RGB-D基准测试工具:绝对轨迹误差 (ATE)、相对位姿误差 (RPE)和从图像生成点云

news2024/9/30 19:28:51

在估计RGB-D相机轨迹并将其保存到文件中后,我们需要通过将其与地面事实进行比较来评估估计轨迹中的误差。有不同的错误指标。两种突出的方法是绝对轨迹误差(ATE)和相对姿势误差(RPE)。ATE非常适合测量可视 SLAM 系统的性能。相比之下,RPE非常适合测量视觉里程计系统的漂移,例如每秒漂移。

一、准备工作

1.运行rgb-d数据集

(base) dzh@dzh-Lenovo-Legion-Y7000:~$ cd slambook/
(base) dzh@dzh-Lenovo-Legion-Y7000:~/slambook$ cd ORB_SLAM2/
(base) dzh@dzh-Lenovo-Legion-Y7000:~/slambook/ORB_SLAM2$ ./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml ../TUM_DataSet/freiburg3_walking_xyz ../TUM_DataSet/freiburg3_walking_xyz/associations.txt 

运行结束后,可以看到相机的轨迹被保存到了CameraTrajectory.txt;关键帧的轨迹被保存到了KeyFrameTrajectory.txt

在这里插入图片描述

2.复制文件

我们可以在ORB-SLAM2的根目录下找到这两个轨迹文件。

在这里插入图片描述
然后将运行得到的轨迹文件和数据集自带的groundtruth文件复制到一个文件夹中,然后是两个python脚本,便于操作。

在这里插入图片描述

3.解决报错

打开终端输入运行脚本的命令python evaluate_ate.py groundtruth.txt CameraTrajectory.txt,我的base环境是Python3.9,而评估脚本都是python2的代码,所以运行会出现以下报错并修改脚本:

(base) dzh@dzh-Lenovo-Legion-Y7000:~/slambook/Evaluation$ python evaluate_ate.py groundtruth.txt CameraTrajectory.txt 
  File "/home/dzh/slambook/Evaluation/evaluate_ate.py", line 153
    print "compared_pose_pairs %d pairs"%(len(trans_error))
          ^
SyntaxError: invalid syntax

python2和python3print的格式不同,python3必须要加上()。

(base) dzh@dzh-Lenovo-Legion-Y7000:~/slambook/Evaluation$ python evaluate_ate.py groundtruth.txt CameraTrajectory.txt 
Traceback (most recent call last):
  File "/home/dzh/slambook/Evaluation/evaluate_ate.py", line 45, in <module>
    import associate
ModuleNotFoundError: No module named 'associate'

复制associate.py到当前文件夹。

(base) dzh@dzh-Lenovo-Legion-Y7000:~/slambook/Evaluation$ python evaluate_ate.py groundtruth.txt CameraTrajectory.txt 
Traceback (most recent call last):
  File "/home/dzh/slambook/Evaluation/evaluate_ate.py", line 129, in <module>
    first_list = associate.read_file_list(args.first_file)
TypeError: read_file_list() missing 1 required positional argument: 'remove_bounds'

def read_file_list(filename,remove_bounds=‘False’):

(yolov5) dzh@dzh-Lenovo-Legion-Y7000:~/slambook/Evaluation$ python evaluate_ate.py groundtruth.txt CameraTrajectory.txt 
Traceback (most recent call last):
  File "evaluate_ate.py", line 144, in <module>
    first_stamps.sort()
AttributeError: 'dict_keys' object has no attribute 'sort'

sorted(first_stamps)

Traceback (most recent call last):
  File "/home/dzh/slambook/Evaluation/evaluate_ate.py", line 182, in <module>
    plot_traj(ax,first_stamps,first_xyz_full.transpose().A,'-',"black","ground truth")
  File "/home/dzh/slambook/Evaluation/evaluate_ate.py", line 95, in plot_traj
    interval = numpy.median([s-t for s,t in zip(stamps[1:],stamps[:-1])])
TypeError: 'dict_keys' object is not subscriptable

list(stamps)[1:]

二、绝对轨迹误差 (ATE)

  1. 仅输出RMSE/cm误差,执行如下命令:
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt
  1. 输出真实轨迹和预测轨迹以及误差,并直观显示,执行如下命令:
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot result.png
  1. 输出所有误差,包含平均值,中值等, 执行如下命令:
python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose

