所需材料：
- Euroc数据集主页：https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets
- evo评估工具代码：https://github.com/MichaelGrupp/evo
- 向msckf-vio中添加保存位姿的代码，可参考https://blog.csdn.net/xiaoxiaoyikesu/article/details/106308311
不过需要特别注意，
这里的lp[4]~[7]所对应的q的顺序应为x,y,z,w，而不是w,x,y,z，该顺序是与tum数据格式一致，才能用evo_ape tum xxxxx。如果不改这个地方，evo_ape 进行评估时，角度会差很多，乱七八糟的。下图为evo github代码wiki对tum格式的介绍，当然也可以参考tum数据集的主页。
上图来源为：https://github.com/MichaelGrupp/evo/wiki/Formats
但我跑完了V101~103，以及MH04后，发现其RMSE结果与论文中所列的不同，基本是论文中的一半，令人非常费解。有没有解决过这个问题的大佬给指点下。。。
上图来源为msckf-vio配套的论文，Ke Sun等人的“Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight” ，用sci-hub可以方便的下载。
文章来源地址https://www.toymoban.com/news/detail-815465.html
文章来源：https://www.toymoban.com/news/detail-815465.html
到了这里，关于msckf-vio 跑Euroc数据集，并用evo进行评估的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![轨迹误差评估指标[APE/RPE]和EVO[TUM/KITTI]](https://imgs.yssmx.com/Uploads/2024/01/402095-1.png)
