Advertisement

Ubuntu14.04调试ElasticFusion之TUM数据集的测试

阅读量:

本文将探讨运用其他的RGB-D数据集实现场景重构,并进行运动轨迹对比实验。

环境:ubuntu14.04 + cuda7.5 +GTX1070

TUM提供的_rgbd_数据集[下载]链接地址:vision.in.tum.de/data/datasets/rgbd-dataset/download

使用工具:png_to_klg

性能评估工具:

<https://github.io/svncvpr/cvpr-ros-pkg/trunk/RGB-D benchmark/RGB-D benchmark tools下的工具包路径>

其中,数据集我下载的是freiburg1_desk.tgz

一、TUM数据集的使用

1、将png_to_klg文件夹下的associate.py复制到数据集的文件夹下,然后

复制代码
    ./associate.py depth.txt rgb.txt  > associations.txt

就会生成匹配成功的rgb depth图像对,时间差在0.02s内。

深度图块...depth/...png RGB图块...rgb/...png
深度图块...depth/...png RGB图块...rgb/...png
深度图块...depth/...png RGB图块...rgb/...png
深度图块...depth/...png RGB图块...rgb/… png
处理 png_to_klg 项目

复制代码
 cd png_to_klg

    
 mkdir build
    
 cd build
    
 cmake ..
    
 make -j8

生成可执行文件pngtoklg

3、生成klg文件

复制代码
    ./pngtoklg -w '/home/turtlebot/dataset/freiburg1_desk/' -o '/home/turtlebot/dataset/freiburg1_desk/fr_desk.klg' -t

文件转换成功后,就可以在~/ElasticFusion/GUI/build下运行

复制代码
    ./ElasticFusion -l ~/dataset/freiburg1_desk/fr1_desk.klg

随后,在fr1\_desk.klg目录中创建ply格式的全局模型文件fr1\_desk.klg.ply,并用于估计轨迹的数据集fr1\_desk.freiburg

二、TUM测评工具的使用

该测评工具主要包含associate.py和evaluate_ate.py两个模块。操作非常简便,用户只需直接复制粘贴即可,并生成对应的Python脚本文件并进行保存操作。

1、通过时间戳生成关键文件,注意这次是先rgb.txt后depth.txt

复制代码
    python associate.py rgb.txt depth.txt > associate.txt

为了使ElasticFusion计算出的轨迹文件后缀名被命名为.txt格式,并将该文件与TUM数据集自带的groundtruth.txt置于同一路径中

i. 绝对轨迹误差ATE

(1)估计绝对误差的均方根误差ATE RMSE

复制代码
    python evaluate_ate.py groundtruth.txt fr1_desk.txt

输出0.025414

(2)绘制估计误差曲线

复制代码
    python evaluate_ate.py groundtruth.txt fr1_desk.txt --plot result.png

得到ATE RMSE和轨迹误差曲线

(3)计算其他误差,如均值、中值等,以m为单位

复制代码
    python evaluate_ate.py groundtruth.txt fr1_desk.txt --verbose

输出:

ii. 相对轨迹误差RPE

复制代码
    python evaluate_rpe.py groundtruth.txt fr1_desk.txt --verbose

结果:

共有9959组位姿对进行了对比分析。
平移误差方面:

  • 根均方误差(RMSE)为0.042495米;
  • 平均值为0.036843米;
  • 中位数为0.033329米;
  • 标准差为0.021175米;
  • 最小值为0米;
  • 最大值为0.190575米。
    旋转误差方面:
  • 根均方误差(RMSE)为2.283527度;
  • 平均值为1.990579度;
  • 中位数为1.80357度;
  • 标准差为1.11896度;
  • 最小值为0度;
  • 最大值达8.42182度。
复制代码
     python evaluate_rpe.py groundtruth.txt fr1_desk.txt --plot  result.png  --fixed_delta

全部评论 (0)

还没有任何评论哟~