ROS学习笔记之——EVO工具的使用

Posted 2021-12-05 gwpscut

之前博客《ROS学习笔记之——VICON的使用》用vincon获得了机器人的真实轨迹，并且通过amcl可以获得了机器人的定位结果，下面通过EVO包来表征performance（本文不像网上大部分博客复制粘贴别人的图，连跑都没跑过）

by the way

不得不说这csdn的编辑器真的十分垃圾。。。。。

哦不，不是一般的十分垃圾

开始正文～

安装

首先安装EVO工具

sudo apt install python-pip
pip install evo --upgrade --no-binary evo

运行ros包并且看一下topic

roscore
rosbag play /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag
rostopic list

将/turtlebot2/viconros/mocap/pos作为ground truth, /amcl_pose作为定位输出。

轨迹可视化

evo_traj bag /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag /amcl_pose --ref=/turtlebot2/viconros/mocap/pos -va -p --plot_mode=xy

绝对轨迹误差 (Absolute Trajectory Error, ATE)

（对应evo工具中的“evo_ape”命令）

绝对轨迹误差（absolute trajectory error）**直接计算相机位姿的真实值与SLAM系统的估计值之间的差。程序首先根据位姿的时间戳将真实值和估计值进行对齐， 然后计算每对位姿之间的差值， 并最终以图表的形式输出， 该标准非常适合于评估视觉 SLAM 系统的性能。

绝对轨迹误差是估计位姿和真实位姿的直接差值，可以非常直观地反应算法精度和轨迹全局一致性。

evo_ape bag /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag /turtlebot2/viconros/mocap/pos /amcl_pose -va --plot --plot_mode=xy

显然，默认出来的是平移误差

但实际可以根据需要选择不一样的参数

 

 比如下面设定角度与平移

evo_ape bag /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag /turtlebot2/viconros/mocap/pos /amcl_pose -va -r trans_part --plot --plot_mode=xy
evo_ape bag /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag /turtlebot2/viconros/mocap/pos /amcl_pose -va -r angle_deg --plot --plot_mode=xy

第一句跟上面是一样的。第二句的结果如下所示

通过下面这样也可以看到参数的选择：

相对位姿误差 (Relative Pose Error, RPE)

（对应evo工具中的“evo_rpe”命令）

相对位姿误差（relative pose error）用于计算相同两个时间戳内的位姿变化量的差， 同样， 在用时间戳对齐之后， 真实位姿和估计位姿均每隔一段相同时间计算位姿的变化量， 然后对该变化量做差， 以获得相对位姿误差， 该标准适合于估计系统的漂移。

evo_rpe bag /home/kwanwaipang/dataset/gwphku/amcl_vicon_2021-11-04-11-18-50.bag /turtlebot2/viconros/mocap/pos /amcl_pose -va --plot --plot_mode=xy

 

参考资料

https://github.com/uzh-rpg/rpg_trajectory_evaluation

https://github.com/MichaelGrupp/evo
SLAM_轨迹算法精度评价指标（ATE、RPE）_惊鸿一博-CSDN博客
SLAM_轨迹算法精度评价指标（ATE、RPE）_惊鸿一博-程序员宅基地 - 程序员宅基地
小白学SLAM——使用评测工具EVO评估误差 - 知乎