数据,而MVS输入的是标定的数据。 为什么SFM无法重建出稠密的点云,但是MVS可以? SFM中我们用来做重建的点是由特征匹配提供的!这些匹配点天生不密集!MVS则几乎对照片中的每个像素点都进行匹配,几乎重建每一个像素点的三维坐标,这样得到的点的密集程度可以较接近图像为我们展示出的清晰度。 SFM和MVS关系 SFM给MVS算好了输入视角的位姿,内参,稀疏点云以及它们的共视关系,MVS再利用这些信息以及彩色图

Vpn_zc的博客 1万+

从零打造音乐会级特雷门琴:原理、设计与调试全解析

电子乐器的工作原理通常基于信号生成与调制。特雷门琴作为世界上最早的电子乐器之一,其核心原理是利用射频振荡器和电容传感,将演奏者的手势变化转化为音高与音量信号。这种技术通过外差式混频实现音高控制,并利用压控放大器实现细腻的音量动态,其工程价值在于将抽象的空间位置信息精确映射为连续的音频参数。在音乐制作、声音艺术和交互装置等领域,这类技术为创造独特的演奏体验提供了基础。本文聚焦于如何从电路层面实现一台高稳定性的特雷门琴,详细阐述了从LC振荡器设计、天线场形优化到音色混合检波等关键环节,并分享了基于LTspice

weixin_34046298的博客 171

ORB-SLAM 1/2/3 系列区别

ORB-SLAM 1/2/3 系列区别

weixin_39152543的博客 1249

CCD 技术介绍(基于innovus引擎CCOpt)

CCD:全称是,并行优化clock和data path。CCOpt:全称是Clock的timing分为两种模式,和。preCTS并没有clock,因此需要建立一个,从clock端口到寄存器CK端的来自sdc中的设置;postCTSupdateIO latency,clock就会自动的转换成propagatedclock,这时就是实际时钟互连线网络的delay。在实际设计中,clock起始于ideal。

m0_61003348的博客 8978

《小白的SLAM研究之路》

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录系列文章目录前言使用evo工具评估ORB-SLAM3跑EuRoc的MH-01序列解决方案:总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。 提示:以下是本篇文章正文

CREATED BY RICK. 2781

海康机器人ID5000 系列智能读码器(三)

又過了兩個月,漸漸的對這個攝像頭的功能更加熟悉了,而實際上,我要做的功能也越來越複雜,從一開始的讀碼,到後來的通過讀二維碼控制設備,再到未讀到二維碼控制設備等,下面就對具體的細項做一個總結。了解完這些就能對ID5000這個設備,乃至很多海康的設備都能做一個二次開發。

qq_54359036的博客 3073

DataWorks数据安全治理最佳实践

DataWorks基于数据安全治理的常见思路,针对资产梳理、技术体系建设和运营体系建设,提供了一系列数据安全产品能力,您可通过“基础防护建设、数据安全防护措施及策略增强建设、数据安全持续运营”三个阶段在DataWorks上落地数据安全治理项目。参考本文启动数据安全治理项目前,建议您先了解DataWorks数据安全产品相关能力了解DataWorks数据安全产品能力后,您可参考如下三个阶段在DataWorks上落地数据安全治理项目。

soso1968的博客 1438

ORB SLAM3初见

ORB SLAM3初见 ORB SLAM3 源码:https://github.com/UZ-SLAMLab/ORB_SLAM3; 需要: C++11 Pangolin(可视化) OpenCV—Required at leat 3.0. Tested with OpenCV 3.2.0. Eigen3—Required at least 3.1.0. DBoW2 and g2o(Included in Thirdparty folder) 编译: 1. git clone https://github.

printeger的博客 553

形状记忆合金热机械本构模型的ABAQUS子程序实现与Fortran\_ABAQUS编程实践

本文详细介绍了如何使用ABAQUS子程序实现形状记忆合金的热机械本构模型,并通过Fortran_ABAQUS进行编程实践。我们首先介绍了问题的背景和目标,然后讲解了如何在Fortran_ABAQUS子程序中实现热变形模型、应力应变关系和相变模型,最后进行了ABAQUS模拟,并分析了模拟结果。希望通过本文的讲解,能让大家更深入理解ABAQUS子程序以及Fortran的使用,也希望能对大家在进行相关学习或研究工作时提供一些帮助。

qq_38334677的博客 1328

Slam误差评估

单目下运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC数据集 1 算法评价指标(1)系统性能评估-绝对轨迹误差(ATE)(2)系统漂移评估-相对轨迹误差(RPE)(3)精度统计量-均方根误差(RMSE) 2 安装依赖项(1)Numpy安装(2)Sc...

qq_38338086的博客 3176

Linux下驱动开发_块设备驱动开发(硬件上采用SD卡+SPI协议)

这一篇文章将采用SD卡作为存储硬件,利用SPI协议与SD卡通信,完成块设备驱动开发测试。 SD卡可以更加形象的表示块设备开发过程,明白硬件如何交互,完成数据读写。

2605

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

上一篇: IMU和视觉融合学习笔记
下一篇: ORB-SLAM系列算法演进
极客范儿
极客范儿 新星创作者: 游戏开发技术领域 新星创作者: 游戏开发技术领域 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄12年 1万+粉丝 342原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

极客范儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值