目录
- 前言
- 一、evo工具的安装
- 二、运行TUM数据集
- 1.TUM单目数据集
- 2.TUM RGB-D数据集
- 三、运行KITTI数据集
- 1.KITTI单目数据集
- 2.KITTI双目数据集
- 四、运行EuRoC数据集
- 1.EuRoC单目数据集
- 2.EuRoC双目数据集
- 五、使用evo工具分析
- 1.常用指令
- 2.用evo工具分析TUM
- 3.用evo工具分析KITTI
- 4.用evo工具分析EuRoC
前言
在ORB-SLAM2的学习过程中，不可避免的会用到这些数据集来运行程序，并且还会将运行轨迹与相机真实轨迹作对比，下面就介绍使用evo工具分析SLAM常用TUM，KITTI，EuRoC数据集。SLAM数据集TUM，KITTI，EuRoC数据集的下载地址与真实轨迹文件的查找总结的博客链接。
一、evo工具的安装
可以使用evo工具将.csv文件形式的轨迹文件转换为TUM形式的轨迹文件。
evo_traj euroc data.csv --save_as_tum
evo工具安装（参考链接），打开终端输入
pip install evo --upgrade --no-binary evo
二、运行TUM数据集
TUM数据集官网下载地址，TUM数据集里面有深度图像和RGB图像。当使用单目模式时，仅用到rgb文件夹里的图片；当使用RGB-D模式时，需要用到depth和rgb两个文件夹里的图片，而且需要associate.py脚本文件关联 RGB 图像和深度图像（下面会说到）。
下面以rgbd_dataset_freiburg3_long_office_household数据集为例
1.TUM单目数据集
执行这个命令：./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER。将TUMX.yaml改为TUM1.yaml，TUM2.yaml或TUM3.yaml，分别用于freiburg1，freiburg2和freiburg3序列。将PATH_TO_SEQUENCE_FOLDER改为解压好的数据集文件夹路径。简单来说命令分为四个部分：1.TUM单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM3.yaml /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household
2.TUM RGB-D数据集
在这步中我们需要使用RGB 图像和深度图像的关联文件，ORB-SLAM2的作者在examples/RGB-D/associations/路径下提供了某些序列的关联文件。
我们也可以使用 python 脚本associate.py（associate.py下载地址）关联 RGB 图像和深度图像。
将associate.py脚本放到下载并且解压好的rgbd_dataset_freiburg3_long_office_household/路径下，执行以下命令
python associate.py rgb.txt depth.txt > associations.txt
接下来执行这个命令：./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE。将TUMX.yaml改为TUM1.yaml，TUM2.yaml或TUM3.yaml，分别用于freiburg1，freiburg2和freiburg3序列。将PATH_TO_SEQUENCE_FOLDER改为解压好的数据集文件夹路径。将ASSOCIATIONS_FILE改为相应关联文件的路径。简单来说命令分为五个部分：1.TUM RGB-D执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径 5.关联文件路径
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household /home/d/文档/数据集/TUM数据集/rgbd_dataset_freiburg3_long_office_household/associations.txt
三、运行KITTI数据集
KITTI数据集官网下载地址，使用灰度图像的KITTI数据集，里面有左目图像（image_0）和右目图像（image_1）。当使用单目模式时，仅用到image_0文件夹里的左目图片；当使用双目模式时，需要用到image_0和image_1两个文件夹里的图片。
下面以00数据集为例
1.KITTI单目数据集
执行这个命令：./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER。将KITTIX.yaml改为KITTI00-02.yaml，KITTI03.yaml或KITTI04-12.yaml，分别用于序列0到2，序列3和序列4到12。将PATH_TO_DATASET_FOLDER改为解压好的数据集文件夹路径。将SEQUENCE_NUMBER改为00、01、02,…, 11 简单来说命令分为四个部分：1.KITTI单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml /home/d/文档/数据集/Kitti数据集/00
2.KITTI双目数据集
执行这个命令：./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER。将KITTIX.yaml改为KITTI00-02.yaml，KITTI03.yaml或KITTI04-12.yaml，分别用于序列0到2，序列3和序列4到12。将PATH_TO_DATASET_FOLDER改为解压好的数据集文件夹路径。将SEQUENCE_NUMBER改为00、01、02,…, 11 简单来说命令分为四个部分：1.KITTI单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集路径
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTI00-02.yaml /home/d/文档/数据集/Kitti数据集/00
四、运行EuRoC数据集
EuRoC数据集官网下载地址，EuRoC数据集里面有左目图像（cam0）和右目图像（cam1）。当使用单目模式时，仅用到cam0文件夹里的左目图片；当使用双目模式时，需要用到cam0和cam1两个文件夹里的图片。
下面以MH_01_easy数据集为例
1.EuRoC单目数据集
对 V1 和 V2 序列执行以下第一个命令，或对 MH 序列执行第二个命令。根据要运行的数据集更改PATH_TO_SEQUENCE_FOLDER和序列。
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt
将PATH_TO_SEQUENCE改为解压好的数据集文件夹路径。将SEQUENCE改为对应数据集的序列文件 **简单来说命令分为五个部分：1.EuRoC单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集左目图像路径 5.对应的序列文件 **
