位姿评价-evo

evo轨迹评估工具使用
最新推荐文章于 2024-12-31 15:14:51 发布
原创 最新推荐文章于 2024-12-31 15:14:51 发布 · 145 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ubuntu

博客主要围绕evo轨迹评估工具的使用展开，涉及信息技术领域中轨迹评估相关内容。
【Ubuntu20.04系统下evo安装和使用教程】
小秋 AI SLAM 入门实战教程
07-01 3932
RPE[%]以及RRE[deg/100m]：定义参考论文VSO: Visual Semantic Odometry。其中最后两项就是对应RPE[%]以及RRE[deg/m],所以最后一个值要乘以100。文件中内容分别为均方根误差、均值、中位数、标准差、最小值、最大值、误差平方和。ATE[m]:这个使用evo_ape 默认参数，得到的rmse就是结果了。总共有三个指标RPE[%]，RRE[deg/100m]， ATE[m]histogram：直方图，关于误差在不同等级的比重。将画图所使用的线型改为 -
惯性导航仿真数据（二）
浮生
02-27 2049
本文对惯性导航真值生成工具Aceinna进行深入分析。 一、轨迹生成 初始点的选择 当初始点选择在
EVO工具的使用
weixin_43846627的博客
12-22 8510
一、EVO简介 EVO是用于处理、评估和比较里程计和SLAM算法的轨迹输出的工具 GitHub项目地址 二、轨迹 EVO进行轨迹对比时，对输出的轨迹格式有一定的限制和规定。在使用evo_traj等工具时需要事先给出轨迹的对应类型。 支持的轨迹格式 ros——ROS数据包 当数据包中含有topic：geometry_msgs/PoseStamped, geometry_msgs/TransformStamped, geometry_msgs/PoseWithCovarianceStamped 和nav_m
evo评测VINS-MONO---指标解析、算法精度分析（数据集）
xiaojinger_123的博客
09-17 7484
上篇博文已通过代码修改、数据格式转换、数据测试实现使用evo评测VINS-MONO，该篇将详细介绍evo评测出的数据指标，以及VINS-MONO在数据集下的精度情况。 EVO评价指标介绍 绝对轨迹误差（ATE:abosulte trajectory error)：直接计算相机位姿的真实值与SLAM系统的估计值之间的差，程序首先根据位姿的时间戳将真实值和估计值进行对齐， 然后计算每对位姿之间的差值， 并最终以图表的形式输出， 该标准非常适合于评估视觉 SLAM 系统的性能。 相对位姿误差(RPE:relati
SLAM中evo评估工具（用自己的数据集评估vinsFusion）
linzs.online
09-06 1万+
用自己的数据跑vinsFusion，开启回环检测，并使用evo轨迹评估工具进行评估
SLAM轨迹精度评估工具evo使用方法
qq_39779233的博客
07-25 1万+
一、evo_traj 命令 1. evo_traj 命令 当我们想要比较两个 topic 数据之间的不同时刻之间的偏差是，可以考虑用 evo_traj 命令来绘制轨迹。 evo共支持kitti、tum、euroc这三个公开数据集格式，同时也支持bag文件里的topic。 evo_traj 的具体语法格式： evo_traj bag文件 话题名1 话题名2 .... 话题名n [参数] 参数选项：参数-p 或 --plot 即可绘制出轨迹的图形两个 topic 对应的坐标曲线。 2.运行命令并查看效
evo slam评估工具使用方法
q12haha345678的博客
04-05 648
本文简要介绍了evo slam评估工具的使用方法，包括安装、绘制轨迹、评估误差和格式。
SLAM-evo 评估
草莓奶忻的博客
11-17 3423
evo是一款用于视觉里程计和SLAM问题的轨迹评估工具，它包含数据评估和可视化功能。核心功能是能够绘制相机的轨迹, 或评估轨迹与真值之间的误差。支持TUM轨迹文件、KITTI位姿、EUROC的csv与txt文件、ROS的bag文件， 同时支持这些数据格式之间的相互转换。
SLAM评估-evo绘制APE、ATE和ARE曲线
shuia64649495的博客
12-31 1096
绘制ATE曲线(transplant-平移)绘制APE曲线(full-平移+旋转)绘制ARE曲线(rotation)
SLAM精度评估-EVO的使用
weixin_43527977的博客
09-13 1104
evo的安装和使用
针对于Vins-Mono中的评价工具evo中的评价参数的理解
qq_40464599的博客
01-03 4023
评价指标 绝对轨迹误差（ATE:abosulte trajectory error)：直接计算相机位姿的真实值与SLAM系统的估计值之间的差，程序首先根据位姿的时间戳将真实值和估计值进行对齐， 然后计算每对位姿之间的差值， 并最终以图表的形式输出， 该标准非常适合于评估视觉 SLAM 系统的性能。 相对位姿误差(RPE:relative pose error):用于计算相同两个时间戳上的位姿变化量的差， 同样， 在用时间戳对齐之后， 真实位姿和估计位姿均每隔一段相同时间计算位姿的变化量， 然后对该变化量
一种SLAM精度评定工具——EVO使用方法详解
热门推荐
dcq1609931832的博客
10-09 3万+
evo_ape 计算绝对位姿误差 绝对位姿误差，常被用作绝对轨迹误差，比较估计轨迹和参考轨迹并计算整个轨迹的统计数据，适用于测试轨迹的全局一致性。 命令语法：命令 格式 参考轨迹 估计轨迹 [可选项] 其中格式包括euroc、tum等数据格式，可选项有对齐命令、画图、保存结果等。 常用命令示例： evo_ape euroc MH_data3.csv pose_graphloop.txt -r fu...
