Ubuntu20.04运行msckf_vio

文章目录

  • 环境配置修改
  • 编译项目
  • 运行MSCKF_VIO
    • 运行 Launch 文件
    • 运行 rviz
    • 播放 ROSBAG 数据集
  • 运行结果
  • 修改mskcf 保存轨迹
  • EVO轨迹评价
    • EVO轨迹评估流程
    • 实操
      • 先把euroc的真值转换为tum，保存为data.tum
      • 正式评估
  • 报错1
    • 问题描述
  • 报错2
    • 问题描述
    • 问题分析
    • 问题解决
  • 参考

环境配置修改

在CMakelists.txt中c++设置为14，OpenCV设置为4

add_compile_options(-std=c++14)
...
find_package(OpenCV 4 REQUIRED)

编译项目

cd ~/catkin_ws
catkin_make --pkg msckf_vio --cmake-args -DCMAKE_BUILD_TYPE=Release

编译完成后，使用以下命令加载 ROS 工作空间环境

source ~/catkin_ws/devel/setup.bash

运行MSCKF_VIO

项目提供了两个 .launch 文件，分别用于 EuRoC 数据集和 Fast Flight 数据集，运行以下命令来启动相应的 VIO 系统：

运行 Launch 文件

  1. 对于 EuRoC 数据集
roslaunch msckf_vio msckf_vio_euroc.launch
  1. 对于 Fast Flight 数据集
roslaunch msckf_vio msckf_vio_fla.launch

这会启动两个 ROS 节点：image_processor 和 vio。

运行 rviz

在目录中执行以下命令来运行 rviz ：

rviz -d src/msckf_vio/rviz/rviz_euroc_config.rviz

播放 ROSBAG 数据集

rosbag play V1_01_easy.bag

注意，在初始化之前，机器人需要处于静止状态，以便滤波器能够使用前200个IMU消息来正确初始化陀螺仪和加速度计的偏置以及初始姿态。

运行结果

在这里插入图片描述

修改mskcf 保存轨迹

这部分完全按照这个进行的修改python2 安装evo 与 评价MSKCF 等slam系统

注意此处是w x y z顺序，而TUM顺序为x y z w 根据这个MSCKF-VIO输出轨迹文件，但没有验证。

https://github.com/symao/msckf_vio/blob/evaluation/src/msckf_vio.cpp

EVO轨迹评价

EVO轨迹评估流程

  1. 先把euroc的真值转换为tum，记得更改data.csv目录，在euroc在这里插入代码片的zip包中可以找到
evo_traj euroc data.csv --save_as_tum
  1. 正式评测，记得更改相应目录和对应的文件名
#输出轨迹、ape、rpe， p表示plot， va进行轨迹对齐
evo_traj tum vio.txt --ref groundtruth.tum -p -va

evo_ape tum groundtruth.tum vio.txt -p -va

evo_rpe tum groundtruth.tum vio.txt -p -va

实操

先把euroc的真值转换为tum，保存为data.tum

catkin_ws/src/msckf_vio$ evo_traj euroc /mnt/hgfs/Shared/datasets/EuRoC/V1_01_easy/mav0/state_groundtruth_estimate0/data.csv --save_as_tum
--------------------------------------------------------------------------------
name:	data
infos:	28712 poses, 58.592m path length, 143.555s duration
--------------------------------------------------------------------------------
Trajectory saved to: data.tum

正式评估

evo_traj tum vio.txt --ref data.tum -p -va

catkin_ws/src/msckf_vio$ evo_traj tum vio.txt --ref data.tum -p -va
--------------------------------------------------------------------------------
Loaded 5805 stamps and poses from: vio.txt
Loaded 28712 stamps and poses from: data.tum
--------------------------------------------------------------------------------
Found 2872 of max. 5805 possible matching timestamps between...reference
and:	vio.txt
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning vio.txt to reference.
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.96918837  0.24620687  0.00748809][-0.24626393 -0.96916983 -0.00799443][ 0.00528894 -0.00959215  0.99994001]]
Translation of alignment:
[0.72924937 2.13045627 0.98621442]
Scale correction: 1.0
--------------------------------------------------------------------------------
name:	vio
infos:duration (s)	143.5550000667572nr. of poses	2872path length (m)	59.50526035148245pos_end (m)	[0.59253062 2.10984284 0.88684343]pos_start (m)	[0.72924003 2.13096787 0.98620158]t_end (s)	1403715417.862143t_start (s)	1403715274.307143
--------------------------------------------------------------------------------
name:	data
infos:duration (s)	143.5550000667572nr. of poses	28712path length (m)	58.591730330076274pos_end (m)	[0.489592 1.967734 0.967288]pos_start (m)	[0.878612 2.14247  0.947262]t_end (s)	1403715417.857143t_start (s)	1403715274.3021429

