使用evo评估VINS-MONO

EVO工具用于评估SLAM算法在现有数据集上的效果。
源码在 https://github.com/MichaelGrupp/evo
目前支持 TUM KITTI Euroc 等格式

evo工具提供了3种误差评估方式:

• evo_ape -absoulte pose error
  
• evo_rpe -relative pose error
  
• evo_rpe -for-each -sub-sequence-wise averaged pose error

4种工具：

• evo_traj - tool for analyzing, plotting or exporting one or more trajectories
• 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

1. euroc数据集

以VINS为例子介绍如何使用evo评估其在 euroc数据集上的效果。 数据集采用 V1_02_medium

euroc的评估支持 .csv的groudtruth 和 tum 格式的轨迹文件. 首先修改vins源码. 打开 visulization.cpp, 找到 写文件部分代码，并修改为:

        // write result with tum format, for evo tools
        ofstream foutC(VINS_RESULT_PATH, ios::app);
        foutC.setf(ios::fixed, ios::floatfield);
        foutC.precision(10);
        foutC << header.stamp.toSec()<< " ";
        foutC.precision(5);
        foutC << estimator.Ps[WINDOW_SIZE].x() << " "
              << estimator.Ps[WINDOW_SIZE].y() << " "
              << estimator.Ps[WINDOW_SIZE].z() << " "
              << tmp_Q.w() << " "
              << tmp_Q.x() << " "
              << tmp_Q.y() << " "
              << tmp_Q.z() << endl;
        foutC.close();

现在我们有了 tum格式的轨迹输出，以及数据集提供的真值state_groundtruth_estimate0/data.csv
准备工作已经完成，可以使用evo工具进行评估了

首先可们可以使用 evo_traj将轨迹画出来.

evo_traj tum vins_result_no_loop.txt -p --plot_mode=xyz

使用evo_ape确定轨迹误差：

evo_ape euroc data.csv vins_result_no_loop.txt -va --plot --save_results result_vins.zip

结果如下：

这个工具非常好的一点就是，不用去管坐标系的相对变化。两个体坐标系之间的变换，两个世界系的变换，都不用考虑，它会自动调整，并将相对变换输出出来.

2.使用自己的数据集

更多情况下，我们需要自己采集数据并评估。
通过采集vicon数据，我们可以制作自己的真值，直接做成tum的真值格式，方便使用和计算。
需要注意的是，各传感器之间的时间同步。

首先可以画出轨迹：

evo_traj tum vins_tum_result.txt -p --plot_mode=xyz

APE：

evo_ape tum vicon_gt.txt vins_tum_result.txt -va --plot --save_results result_vins.zip

最终的结果会保存在 result_vins.zip中
{"std": 0.05500716121872294, "rmse": 0.14635270998813427, "sse": 10.645300513272854, "max": 0.3279892445412863, "min": 0.02701627306479177, "median": 0.12761697807728675, "mean": 0.13562200387668794}

3.小结

总的来说，这个工具是用起来还是非常方便的，很棒！
另外轨迹误差计算过程中，与姿态无关，但是与时间相关，用来评估没有姿态信息的gps轨迹也是可行的。