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!