视觉里程计的轨迹评估的工具：evo

视觉里程计的轨迹评估的工具：evo

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

evo是一款用于视觉里程计和slam问题的轨迹评估工具。核心功能是能够绘制相机的轨迹，或评估估计轨迹与真值的误差。支持多种数据集的轨迹格式（TUM、KITTI、EuRoC MAV、ROS的bag），同时支持这些数据格式之间进行相互转换。在此仅对其基本功能做简要介绍。

一、安装

安装方式极其简单，采用pip安装：

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

或者通过github下载源码后(https://github.com/MichaelGrupp/evo)，使用源码安装：

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

安装时会自动安装相关依赖项。

安装完毕后，在命令行输入evo，若显示了相关信息，则表明安装成功。若提示"command not found"也不用惊慌，很多人遇到这种问题，重启电脑即可找到evo相应指令。

二、绘制轨迹

1. 基础指令

evo绘制轨迹的指令为：evo_traj，后跟必要参数有：数据的格式（tum/kitti/bag/euroc等），轨迹文件。轨迹文件可以有多个，例如：

evo_traj tum traj1.txt traj2.txt

这个指令只是显示轨迹的基本信息，若要绘制轨迹，则增加可选参数 -p 或 --plot

evo_traj tum traj1.txt –p

2. 轨迹对齐

我们时常需要将估计轨迹与真实轨迹同时绘制，可采用指令：

evo_traj tum realTraj.txt estTraj.txt -p

然而存储时轨迹多为相对位置变化，所以绘制出的轨迹在初始位置上存在一定的位置和角度偏移，出现以下情况。

（如图所示，左图为绘制的两条曲线，通过调整可以发现两个曲线形状大体相同，但没有对齐，从而具有较大的误差）

这时我们采用对齐指令将两条轨迹进行对齐。为此我们需要通--ref参数指定参考轨迹，并增加参数-a（或--align）进行对齐（旋转与平移）

evo_traj tum estTraj.txt --ref realTraj.txt -p -a

3. 轨迹尺度缩放

单目相机会存在尺度的不确定性，evo_traj 支持使用-s（或 --correct_scale）参数进行Sim(3)上的对齐（旋转、平移与尺度缩放）

（图片从左到右：两条未对齐曲线、曲线对齐后绘制结果、曲线通过尺度缩放后结果）

三、轨迹评估

evo可以评估两条轨迹的误差，主要有两个命令：

evo_ape：计算绝对位姿误差(absolute pose error)，用于整体评估整条轨迹的全局一致性；

evo_rpe：计算相对位姿误差(relative pose error)，用于评价轨迹局部的准确性。

这两个指令也支持evo_traj的可选参数，轨迹对齐-a与尺度缩放-s。完整指令如下：

evo_ape tum realTraj.txt estTraj.txt -a –s

此时将显示轨迹误差相关结果。

若增加可选参数-p，可以绘制误差相关曲线：

注意：在进行评估时，若经过了缩放，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。

四、进阶学习

这里只介绍了evo的基本操作，除此之外evo可以进行数据格式转化、曲线颜色配置、轨迹导出等多种功能，详细请参考evo在github上的wiki：

https://github.com/MichaelGrupp/evo/wiki

同时，可以在命令行通过-h参数查看当前evo指令的参数及相关说明。例如：

evo_traj tum –h

注意一定要输入完整的evo指令（evo_traj, evo_ape等），与必选参数，即数据格式(tum/kitti/euroc/bag)

上述内容，如有侵犯版权，请联系作者，会自行删文。

重磅！3DCVer-学术交流群已成立

欢迎加入我们公众号读者群一起和同行交流，目前有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加群或投稿

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题