在这里插入图片描述

evo_ape tum data.tum vio.txt -p -va

catkin_ws/src/msckf_vio$ evo_ape tum data.tum vio.txt -p -va
--------------------------------------------------------------------------------
Loaded 28712 stamps and poses from: data.tum
Loaded 5805 stamps and poses from: vio.txt
--------------------------------------------------------------------------------
Synchronizing trajectories...
Found 2872 of max. 5805 possible matching timestamps between...data.tum
and:	vio.txt
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.96918837  0.24620687  0.00748809][-0.24626393 -0.96916983 -0.00799443][ 0.00528894 -0.00959215  0.99994001]]
Translation of alignment:
[0.72924937 2.13045627 0.98621442]
Scale correction: 1.0
--------------------------------------------------------------------------------
Compared 2872 absolute pose pairs.
Calculating APE for translation part pose relation...
--------------------------------------------------------------------------------
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)max	0.244463mean	0.129176median	0.122528min	0.006008rmse	0.142572sse	58.378097std	0.060334--------------------------------------------------------------------------------
Plotting results...

APE（Absolute Pose Error，绝对位姿误差），用于评估VIO（视觉惯性里程计）或SLAM系统的绝对精度，反映了估计轨迹(vio.txt) 和地面真值(data.tum) 之间在平移方面的误差随时间的变化情况。

  1. 纵轴 (APE, 单位为米)：表示估计轨迹与地面真值之间的绝对误差。数值越大，表示误差越大；数值越小，表示估计越准确。

  2. 横轴 (时间, t(s))：表示时间，以秒为单位。

  3. 曲线 (APE)：灰色的曲线代表了随时间变化的绝对位姿误差。我们可以看到误差在整个时间段内的波动，表明估计轨迹的准确性在不同时间点存在差异。

  4. 统计线：

    • 蓝色线 (rmse)：均方根误差，代表整体误差的一个重要统计量，越小表示估计效果越好。
    • 红色线(median)：中位数误差，表示误差的中间值，通常能反映误差的分布情况。
    • 绿色线(mean)：均值误差，表示平均误差值，可以用来衡量整体的误差水平。
    • 紫色阴影(std)：标准差，表示误差的波动程度。紫色区域越宽，表示误差在不同时间点的波动越大。

  5. 误差变化趋势：

    • 在最开始的时间段，误差波动较大，但整体稳定在一个相对较低的水平（大约 0.10 - 0.15 米之间）。
    • 中期段，误差趋于降低，但仍存在一定的波动。
    • 在 100 秒之后，误差逐渐增大，达到 0.2 米以上，说明在后续的轨迹估计中误差变得更明显，估计轨迹的准确性有所降低。

  6. 总结：

    • 整体来说，系统的轨迹估计在前期和中期的表现较为稳定，但在后期误差有所增加。
    • 均方根误差 (rmse) 和 均值误差 (mean) 都显示在 0.1 - 0.15 米之间，表明总体的误差水平相对可控，但在某些时刻误差波动较大。
    • 标准差 (std) 的范围提示我们，误差在时间上的波动性较强，尤其在部分时间段内。

