JaydenQ的博客

动态SLAM（Simultaneous Localization and Mapping with Dynamic Objects）是传统SLAM（同步定位与地图构建）的一个扩展，专注于处理动态环境中的物体。在动态环境下，SLAM不仅需要构建地图和定位，还要识别和处理动态物体（如人、车辆等）。因此，相关的数据集通常包含动态环境下的传感器数据（如激光雷达、相机、IMU等），并且标注了动态物体的运动轨迹。

维度 对象级SLAM 物品级SLAM建模粒度 以大尺度的静态对象为主（如家具、墙壁） 以具体物品实例为主（如杯子、书本）语义信息 泛化语义级别 细粒度实例级别动态物体处理 较少考虑 更关注应用场景 室内导航、布局分析 物品抓取、人机交互关联与趋势。

打开realsense-ros/realsense2_camera/launch/rs_d435_camera_with_model.launch文件，将align_depth的值改为true。这里我们使用D435i/D455来录制ROSBAG包，也可以使用其他的相机。首先安装realsense-ros，录制rosbag。完成后对齐时间，associate.py代码见资源。更改tiqu.py文件中的路径。

下面举例几个比较常用的命令：evo_config set plot_seaborn_style whitegrid 这是修改背景，其中whitegrid可以替换成darkgrid, whitegrid, dark, white, ticksevo_config set plot_seaborn_palette bright这是修改线条，其中bright可以替换成deep, muted, bright, pastel, dark, colorblindevo_config set plot_fo

evo_ape指令是用来绘制绝对轨迹误差，其指令形式为：evo_ape tum data.tum vio_loop.txt -r trans_part -v -as -p --save_results ./1.zip-r表示ape所基于的姿态关系-v表示verbose mode,详细模式指令其他功能可以使用以下命令查看：evo_ape tum --help...

evo_rpe指令是用来绘制相对轨迹误差，其指令形式为：evo_rpe tum data.tum XXX.txt -r trans_part --delta 1 --delta_unit m -v -as -p --save_results ./ours_stereo.zip–delta 1 --delta_unit m 表示的是每一米比较一次相对真实轨迹的轨迹误差–save_results ./ours_stereo.zip 是将比较结果保存在./ours_stereo.zip中-r表示ape所

evo_traj 绘制某个方向上的二维轨迹命令：evo_traj tum XXX.txt --plot_mode xy/xz/yz -p用以上命令来绘制自己生成的.txt文件的运行轨迹，如果需要与真是轨迹作对比，则使用以下命令：evo_traj tum XXX.txt --ref=uwb-ground-truth.txt --plot_mode xy/xz/yz -p -a-a是让自己生成的轨迹与参考轨迹对齐，-p是绘制轨迹指令。...

本文主要来自于博客园关于知乎的讨论。链接如下：Visual–Inertial Odometry(VIO)

想要大体了解学习SLAM需要必学习的基础知识和前期的知识储备，参照如下链接：计算机视觉life

参考链接

1. 相对位姿误差（RPE）用于计算两个相同时间戳上相机位姿的真实值与SLAM系统的估计值之间每隔一段时间位姿变化量之间的差值，也可以理解为位姿真实值与与估计值的实时比较。该标准适合于估计系统的漂移。2. 绝对轨迹误差（ATE）直接计算相机位姿的真实值与SLAM系统的估计值之间的差值，首先将真实值与估计值的时间戳对齐，然后计算每对位姿之间的差值，适合于评估SLAM系统的性能。参考链接：参考文章...

无需翻墙的SLAM数据集：三维重建、室内外导航数据集