欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

从零开始做自动驾驶定位(七): 里程计精度评价

程序员文章站 2022-03-07 11:50:54
...

文纯属转载,并认真学习一遍,感谢大佬分享!

本文章配套源代码地址:https://github.com/Little-Potato-1990/localization_in_auto_driving

测试数据:https://pan.baidu.com/s/1TyXbifoTHubu3zt4jZ90Wg提取码: n9ys

本篇文章对应的代码Tag为 7.0

代码在后续可能会有调整,如和文章有出入,以实际代码为准

==================================================================================================

一、概述

由于我们的整体思路是逐渐改进来完成这个系列文章,所以每一步改进之后,实现了怎样的效果,提升了多少,是要有一个比较的,也就是这里的里程计精度评价。

我们没必要自己写精度评价算法,有开源的 评价方法evo 可以使用,我们只需要把对应的gnss数据和里程计数据存储下来,在运行完之后使用evo进行数据处理就可以了。

所以本片文章的内容并不多。

二、实现方法

一共分两步:存数据 和 评价

我们在发布里程计的函数PublishData前面再加一个函数 SaveTrajectory 去存储数据就好。自然需要的就是创建文件夹、创建txt文件、往文件里写数据了。

bool FrontEndFlow::SaveTrajectory() {
    static std::ofstream ground_truth, laser_odom;
    static bool is_file_created = false;
    if (!is_file_created) {
        if (!FileManager::CreateDirectory(WORK_SPACE_PATH + "/slam_data/trajectory"))
            return false;
        if (!FileManager::CreateFile(ground_truth, WORK_SPACE_PATH + "/slam_data/trajectory/ground_truth.txt"))
            return false;
        if (!FileManager::CreateFile(laser_odom, WORK_SPACE_PATH + "/slam_data/trajectory/laser_odom.txt"))
            return false;
        is_file_created = true;
    }

    for (int i = 0; i < 3; ++i) {
        for (int j = 0; j < 4; ++j) {
            ground_truth << gnss_odometry_(i, j);
            laser_odom << laser_odometry_(i, j);
            if (i == 2 && j == 3) {
                ground_truth << std::endl;
                laser_odom << std::endl;
            } else {
                ground_truth << " ";
                laser_odom << " ";
            }
        }
    }

    return true;
}

由于创建文件夹和创建文件这类功能是通用功能,所以我们在工程目录tools文件夹下定义一个FileManager类,专门存放此类小功能。

其中此处两个功能对应的函数就分别是CreateDirectory和CreateFile。存数据就是往txt文件里写两个位姿矩阵。

2. EVO评价

1)安装EVO

可以直接pip安装

pip install evo --upgrade --no-binary evo

2)使用EVO评价数据

EVO评价数据有两种模式,对应的指令分别是 evo_rpeevo_ape ,前者评价的是每段距离内的误差,后者评价的是绝对误差随路程的累计。

评价每段距离内的误差可以使用如下指令

evo_rpe kitti ground_truth.txt laser_odom.txt -r trans_part --delta 100 --plot --plot_mode xyz

其中 --delta 100 表示的是每隔100米统计一次误差,这样统计的其实就是误差的百分比,和kitti的odometry榜单中的距离误差指标就可以直接对应了。

执行指令之后会得到如下图形

从零开始做自动驾驶定位(七): 里程计精度评价

由于每隔100米计算一次,所以是离散的点连成的折线。具体的统计指标如下

最大误差: 1.843837 %

平均误差: 0.805469 %

最小误差: 0.240367 %

RMSE: 0.903959 %

评价总累计误差可以用如下指令

evo_ape kitti ground_truth.txt laser_odom.txt -r full --plot --plot_mode xyz

会得到这样的图形

从零开始做自动驾驶定位(七): 里程计精度评价

其中灰色部分就是累计误差,具体的指标如下

最大值:60.786025 m

平均值:19.478159 m

RMSE: 26.941895 m

从零开始做自动驾驶定位(六): 传感器时间同步

从零开始做自动驾驶定位(八): 点云畸变补偿

编辑于 02-27

相关标签: 激光SLAM