在这里插入图片描述
在这里插入图片描述

三、相对位姿误差 (RPE)

python evaluate_rpe.py groundtruth.txt KeyFrameTrajectory.txt --fixed_delta --plot rpe2.png

在这里插入图片描述

四、从图像生成点云

python generate_pointcloud.py path_rgb path_depth path_ply

打开meshlab,然后import mesh,可以查看到数据集第一帧的3D点云。
在这里插入图片描述

SLAM是一项和实践紧密相关的技术,再漂亮的数学理论,如果不能转化为可以运行的代码,那就仍是可望而不可及的空中楼阁,没有实际意义。实践出真知,实践出真爱。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/485452.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

5 map、结构体、方法、面向对象【Go语言教程】

5 map、结构体、方法、面向对象【Go语言教程】 1 map 1.1 概念及声明 ①概念 基本语法&#xff1a;var map 变量名 map[keytype]valuetype key 可以是什么类型&#xff1f; golang 中的 map&#xff0c;的 key 可以是很多种类型&#xff0c;比如 bool, 数字&#xff0c;stri…

OK6410A 中的 irqdomain 之 gpio

文章目录 VIC domain 与 gpio domain 的硬件拓扑语言描述VIC 与 INT_EINTx 的关系INT_EINTx 与 GPIO的关系INT_EINT0INT_EINT1INT_EINT2INT_EINT3INT_EINT4INT_EINT4 与 External interrupt Group1-9 的关系External interrupt Group1External interrupt Group2External interr…

基于Open3D的点云处理2-Open3D的IO与数据转换

三维数据类型 点云 某个坐标系下的点数据集&#xff0c;每个点包括三维坐标X&#xff0c;Y&#xff0c;Z、颜色、分类值、强度值、时间等信息&#xff1b; 储存格式&#xff1a;pts、LAS、PCD、xyz、asc、ply等&#xff1b;Mesh 多边形网格&#xff0c;常见的是三角网格&#…

node快速搭建接口实现登录退出,增删改查功能供前端使用,结尾有完整代码

用node快速搭建接口 环境实现功能具体实现步奏数据库设计用express创建一个服务器实例创建数据库连接池配置跨域请求和解析前端数据登录接口实现验证token的中间件退出接口获取用户信息接口增删改查功能 完整代码 环境 node版本v17.0.0 所用到的依赖 "dependencies"…

量子力学奇妙之旅-从相对论下薛定谔方程到量子场论

专栏目录: 高质量文章导航-持续更新中 1.用于描述一个多粒子体系的波函数 前置:最小的尺度 由于不确定性原理 因此为了测量到更小的空间尺度,我们就需要提高探测粒子的动量

RSA非对称加密(附工具类Util)

文章目录 非对称加密是什么非对称加密通信流程RSA非对称加密算法非对称加密工具类Util及案例演示 之前写过一篇关于DES对称加密的帖子&#xff0c;感兴趣的小伙伴可以去看看&#xff1a;DES对称加密算法 今天主要聊聊什么是非对称加密&#xff0c;以及它是如何实现的。 一、非…

f(x)与|f(x)|,f ‘ (x),F(x)常见关系。

1.f(x)与|f(x)|关系。 1.连续关系。(f(x)在"[a,b]上连续" > |f(x)|在"[a,b]连续") ①如果f(x)在[a,b]上连续。则|f(x)|在[a,b]上连续. &#xff08;因为f(x)在x0的连续点>x0必为|f(x)|的连续点&#xff09; 注&#xff1a;”[a,b]连续“包括&#…

PUBG绝地求生的制作公司计划今年推出NFT元宇宙游戏

欢迎来到Hubbleverse &#x1f30d; 关注我们 关注宇宙新鲜事 &#x1f4cc; 预计阅读时长&#xff1a;5分钟 本文仅代表作者个人观点&#xff0c;不代表平台意见&#xff0c;不构成投资建议。 近年来&#xff0c;元宇宙的概念在游戏界获得了极大的关注。元宇宙指的是一个虚…

武汉大学惯性导航课程合集【2021年秋】2.1 惯导机械编排算法

Vrb是客观存在的&#xff0c;b相对于r的速度&#xff08;从R到b的变化&#xff09;&#xff0c;右上角的b表示投影到p坐标系&#xff0c;只是表达数值的不同。 &#xff08;工程上5-10&#xff0c;50倍&#xff09;奈奎斯特采样率&#xff0c;香农采样定理&#xff0c;又称奈…

Synthesys:语音合成和视频生成平台

【产品介绍】 Synthesys是一个基于人工智能的语音合成和视频生成平台&#xff0c;可以让你用几分钟的时间&#xff0c;就能制作出专业的音频和视频内容&#xff0c;无需花费大量的金钱和时间去雇佣演员、摄像机或音频设备。Synthesys的技术可以把你的文本转换成逼真的人声和人像…

《花雕学AI》AI时代来临,互联网教父凯文·凯利给你50条生存指南:5000天后的世界会是什么样?

