# 在学习视觉slam过程中,需要对数据集合进行预处理和对slam或者跟踪结果进行评价,TUM提供一组这样的工具,为了自己以后方便查找,于是把它记录下来
一、RGBD_Benchmark工具下载链接:Download here
下载链接下有如下python脚本,可供使用
1. add_pointclouds_to_bagfile.py
2. associate.py
3. evaluate_ate.py
4. evaluate_rpe.py
5. generate_pointcloud.py
6. generate_registered_pointcloud.py
7. plot_trajectory_into_image.py
二、RGBD_Benchmark工具使用方法(部分,后续用到再做完善)
1. associate.py
通过timestamp(时间戳)生成rgb和depth的关联文件,命令如下:
1 python associate.py rgb.txt depth.txt > associations.txt
2. 评价脚本
在估计了相机轨迹并将其保存到文件后,我们需要通过将其与地面实况进行比较来评估估计轨迹中的误差。 有不同的误差指标。
两种突出的方法是绝对轨迹误差(ATE)和相对姿态误差(RPE)。
ATE适合评估视觉SLAM系统的性能。 相比之下,RPE适合评估视觉里程计的漂移量,例如每秒的漂移量。
2.1 evaluate_ate.py
绝对轨迹误差脚本直接测量真实轨迹和估计轨迹的点之间的差异。
作为预处理步骤,我们使用时间戳将估计的姿势与地面真实姿势相关联。 基于此关联,我们使用奇异值分解来对齐真实轨迹和估计轨迹。
最后,我们计算每对姿势之间的差异,并输出这些差异的均值/中值/标准差。
此外,脚本还可以将两个轨迹绘制到png或pdf文件,这样一来可以更加直观的看到差异。
接下来,我们分别看一下相应的脚本执行命令
(注:需要将evaluate_ate.py、groundtruth.txt、CameraTrajectory.txt、associate.py放在同一位置)
(1)仅输出RMSE/cm误差,执行如下命令:
1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt
(2)输出真实轨迹和预测轨迹以及误差,并直观显示,执行如下命令:
1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot result.png
(3)输出所有误差,包含平均值,中值等, 执行如下命令:
1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose