TUM数据集rgbd_benchmark工具的使用方法

 # 在学习视觉slam过程当中，须要对数据集合进行预处理和对slam或者跟踪结果进行评价，TUM提供一组这样的工具，为了本身之后方便查找，因而把它记录下来

1、RGBD_Benchmark工具下载连接：Download here

     下载连接下有以下python脚本，可供使用

       1.  add_pointclouds_to_bagfile.py

       2. associate.py

       3. evaluate_ate.py

      4. evaluate_rpe.py

      5. generate_pointcloud.py

      6. generate_registered_pointcloud.py

      7. plot_trajectory_into_image.py

2、RGBD_Benchmark工具使用方法（部分，后续用到再作完善）

1. associate.py

经过timestamp(时间戳)生成rgb和depth的关联文件，命令以下：

1 python associate.py rgb.txt depth.txt > associations.txt

2. 评价脚本

　　在估计了相机轨迹并将其保存到文件后，咱们须要经过将其与地面实况进行比较来评估估计轨迹中的偏差。 有不一样的偏差指标。

       两种突出的方法是绝对轨迹偏差（ATE）和相对姿态偏差（RPE）。

       ATE适合评估视觉SLAM系统的性能。 相比之下，RPE适合评估视觉里程计的漂移量，例如每秒的漂移量。

2.1 evaluate_ate.py

     绝对轨迹偏差脚本直接测量真实轨迹和估计轨迹的点之间的差别。

   做为预处理步骤，咱们使用时间戳将估计的姿式与地面真实姿式相关联。 基于此关联，咱们使用奇异值分解来对齐真实轨迹和估计轨迹。

   最后，咱们计算每对姿式之间的差别，并输出这些差别的均值/中值/标准差。 

   此外，脚本还能够将两个轨迹绘制到png或pdf文件，这样一来能够更加直观的看到差别。

   接下来，咱们分别看一下相应的脚本执行命令

（注：须要将evaluate_ate.py、groundtruth.txt、CameraTrajectory.txt、associate.py放在同一位置）

（1）仅输出RMSE/cm偏差，执行以下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt

（2）输出真实轨迹和预测轨迹以及偏差，并直观显示，执行以下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot result.png

（3）输出全部偏差，包含平均值，中值等, 执行以下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose

2.1 evaluate_pre.py

        为了计算相对姿式偏差，须要使用脚本''evaluate_rpe.py''。此脚本计算时间戳对之间相对运动中的偏差。

       

       默认状况下，该脚本计算估计轨迹文件中全部时间戳对之间的错误。

       

       因为估计轨迹中的时间戳对的数量在轨迹的长度上是二次的，所以将该集合下采样为固定数量（-max_pairs）是有意义的。

 

       或者，能够选择使用固定窗口大小（-fixed_delta）。 在这种状况下，估计轨迹中的每一个姿式根据窗口大小（-δ）和单位（-delta_unit）与稍后的姿式相关联。

 

       该评估技术可用于估计漂移量。