evo_rpe tum data.tum vio.txt -p -va

catkin_ws/src/msckf_vio$ evo_rpe tum data.tum vio.txt -p -va
--------------------------------------------------------------------------------
Loaded 28712 stamps and poses from: data.tum
Loaded 5805 stamps and poses from: vio.txt
--------------------------------------------------------------------------------
Synchronizing trajectories...
Found 2872 of max. 5805 possible matching timestamps between...data.tum
and:	vio.txt
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.96918837  0.24620687  0.00748809][-0.24626393 -0.96916983 -0.00799443][ 0.00528894 -0.00959215  0.99994001]]
Translation of alignment:
[0.72924937 2.13045627 0.98621442]
Scale correction: 1.0
--------------------------------------------------------------------------------
Found 2871 pairs with delta 1 (frames) among 2872 poses using consecutive pairs.
Compared 2871 relative pose pairs, delta = 1 (frames) with consecutive pairs.
Calculating RPE for translation part pose relation...
--------------------------------------------------------------------------------
RPE w.r.t. translation part (m)
for delta = 1 (frames) using consecutive pairs
(with SE(3) Umeyama alignment)max	0.147140mean	0.031982median	0.029215min	0.000090rmse	0.037516sse	4.040794std	0.019612--------------------------------------------------------------------------------
Plotting results...

报错1

问题描述

在项目构建时出现报错 Could not find a package configuration file provided by "random_numbers"
在这里插入图片描述

构建过程无法找到 random_numbers 包，这是一个 ROS 包，通常用于生成随机数。

安装 random_numbers 包：

sudo apt-get update
sudo apt-get install ros-noetic-random-numbers

报错2

问题描述

运行 rviz -d src/msckf_vio/rviz/rviz_euroc_config.rviz时，出现闪退情况。

[ INFO] [1732588553.257890582]: rviz version 1.14.25
[ INFO] [1732588553.257936010]: compiled against Qt version 5.12.8
[ INFO] [1732588553.257940901]: compiled against OGRE version 1.9.0 (Ghadamon)
[ INFO] [1732588553.264549191]: Forcing OpenGl version 0.
[ INFO] [1732588554.146584297]: Stereo is NOT SUPPORTED
[ INFO] [1732588554.146659189]: OpenGL device: SVGA3D; build: RELEASE;  LLVM;
[ INFO] [1732588554.146685523]: OpenGl version: 4.1 (GLSL 4.1) limited to GLSL 1.4 on Mesa system.
*** stack smashing detected ***: terminated
./run2.sh：行 4: 15123 已放弃               （核心已转储） rviz -d src/msckf_vio/rviz/rviz_euroc_config.rviz

问题分析

这个报错表明在运行 rviz 时发生了 “stack smashing”，这是一个与内存管理相关的问题，通常是因为程序访问了未定义或非法的内存区域，导致栈保护机制触发。

OpenGL 驱动问题

根据日志，rviz 在初始化 OpenGL 时出现了以下提示：

  1. Stereo is NOT SUPPORTED：表明当前显卡或虚拟机环境不支持立体视觉。
  2. OpenGL device: SVGA3D：这是虚拟机的虚拟显卡。
  3. OpenGl version: 4.1 (GLSL 4.1)：虽然显示支持 OpenGL 4.1，但实际使用的是 Mesa 的软件渲染器。

在虚拟机中，显卡驱动和 OpenGL 支持可能不完善，rviz 依赖 OpenGL 来渲染，因此容易触发类似问题。

问题解决

解决方法

  1. 启用硬件加速： 在虚拟机设置中启用 3D 硬件加速。
  2. 更新虚拟机工具： 如果使用 VMware 或 VirtualBox，确保安装了最新版本的虚拟机工具（如 VMware Tools 或 VirtualBox Guest Additions），并启用了 3D 图形支持。
  3. 尝试使用软件模式运行 RViz： 修改 rviz 配置文件，强制使用软件渲染器运行：
export LIBGL_ALWAYS_SOFTWARE=1
rviz -d src/msckf_vio/rviz/rviz_euroc_config.rviz

export LIBGL_ALWAYS_SOFTWARE=1是一个环境变量设置，用于告诉 OpenGL 强制使用 软件渲染（Software Rendering）而不是硬件渲染（Hardware Rendering）。它在运行依赖 OpenGL 的程序时非常有用。

