# 在学习视觉slam过程中，需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，为了自己以后方便查找，于是把它记录下来

一、RGBD_Benchmark工具下载链接：Download here

下载链接下有如下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

通过timestamp(时间戳)生成rgb和depth的关联文件，命令如下：

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

　　在估计了相机轨迹并将其保存到文件后，我们需要通过将其与地面实况进行比较来评估估计轨迹中的误差。有不同的误差指标。

两种突出的方法是绝对轨迹误差（ATE）和相对姿态误差（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。

绝对轨迹误差脚本直接测量真实轨迹和估计轨迹的点之间的差异。

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

最后，我们计算每对姿势之间的差异，并输出这些差异的均值/中值/标准差。

此外，脚本还可以将两个轨迹绘制到png或pdf文件，这样一来可以更加直观的看到差异。

接下来，我们分别看一下相应的脚本执行命令

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

（1）仅输出RMSE/cm误差，执行如下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt

（2）输出真实轨迹和预测轨迹以及误差，并直观显示，执行如下命令：

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

（3）输出所有误差，包含平均值，中值等, 执行如下命令：

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

为了计算相对姿势误差，需要使用脚本''evaluate_rpe.py''。此脚本计算时间戳对之间相对运动中的误差。

默认情况下，该脚本计算估计轨迹文件中所有时间戳对之间的错误。

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

或者，可以选择使用固定窗口大小（-fixed_delta）。在这种情况下，估计轨迹中的每个姿势根据窗口大小（-δ）和单位（-delta_unit）与稍后的姿势相关联。

该评估技术可用于估计漂移量。