1.简单介绍
做SLAM肯定都知道，最后在得到轨迹以后需要进行精度评价。一方面需要对轨迹进行可视化，另一方面需要定量评价精度。当然，说起来其实都不是什么难事，自己写代码也可以实现，但有些没有必要。网上有很多很好用的工具，我们就不需要重复造轮子了。比如这里介绍的evo，就是一个十分方便好用、轻量级的轨迹精度评价工具，官方Github主页是这里。为了使用方便使用，作者将evo打包成了标准的Python包并上传到了PyPI，主页是这里。下面就简单介绍相关使用方法。
2.下载安装
既然是标准的PyPI包，固然就可以用标准的安装流程进行安装。打开终端，输入如下内容即可安装evo的最新版。
pip install evo --upgrade --no-binary evo
注意了，最新版本的evo只支持Python3.6+，因此如果你在用Python 2.7，最高能安装的evo版本是1.12.0，可以输入pip install evo==1.12.0安装。顺便解释一下--no-binary evo的意思，作者在Github中说，如果没有这个参数，绘图时标签可能会有点问题，因此建议按作者说的来。安装好之后如下图所示。
3.使用测试
安装好以后，可以在终端中输入evo，如果出现下面的内容，说明安装成功。
evo支持TUM、KITTI、EuRoC MAV、Bag格式的轨迹/姿态文件，因此使用起来还是十分方便的。evo主要提供了以下命令以供使用(在控制台中直接输入)：
* `evo_ape`： absolute pose error
* `evo_rpe`：relative pose error
* `evo_traj`: tool for analyzing, plotting or exporting one or more trajectories
* `evo_res`: tool for comparing one or multiple result files from evo_ape or evo_rpe
* `evo_fig`: (experimental) tool for re-opening serialized plots (saved with --serialize_plot)
* `evo_config`: tool for global settings and config file manipulation
如果对于使用的参数有不懂的地方，可以输入参数--help，例如evo_ape --help查看详细的帮助信息。下面就以一个实际的例子进行说明。
(1) 示例数据下载
首先，我们可以把evo的Github项目clone下来，在test/data目录下就有可供使用的示例数据。
(2) 可视化轨迹
在获得估计的轨迹文件以后，我们想做的第一件事自然是绘制出一个三维轨迹看看效果。这个需求可以用evo_traj实现。在刚刚上面提到的test/data目录下，输入如下内容：
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz
你就可以绘制出多个轨迹了(一个ORB的轨迹、一个SPTAM的轨迹，还有真值)，如下图所示。
配色还是蛮好看的。这里还有其它视图标签，这里就不展示了。另外说一句，--plot_mode这个参数，如果你设置为xyz，那么绘制的轨迹就是3D的了，如下图所示。
(3) 精度评价
轨迹可视化出来了，算是“定性”评价了精度，下一步自然就是定量评价。因此自然用到evo_ape命令。还是在test/data目录下打开终端，下面这两条命令就是分别对ORB和SPTAM轨迹进行了评价。
evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz --save_results results_ORB.zip
evo_ape kitti KITTI_00_gt.txt KITTI_00_SPTAM.txt -va --plot --plot_mode xz --save_results results_SPTAM.zip
如下图所示。
可以看到，画出的图还是非常漂亮的，颜值很高。而且结果也保存到了各自的zip文件中。
(4) 精度对比
在上面，我们已经分别将ORB和SPTAM的轨迹与真值进行了对比，得到了各自的精度。但我们肯定还想知道各个方法间的精度对比，这就需要用evo_res命令了。在test/data目录下，打开终端，输入如下内容。
evo_res results_ORB.zip results_SPTAM.zip --save_table results_compare.csv
运行之后你就会得到各个方法之间的详细定量比较，如下图所示。
至此，一个基本、常规的轨迹评价流程就完成了，利用上面生成的数据你还可以画出各种看起来很酷炫的图，如下。
然后就可以写论文了(笑。
4.参考资料
- [1] https://github.com/MichaelGrupp/evo
- [2] https://pypi.org/project/evo/
本文作者原创,未经许可不得转载,谢谢配合