SLAM精度评定工具——EVO使用方法详解
m0_48748418的博客
09-02 1万+
SLAM精度评定工具——EVO使用方法详解
EVO的使用
三木之杨的博客
12-21 2032
1. 安装： pip install evo --upgrade --no-binary evo 2. 使用 evo_ape - 用于评估绝对位姿误差； evo_rpe- 用于评估相对位姿误差； evo_traj - 这个主要是用来画轨迹、输出轨迹文件、转换数据格式等功能； evo_res- 比较来自evo_ape或evo_rpe生成的一个或多个结果文件的工具； evo_fig - （实验）工具，用于重新打开序列化图（使用–serialize_plot保存）； evo_config - ..
惯性导航(一）
浮生
06-05 1万+
本文以二维为例，讲解组合导航（IMU与GPS传感器融合）。 一，坐标系与数据 如下图所示为GPS的轨迹图，（运行utility/showgps.m), 横坐标x为东向，纵坐标为北向． 如下图所示为imu的波形图，可以看出50s处（从上图中看出，车辆右转），角速度为负，局部坐标系应是x朝右，ｙ超前，顺时针为负． 二，惯性导航方程 惯性导航的三大优势: 不受外界干扰 高频 ６自由度估计 惯性导...
惯性导航仿真数据
浮生
06-12 6470
简单明了的数据集是理解该问题的重要一点，而找了一些开源的数据集，要么太复杂，要么描述不清楚．在本文中，我选择使用ＲＯＳ　Ｇａｚｅｂｏ来生成数据．供后续算法使用． 三维环境下的数据使用无人机模拟器，见参考1-2．二维环境下的数据使用Turtlebox．下面记录了具体的数据采集过程． 运行Turtlebox仿真． 运行rosbag record -a, 记录所有topic. 运行时间对齐脚本． 参...
Error-State Kalman Filter教程(一)
浮生
03-27 5499
文章目录一、目标参考 一、目标 使用error-state滤波方法， 参考 MSCKF那些事（四）算法详解2：数学基础 这里面说了几种协方差更新的形式，对应着不同的正定状态。 ...
2020年SLAM进展跟踪
浮生
03-08 1758
2020年关于三维重建方面的重要论文
惯性导航(三）估计偏置
浮生
03-02 1748
真实的IMU都会有较大的偏置，在位姿估计中，会有累积效应，因此估计偏置是惯性导航中的常用做法。 一、状态时空模型 1、状态向量定义、预测模型 惯性导航方程描述的是估计变量与IMU量测值之间的关系，首先将加速度计观测到的局部观测值，转换到全局坐标系下去： aG=R(aL−ab)a^G = R(a^L - a_b)aG=R(aL−ab​) 其中aLa^LaL是2D的局部加速度, aba_bab​是偏置...
fast-lio evo
最新发布
02-26
### 使用EVO工具评估Fast-LIO SLAM系统 为了评估Fast-LIO SLAM系统的性能，可以采用EVO (Evaluation of Visual Odometry) 工具来分析轨迹估计的准确性。此过程涉及几个方面的工作。 #### 准备工作环境 确保已安装必要的依赖项和支持库，以便能够顺利运行Fast-LIO以及EVO工具。对于Linux用户来说，在Ubuntu环境下操作较为常见。如果尚未完成，则需先按照官方文档指导设置好开发环境[^2]。 #### 获取真值数据集 要对比SLAM系统的输出与实际路径之间的差异，必须拥有精确的真实世界运动轨迹作为参照标准。可以选择公开的数据集如KITTI, EuRoC MAV Dataset等，这些资源提供了带有时间戳的位置信息和其他传感器读数，非常适合用于验证目的。 #### 导出Fast-LIO轨迹文件 通过配置Fast-LIO以保存其计算得出的姿态变化序列至外部存储介质中。通常情况下，这将以特定格式（例如TUM或Kitti）保存为文本文件，方便后续处理程序识别解析。 #### 运行EVO进行定量评价 一旦获得了待测系统的轨迹记录和对应的时间同步地面实况资料之后，就可以调用EVO命令行接口执行具体评测任务了。下面给出一段Python脚本示范如何加载两个不同源的数据并绘制相对位姿误差图： ```python import evo.main_ape as main_ape from evo.core.metrics import PoseRelation import numpy as np # 加载真实轨迹和估计轨迹 traj_ref = ... # 真实轨迹对象实例化 traj_est = ... # 预估轨迹对象实例化 result = main_ape.ape(traj_ref, traj_est, pose_relation=PoseRelation.translation_part) print(result.stats) ``` 上述代码片段展示了怎样利用`main_ape`模块中的函数实现绝对姿态误差(Absolute Pose Error) 的测量，并打印统计摘要报告。更多关于参数设定细节可查阅[EVO GitHub页面](https://github.com/MichaelGrupp/evo)[^1]。
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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

手持电烙铁的侠客

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