从零开始做自动驾驶定位（二）：轨迹精度评估

一、EVO工具的使用

1.evo简介

evo [1] 是一个很好的测评工具，它可以根据时间戳将轨迹进行对齐，同时可以将不同尺度的轨迹按照你指定的标准轨迹进行拉伸对齐，并可以算出均方差等评定参数，用于测评slam算法性能。支持的格式有：

“TUM” 轨迹文件；
“KITTI“ 位姿文件；
“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;
关于具体格式相关，见 [2]。

2.evo安装

evo共有两种安装方式 [1][3]：

2.1 二进制快捷安装 ：直接安装最新的稳定发行版：
```
pip install evo --upgrade --no-binary evo
```
2.2 源码编译安装

1）下载evo，也可以在home中直接下载

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

2）进入evo文件夹，编译安装

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

3.evo工具使用

3.1 命令行接口

度量指标（具体原里参见高博十四讲第二版4.4.2小节）:

evo_ape - 绝对位姿误差
evo_rpe - 相对位姿误差

工具:

evo_traj - 用于分析、绘制或者导出一个或多个轨迹；
evo_res - 用于对比一个或者多个从evo_ape 或者 evo_rpe生成的结果文件；
evo_fig - (experimental) tool for re-opening serialized plots (saved with --serialize_plot)
evo_config - 用于操作全局设置和配置文件

更多的参数细节详见 [4]。

3.2 具体的工作举例

注意：下面的测试文件在evo的github源码里（详见官网 [1]）

1) 多轨迹绘制

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

2) 轨迹误差度量

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) 多个轨迹误差分析

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

值得一提的是还有另一个比较类似的工具：rpg_trajectory_evaluation，具体的使用参考官网 [5]，功能似乎没有evo那么强，不过这个工具对应了论文 [6]，该论文详细的阐述了估计误差度量的推导及优缺点(尤其单目)，有兴趣的可以看一看。

参考资料：

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

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

[3] 测评工具evo安装与使用 : 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.