具体含义

  1. LIBGL_ALWAYS_SOFTWARE 是 Mesa 3D 图形库的一个环境变量。
  2. 设置为 1 时，强制使用 CPU 进行 OpenGL 渲染，而不是依赖 GPU 的硬件加速。

参考

msckf_vio在ubuntu20.04中的编译

msckf-vio 跑Euroc数据集，并用evo进行评估

MSCKF-VIO输出轨迹文件

https://github.com/symao/msckf_vio/blob/evaluation/src/msckf_vio.cpp

rviz global status显示为error的问题解决

运行msckf_vio

运行msckf_vio

msckf-vio 跑Euroc数据集，并用evo进行评估

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/479182.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

vscode下面python调试报错ImportError: cannot import name ‘Literal‘ from ‘typing‘

vscode下面python调试报错ImportError: cannot import name ‘Literal‘ from ‘typing‘

1 问题描述 我在vscode下面编写python程序，这个程序是在一个英伟达anoconda环境下的项目。之前能运行能调试，最近发现只能运行ctlf5，但是使用f5进行调试时，报错“File “c:\Users\86137.vscode\extensions\ms-python.debugpy-202…
阅读更多...
vim 分割窗口后，把状态栏给隐藏

vim 分割窗口后，把状态栏给隐藏

一、基本环境 主机MacOs Sonoma 14.7主机终端Iterm2虚拟机Parallels Desktop 20 for Mac Pro Edition 版本 20.0.1 (55659)虚拟机-操作系统Ubuntu 22.04 最小安装 二、分割窗口后的截图，红色线条部分就是状态栏 分割后个布局是：顶部1行高度窗口&#x…
阅读更多...
flink学习（7）——window

flink学习（7）——window

概述 窗口的长度(大小): 决定了要计算最近多长时间的数据 窗口的间隔: 决定了每隔多久计算一次 举例：每隔10min,计算最近24h的热搜词，24小时是长度，每隔10分钟是间隔。 窗口的分类 1、根据window前是否调用keyBy分为键控窗口和非键控窗口…
阅读更多...
【8210A-TX2】Ubuntu18.04 + ROS_ Melodic + TM-16多线激光 雷达评测

【8210A-TX2】Ubuntu18.04 + ROS_ Melodic + TM-16多线激光 雷达评测

简介：介绍 TM-16多线激光雷达 在8210A载板，TX2核心模块环境（Ubuntu18.04）下测试ROS驱动，打开使用RVIZ 查看点云数据，本文的前提条件是你的TX2里已经安装了ROS版本：Melodic。 大家好，…
阅读更多...
【排版教程】Word、WPS 分节符(奇数页等) 自动变成 分节符(下一页) 解决办法

【排版教程】Word、WPS 分节符(奇数页等) 自动变成 分节符(下一页) 解决办法

毕业设计排版时，一般要求每章节的起始页为奇数页，空白页不显示页眉和页脚。具体做法如下： 1 Word 在一个章节的内容完成后，在【布局】中，点击【分隔符】，然后选择【奇数页】 这样在下一章节开始的时&…
阅读更多...
【GAMES101笔记速查——Lecture 20 Color and Perception】

【GAMES101笔记速查——Lecture 20 Color and Perception】

颜色与感知 目录 1 光场（Light Field / Lumigraph） 1.1 全光函数 1.1.1 改进：引入波长 1.1.2 改进：添加时间t 1.1.3 改进：人可以移动，添加空间坐标 1.1.4 改进：不把函数当电影来看。 1.…
阅读更多...
HTML5和CSS3新增特性

HTML5和CSS3新增特性

HTML5的新特性 HTML5新增的语义化标签 HTML5 的新增特性主要是针对于以前的不足，增加了一些新的标签、新的表单和新的表单属性等。 这些新特性都有兼容性问题，基本是 IE9 以上版本的浏览器才支持，如果不考虑兼容性问题，可以大量…
阅读更多...
ArcGIS+deck.gl矢量切片三维化表示建筑白模

ArcGIS+deck.gl矢量切片三维化表示建筑白模

01 背景介绍 很多ArcGIS API for JavaScript的用户想要ArcGIS的矢量切片技术体系实现Mapbox gl将城市建筑物footprint矢量切片三维化成建筑白模的效果。效果如图：截图来自mapbox studio1但目前仅靠ArcGIS VectorTileServer 和 ArcGIS API for JavaScript本身无法达…
阅读更多...
Windows下安装FreeSurfer教程

Windows下安装FreeSurfer教程

简介 FreeSurfer 是一个开源软件包，用于分析和可视化横断面和纵向研究的结构、功能和扩散神经成像数据。它由Athinoula A. Martinos 生物医学成像中心的计算神经成像实验室开发。 官网 功能 FreeSurfer 为结构 MRI 数据提供完整的处理流，包括&#xf…
阅读更多...
RTMP协议

