【实验】LIO_SAM在KITTI 08上运行_lio-sam kitti-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_46670186/article/details/129412409

一、KITTI odometry和raw data的对应关系

Odometry页面的数据集目的是测试包括LiDAR和相机的纯SLAM（指无GPS）的结果，和raw数据集的对应关系如下。下表列出了每个序列的名称、开始和结束帧。用来提取视觉l视觉里程计/SLAM训练集的每个序列的名称、开始和结束帧。

为了允许使用激光点云、GPS数据、右边的摄像机图像和灰度图像来训练数据。我们提供了训练集与KITTI数据集原始数据的映射。提供训练集与KITTI数据集raw data的映射。下表列出了每个序列的名称、开始和结束帧。用来提取视觉里程计/SLAM训练集。

2011_09_26_drive_0067数据集不存在，应该是后期官方删除的。另外，odometry的00-10是有真值的，剩下的11-21是测试集。

Nr.     Sequence name     Start   End
---------------------------------------
00: 2011_10_03_drive_0027 000000 004540
01: 2011_10_03_drive_0042 000000 001100
02: 2011_10_03_drive_0034 000000 004660
03: 2011_09_26_drive_0067 000000 000800
04: 2011_09_30_drive_0016 000000 000270
05: 2011_09_30_drive_0018 000000 002760
06: 2011_09_30_drive_0020 000000 001100
07: 2011_09_30_drive_0027 000000 001100
08: 2011_09_30_drive_0028 001100 005170
09: 2011_09_30_drive_0033 000000 001590
10: 2011_09_30_drive_0034 000000 001200

前面说了，odometry是纯SLAM但是如果你想验证GPS融合效果怎么办，这时候就不能只用odometry页面的数据了，根据上面的对应关系去把raw数据下载下来。这里有两个选unsynced+unrectified、synced+rectified，前者指图像、LiDAR、GPS/IMU等数据没有对齐，图像也没有矫正，真正的原始数据，这块IMU的频率是100HZ；后者各源数据都是一一对齐的，图像也矫正了，但是GPS/IMU的频率只有10HZ，基本够用。

需要注意的是KITTI 08的start和end。

二、LIO_SAM在KITTI 08上运行

从LIO_SAM的github地址下载已经制作好的2011_09_30_drive_0028-01.bag，需要注意的是此bag是由raw data处下载的2011_09_30_drive_0028制作而成。
LIO_SAM最终保存的是关键帧的轨迹大概2000多行（帧）（仅保存了的关键帧轨迹）。这里为了使用evo工具进行评估，已从代码中将其转为tum格式。

而KITTI 08的ground truth只能从odometry部分获得，大概是4000多行（帧），并且是kitti格式。
为了得到带时间戳的tum格式的ground truth，就需要和LIO_SAM估计的轨迹时间戳保持一致。

解决方法

得到LIO_SAM所有帧的时间，times.txt大概有5174帧（行）。
依据08: 2011_09_30_drive_0028 001100 005170，保存times.txt的1101-5171帧（行）的时间
将对应的08.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

python2 kitti_poses_and_timestamps_to_trajectory.py  08.txt times.txt  kitti_08_gt.txt

进行后续的evo评估