你知道凯文凯利吗&#xff1f;他是《连线》杂志的创始人之一&#xff0c;被誉为“世界互联网教父”&#xff0c;他的预言和观点影响了无数人的思考和行动。他曾经预言过互联网、社交媒体、区块链等技术的发展和变革&#xff0c;而现在&#xff0c;他又给我们带来了一个全新的预…

Vue电商项目--防抖节流应用

演示卡顿现象 正常&#xff1a;事件触发非常频繁&#xff0c;而且每一次的触发&#xff0c;回调函数都要去执行&#xff08;如果时间很短&#xff0c;而回调函数内部有计算&#xff0c;那么很容易出现浏览器卡顿&#xff09; 正常情况下&#xff08;用户慢慢的操作&#xff0…

基于Transformer的DETR的注意力权重可视化,非CAM可视化技术

神经网络的可视化可以客观的解释 “黑盒” &#xff0c;所以一直以来都是论文中必不可少的工作。对于深度卷积神经网络&#xff0c;一般用CAM进行可视化研究。遗憾的是&#xff0c;基于Transformer的神经网络可视化&#xff0c;CAM并不奏效。所以&#xff0c;本文章提供一套基于…

考研机试刷题第二天:任意进制转任意进制【高进度短除法】

理一下思路&#xff1a; 看了y总的视频之后我觉得这道题其实只需要对上次写的进制转换微微做一下调整即可。 于是我写出了下面的代码 #include <iostream> #include <vector> #include <algorithm> #include <cstring>using namespace std;vector<…

SpringCloud微服务如何进行权限校验?

一、概述&#xff1a; 1、什么是Spring Cloud&#xff1f; SpringCloud, 基于SpringBoot提供了一套微服务解决方案&#xff0c;包括服务注册与发现&#xff0c;配置中心&#xff0c;全链路监控&#xff0c;服务网关&#xff0c;负载均衡&#xff0c;熔断器等组件&#xff0c;…

数据结构(六)—— 二叉树(4)回溯

文章目录 一、题1 257 二叉树的所有路径1.1 写法11.2 写法2 一、题 1 257 二叉树的所有路径 1.1 写法1 递归回溯&#xff1a;回溯是递归的副产品&#xff0c;只要有递归就会有回溯 首先考虑深度优先搜索&#xff1b;而题目要求从根节点到叶子的路径&#xff0c;所以需要前序…

第一章 算法概述

第1章-算法概述 总分&#xff1a;100分 得分&#xff1a;30.0分 1 . 填空题 简单 10分 递归算法必须具备的两个条件是___和___ 回答错误 答案 边界条件或停止条件、递推方程或递归方程 2 . 填空题 中等 10分 冒泡排序时间复杂度是___&#xff0c;堆排序时…

深度学习笔记--本地部署Mini-GPT4

目录 1--前言 2--配置环境依赖 3--下载权重 4--生成 Vicuna 权重 5--测试 6--可能出现的问题 1--前言 本机环境&#xff1a; System: Ubuntu 18.04 GPU: Tesla V100 (32G) CUDA: 10.0 项目地址&#xff1a;https://github.com/Vision-CAIR/MiniGPT-4 2--配置环境依赖 …

18.考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化

说明书 MATLAB代码&#xff1a;考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化 关键词&#xff1a;碳交易 电制氢 阶梯式碳交易 综合能源系统 热电优化 参考文档&#xff1a;《考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化》基本复现 仿真平台&#xff1a;M…

洞车常见问题解决指南

洞车常见问题解决指南 1.研发脚本处理问题1.1 WMS出库单无法审核1.2 OMS入库单无法提交&#xff0c;提示更新中心库存失败1.3 当出现OMS下发成功WMS/TMS/DMS还没有任务的情况时处理方案1.4 调度波次生成或者添加任务系统异常1.5 东鹏出库单部分出库回传之后要求重传1.6 更新订单…