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH01.txt
2.EuRoC双目数据集
对 V1 和 V2 序列执行以下第一个命令，或对 MH 序列执行第二个命令。根据要运行的数据集更改PATH_TO_SEQUENCE_FOLDER和SEQUENCE。
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data PATH_TO_SEQUENCE/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data PATH_TO_SEQUENCE/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt
将PATH_TO_SEQUENCE改为解压好的数据集文件夹路径。将SEQUENCE改为对应数据集的序列文件 **简单来说命令分为六个部分：1.EuRoC单目模式执行文件 2.训练好的词袋 3.参数文件 4.解压好的数据集左目图像路径 5.解压好的数据集右目图像路径 6.对应的序列文件 **
切换到 ORB_SLAM2/ 下，在终端里输入（对应路径改成自己的）
./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam0/data /home/d/文档/数据集/EuRoc数据集/MH_01_easy/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/MH01.txt
五、使用evo工具分析
1.常用指令
以TUM数据集的rgbd_dataset_freiburg3_long_office_household为例介绍
绘制单个轨迹
evo_traj tum groundtruth.txt -p
绘制多个轨迹
evo_traj tum CameraTrajectory_TUM.txt groundtruth.txt -p
上面的轨迹在旋转和平移上不对齐，可以通过--ref参数指定参考轨迹，并且添加参数-a来对其轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p -a
由于单目相机会存在尺度的不确定性，所以在仅使用-a不够
evo_traj tum KeyFrameTrajectory_TUM.txt --ref=groundtruth.txt -p -a
还需要添加一个参数-s进行尺度上面的对齐
evo_traj tum KeyFrameTrajectory_TUM.txt --ref=groundtruth.txt -p -a -s
或者直接使用参数-as同时使用旋转和平移以及尺度上面的对齐
evo_traj tum KeyFrameTrajectory_TUM.txt --ref=groundtruth.txt -p -as
通过观察，上面的轨迹在Z轴上面变化不大，可以添加参数--plot_mode=xy将轨迹压缩在xy平面上
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p --plot_mode=xy -as
通过上面的过程，我们 常用的画轨迹指令 是
evo_traj tum XXX.txt --ref=XXX.txt -p -as evo_traj tum XXX.txt --ref=XXX.txt -p --plot_mode=xy -as
计算绝对位姿误差
大多数中论文的指标为测量绝对误差， 在进行评估时，若经过了缩放，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方，避免在缩放时参考轨迹错误而造成误差被错误缩放。
evo_ape tum groundtruth.txt CameraTrajectory_TUM.txt -p --plot_mode=xy -as
max：表示最大误差；mean：平均误差；median：误差中位数；min：最小误差；rmse：均方根误差；sse：和方差、误差平方和；std：标准差。
evo_rpe指令是计算相对位姿误差，参数与上面的计算绝对位姿误差一致，因为不常用，就不介绍了
2.用evo工具分析TUM
画轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=groundtruth.txt -p --plot_mode=xy -as
计算绝对位姿误差
在进行评估时，若经过了缩放，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方，避免在缩放时参考轨迹错误而造成误差被错误缩放。
evo_ape tum groundtruth.txt CameraTrajectory_TUM.txt -p --plot_mode=xy -as
max：表示最大误差；mean：平均误差；median：误差中位数；min：最小误差；rmse：均方根误差；sse：和方差、误差平方和；std：标准差。
3.用evo工具分析KITTI
ORB-SLAM2以单目模式运行KITTI数据集保存的轨迹文件格式是TUM格式的，使用evo工具不能将KITTI格式的轨迹转换成TUM格式的轨迹，但是能将TUM格式的轨迹转换成KITTI格式的轨迹（参考链接）
使用下面的命令将TUM格式的轨迹转化成KITTI格式的
evo_traj tum KeyFrameTrajectory_TUM.txt --save_as_kitti
画轨迹
evo_traj kitti CameraTrajectory_KITTI.txt --ref=00.txt -p --plot_mode=xz -as
计算绝对位姿误差
在进行评估时，若经过了缩放，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方，避免在缩放时参考轨迹错误而造成误差被错误缩放。
evo_ape kitti 00.txt CameraTrajectory_KITTI.txt -p --plot_mode=xz -as
max：表示最大误差；mean：平均误差；median：误差中位数；min：最小误差；rmse：均方根误差；sse：和方差、误差平方和；std：标准差。
4.用evo工具分析EuRoC
ORB-SLAM2运行EuRoC数据集保存的轨迹文件格式是TUM格式的，使用evo工具能将EuRoC格式的轨迹转换成TUM格式的轨迹，（参考链接）
使用下面的命令将EuRoC格式的轨迹转化成TUM格式的
evo_traj euroc data.csv --save_as_tum
画轨迹
evo_traj tum CameraTrajectory_TUM.txt --ref=data.tum -p -as
计算绝对位姿误差
在进行评估时，若经过了缩放，在命令行中应将真实轨迹（参考轨迹）放在估计轨迹（计算轨迹）前方，避免在缩放时参考轨迹错误而造成误差被错误缩放。
evo_ape tum data.tum CameraTrajectory_TUM.txt -p -as
max：表示最大误差；mean：平均误差；median：误差中位数；min：最小误差；rmse：均方根误差；sse：和方差、误差平方和；std：标准差。
