EVO测试ORB-SLAM3数据集记录

evo可以进行数据格式转化、曲线颜色配置、轨迹导出等多种功能,详细请参考evo在github上的wiki:
https://github.com/MichaelGrupp/evo/wiki

用 python2调用ORB-SLAM3自带的evaluate_ate_scale.py

python2 evaluate_ate.py --save alignedTrajectory_ate.txt --plot ate.png groundtruth.txt KeyFrameTrajectory.txt
python2 evaluate_ate_scale.py MH02_GT.txt f_dataset-MH02_stereo.txt --plot MH02_stereo.pdf

evo函数参数介绍:
-p参数绘制轨迹,
–ref参数指定参考轨迹,
-va参数将两条轨迹进行对齐

1、ORB-SLAM3的需要修改代码,才能导出evo用于轨迹评估的数据格式
参考
对于EuRoc数据
把system.cc里面的Line677和Line685的源码中的1e9*(*lT)变成(*lT)

f << setprecision(6) << (*lT) << " " <<  setprecision(9) << twb.at<float>(0) << " " << twb.at<float>(1) << " " << twb.at<float>(2) << " " &
ORB-SLAM3 中运行数据集需要根据所使用的具体数据集类型(如 EuRoC、KITTI 或自定义数据集)进行配置和调整。以下是一个通用的流程,适用于大多数情况: ### 1. 环境准备 确保系统中已安装所有必要的依赖项,包括 C++11、Pangolin、OpenCV、Eigen3、DBoW2 和 g2o [^3]。如果使用 Ubuntu 18.04 和 ROS Melodic,部分依赖可能已经安装,但仍需检查并升级某些库(如 Eigen3)至合适版本。 ### 2. 下载与编译 ORB-SLAM3 源码 从官方或适配版本的 GitHub 仓库克隆 ORB-SLAM3 项目: ```bash git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git ``` 进入源码目录后创建构建文件夹并编译: ```bash cd ORB_SLAM3 mkdir build && cd build cmake .. make -j$(nproc) ``` ### 3. 准备数据集 #### EuRoC 数据集 - 下载 EuRoC 数据集MH_01MH_05 是常用的测试序列)。 - 解压后将图像序列和 IMU 数据组织为符合 ORB-SLAM3 输入格式的结构。 - 使用 `Examples/Monocular/euroc_mono.yaml` 或 `Examples/Stereo-Inertial/euroc_stereo_inertial.yaml` 作为配置文件。 #### KITTI 数据集 - 下载 KITTI 视觉里程计数据集(如 `2011_10_03_drive_0042_sync`)。 - 将图像和校准文件放置在指定目录,并修改对应的配置文件路径。 - 使用类似 `stereo_inertial_kitti_added.cc` 的接口文件来加载数据集并运行双目 VIO 模式 [^2]。 #### 自定义数据集 - 确保提供相机内参和外参配置文件(如 `.yaml` 文件),以匹配传感器参数。 - 如果是双目或 RGB-D 相机,需要对齐左右图像并同步时间戳。 - 对于 VIO 模式,还需提供 IMU 数据,并确保其与视觉帧的时间戳同步。 ### 4. 运行 ORB-SLAM3 #### 单目模式 ```bash rosrun ORB_SLAM3 Mono Vocabulary/ORBvoc.txt config/euroc_mono.yaml ``` #### 双目模式 ```bash rosrun ORB_SLAM3 Stereo Vocabulary/ORBvoc.txt config/mynteye_s_stero.yaml false ``` 此命令可用于 MYNT-EYE 双目相机或其他支持双目的设备,具体配置文件需根据实际硬件进行调整 [^1]。 #### 双目 + IMU 模式(VIO) ```bash rosrun ORB_SLAM3 Stereo_Inertial Vocabulary/ORBvoc.txt config/euroc_stereo_inertial.yaml ``` ### 5. 结果可视化与评估 - ORB-SLAM3 会输出轨迹文件(通常为 `.txt` 格式),可使用 `evaluate_ate.py` 或 `evo` 工具进行精度评估。 - 轨迹可通过 Rviz 或其他工具进行可视化。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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