EVO使用教程

  • 1 EVO环境安装
    • 1.1 二进制安装
    • 1.2 源码安装
  • 2 使用方法
    • 2.1 TUM数据集上使用
      • 2.1.1 计算轨迹的绝对误差（evo_ape）
      • 2.1.2 绘制多条曲线（evo_traj）
      • 2.1.3 分析多条曲线（evo_res）
    • 2.3 KITTI数据集上使用
      • 2.2.1 计算轨迹的绝对误差
      • 2.2.2 绘制多条曲线
      • 2.2.3 分析多条曲线
    • 2.3 EUROC数据集上使用
      • 2.3.1 计算轨迹的绝对误差
  • 参考资料
我使用的环境为ubunut1604+ROS（Kinect）版本,环境是Python2的

1 EVO环境安装

1.1 二进制安装

  
pip install evo --upgrade --no-binary evo
 

1.2 源码安装

推荐使用源代码安装方式。，首先安装依赖项：   
sudo pip install --upgrade pip
sudo pip install --user --upgrade
 
sudo apt-get install libfreetype6-dev gfortran
pip install matplotlib
pip install scipy
  安装evo:   
git clone -b python2  https://github.com/MichaelGrupp/evo.git
cd evo
pip install --editable . --upgrade --no-binary evo
  出现以下情况则表示安装成功了   1  

2 使用方法

EVO提供了绝对误差和相对误差评估命令和图形分析工具(暂且这样称呼它)： evo_ape - absolute pose error （绝对误差） evo_rpe - relative pose error （相对误差）   Tools: evo_traj - tool for analyzing, plotting or exporting one or more trajectories（用于分析一个或者多个曲线） evo_res - tool for comparing one or multiple result files from evo_ape or evo_rpe evo_fig - (experimental) tool for re-opening serialized plots (saved with --serialize_plot) evo_config - tool for global settings and config file manipulation   这里需要注意一下 EUROC数据、TUM数据集、KITTI数据集使用的四元数顺序是不一样的，因此在使用命令的时候后续需要加参数予以区分，我们在自己保存算法输出的轨迹文件的时候应当注意这一点。 在evo的源码中 evo/test/data 目录下面有用于测试的数据集

2.1 TUM数据集上使用

2.1.1 计算轨迹的绝对误差（evo_ape）

评估算法输出的曲线和真实值之间的绝对误差（absolute pose error）   
mkdir results
evo_ape tum fr2_desk_groundtruth.txt  fr2_desk_ORB.txt -va --plot --plot_mode xz --save_results results/ORB_fr2_desk.zip
  执行命令以后，在终端中打印出RMSE等误差值   2   若出现错误： [ERROR] evo module evo.main_ape crashed - no logfile written (disabled) 则是由于matplotlib 的问题，需要升级一下 matplotlib   
pip install matplotlib --upgrade
 

2.1.2 绘制多条曲线（evo_traj）

在一张图中绘制两个算法的输出曲线（rgbdslam-v2 和 orb-slam）,其中 --ref的参数为指定的真是轨迹值。   
evo_traj tum freiburg1_xyz-ORB_kf_mono.txt freiburg1_xyz-rgbdslam.txt  --ref=freiburg1_xyz-groundtruth.txt -va --plot --plot_mode xy
    在图片的界面中可以修改曲线的颜色等参数。   3  

2.1.3 分析多条曲线（evo_res）

假设现在我使用2.1.1中命令生成了在fr1_xyz 和 fr2_desk两个序列上的Zip文件（这两个zip文件都在result目录下面）。此时我们使用 evo_res 命令分析算法在这两个序列上的性能   
 evo_res results/*.zip -p --save_table results/table.csv
  这表示分析 results 目录下面所有的zip文件。   4  

2.3 KITTI数据集上使用

2.2.1 计算轨迹的绝对误差

这里会生成一个名为xxx.zi压缩文件，这个在绘制多条曲线会用到。   
mkdir results
evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results/KITTI_00_ORB.zip
  5  

2.2.2 绘制多条曲线

将待绘制的曲线文件放置于同一个文件夹test中，   
cd test/data
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz
  其中，KITTI_00_ORB.txt 表示第1个算法在序列上运行的文件，KITTI_00_SPTAM.txt* 表示第2个算法在序列上运行的文件，***–ref=KITTI_00_gt.txt*** 表示指定真实的groundtruth轨迹文件，***-p --plot_mode=xz*** 则命令参数，在XOZ平面绘制轨迹。   6  

2.2.3 分析多条曲线

  
 evo_res results/*.zip -p --save_table results/table.csv
  7  

2.3 EUROC数据集上使用

2.3.1 计算轨迹的绝对误差

评估算法输出的曲线和真实值之间的绝对误差（absolute pose error）   
evo_ape euroc V102_groundtruth.csv V102.txt -va --plot --plot_mode xy --save_results results/EUROC.zip
  8   其余两个命令与前面的操作一样，只需要将命令中的 euroc 和***kitti***替换成***tum***即可。

参考资料

官方教程：https://github.com/MichaelGrupp/evo https://blog.csdn.net/A_L_A_N/article/details/88708979 https://blog.csdn.net/qq_37568167/article/details/104961523 如果文章对你有所帮助，请大家帮忙点个赞。O(∩_∩)O 欢迎大家在评论区交流讨论（cenruping@vip.qq.com）