從零開始做自動駕駛定位（二）：軌迹精度評估

一、EVO工具的使用

1.evo簡介

 evo [1] 是一個很好的測評工具，它可以根據時間戳将軌迹進行對齊，同時可以将不同尺度的軌迹按照你指定的标準軌迹進行拉伸對齊，并可以算出均方差等評定參數，用于測評slam算法性能。支援的格式有：

• “TUM” 軌迹檔案；
• “KITTI“ 位姿檔案；
• “EuRoC MAV” (.csv groundtruth and TUM trajectory file)；
• ROS bagfile with 

  geometry_msgs/PoseStamped

  , 

  geometry_msgs/TransformStamped

  , 

  geometry_msgs/PoseWithCovarianceStamped

   or 

  nav_msgs/Odometry

   topics or TF messages; 
• 關于具體格式相關，見 [2]。

2.evo安裝

evo共有兩種安裝方式 [1][3]：

• 2.1 二進制快捷安裝 ：直接安裝最新的穩定發行版：

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

• 2.2 源碼編譯安裝

    1）下載下傳evo，也可以在home中直接下載下傳  

git clone https://github.com/MichaelGrupp/evo.git
           

    2）進入evo檔案夾，編譯安裝

pip install --editable . --upgrade --no-binary evo
           

3.evo工具使用

3.1 指令行接口

度量名額（具體原裡參見高博十四講第二版4.4.2小節）:

• evo_ape

   - 絕對位姿誤差

• evo_rpe

   - 相對位姿誤差

工具:

• evo_traj

   - 用于分析、繪制或者導出一個或多個軌迹；

• evo_res

   - 用于對比一個或者多個從

  evo_ape

   或者 

  evo_rpe生成的結果檔案；

• evo_fig

   - (experimental) tool for re-opening serialized plots (saved with 

  --serialize_plot

  )

• evo_config

   - 用于操作全局設定和配置檔案

更多的參數細節詳見 [4]。

3.2 具體的工作舉例

注意：下面的測試檔案在evo的github源碼裡（詳見官網 [1]）

1) 多軌迹繪制

cd test/data
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz
           

2) 軌迹誤差度量

mkdir results
evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results/ORB.zip
evo_ape kitti KITTI_00_gt.txt KITTI_00_SPTAM.txt -va --plot --plot_mode xz --save_results results/SPTAM.zip
           

3) 多個軌迹誤差分析

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

值得一提的是還有另一個比較類似的工具：rpg_trajectory_evaluation，具體的使用參考官網 [5]，功能似乎沒有evo那麼強，不過這個工具對應了論文 [6]，該論文詳細的闡述了估計誤差度量的推導及優缺點(尤其單目)，有興趣的可以看一看。

參考資料：

[1] evo : https://github.com/MichaelGrupp/evo

[2] evo Formats :  https://github.com/MichaelGrupp/evo/wiki/Formats

[3] 測評工具evo安裝與使用 : https://blog.csdn.net/weixin_44386661/article/details/103080551

[4] evo/Home  more detailed documentation and examples : https://github.com/MichaelGrupp/evo/wiki

[5] rpg_trajectory_evaluation : https://github.com/uzh-rpg/rpg_trajectory_evaluation

[6] Z. Zhang and D. Scaramuzza, "A Tutorial on Quantitative Trajectory Evaluation for Visual(-Inertial) Odometry," 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Madrid, 2018, pp. 7244-7251, doi: 10.1109/IROS.2018.8593941.