RTMP协议

背景介绍 RTMP（Real Time Messaging Protocol） 是由 Adobe 公司基于 Flash Player 播放器对应的音视频 flv 封装格式提出的一种，基于TCP 的数据传输协议。本身具有稳定、兼容性强、高穿透的特点。常被应用于流媒体直播、点播等场景。常用于推…
阅读更多...
计算机网络----基本概念

计算机网络----基本概念

基本概念 在这一章从整体上介绍计算机网络的概况, 为后续的学习搭建起整体的框架; 介绍计算机网络中的基础术语和概念; 什么是因特网 『 因特网 』是一个世界范围内互联了数以亿计的计算设备的计算机网络; 因特网具体构成 因特网互联了数以亿计的计算设备, 这些设备被称为…
阅读更多...
CKA认证 | Day4 K8s管理应用生命周期（下）

CKA认证 | Day4 K8s管理应用生命周期（下）

第四章 K8s管理应用程序生命周期（下） 1、Pod对象 1.1 Pod 的基本概念 Pod 是 Kubernetes 中最基本和最重要的概念之一，是一个逻辑抽象概念，Kubernetes创建和管理的最小单元， 一个Pod由一个容器或多个容器组成。它简…
阅读更多...
【微服务】Nacos

【微服务】Nacos

一、安装 1、官网地址：https://nacos.io/download/nacos-server/ 2、启动：找到bin目录下的startup.cmd双击启动，或者打开一个命令窗口输入： startup.cmd -m standalone双击启动后如下：可以访问控制台地址 访问后的…
阅读更多...
学习笔记032——Spring学习笔记

学习笔记032——Spring学习笔记

文章目录 一、Spring开发步骤二、Spring配置文件1、Bean标签基本配置2、Bean标签范围配置3、Bean生命周期配置4、Bean实例化三种方式5、Bean的依赖注入概念6、Bean的依赖注入方式【第一种：set方法注入】【第二种：构造方法注入】 7、Bean的依赖注入的数据…
阅读更多...
某科技研发公司培训开发体系设计项目成功案例纪实

某科技研发公司培训开发体系设计项目成功案例纪实

某科技研发公司培训开发体系设计项目成功案例纪实 ——建立分层分类的培训体系，加强培训跟踪考核，促进培训成果实现 【客户行业】科技研发行业 【问题类型】培训开发体系 【客户背景】 某智能科技研发公司是一家专注于智能科技、计算机软件技术开发与…
阅读更多...
Elasticsearch：Retrievers 介绍

Elasticsearch：Retrievers 介绍

检索器（retrievers）是 Elasticsearch 中搜索 API 中添加的新抽象层。它们提供了在单个 _search API 调用中配置多阶段检索管道的便利。此架构通过消除对复杂搜索查询的多个 Elasticsearch API 调用的需求，简化了应用程序中的搜索逻辑。它还减…
阅读更多...
Python学习34天

Python学习34天

import random class Game: peo0 rob0 # # def __init__(self,peo,rob): # self.peopeo # self.robrob def Play(self): """ 石头剪刀布游戏，0代表石头，1代见到，2代表石头 …
阅读更多...
hive的存储格式

hive的存储格式

1） 四种存储格式 hive的存储格式分为两大类：一类纯文本文件，一类是二进制文件存储。 Hive支持的存储数据的格式主要有：TEXTFILE、SEQUENCEFILE、ORC、PARQUET 第一类：纯文本文件存储 textfile: 纯文本文件存储格式…
阅读更多...
solr 远程命令执行 (CVE-2019-17558)

solr 远程命令执行 (CVE-2019-17558)

目录 漏洞描述 执行漏洞py脚本，取得shell连接 EXP 漏洞描述 Apache Velocity是一个基于Java的模板引擎，它提供了一个模板语言去引用由Java代码定义的对象。Velocity是Apache基金会旗下的一个开源软件项目，旨在确保Web应用程序在表示层和业…
阅读更多...
uname -m（machine） 命令用于显示当前系统的机器硬件架构（Unix Name）

uname -m（machine） 命令用于显示当前系统的机器硬件架构（Unix Name）

文章目录 关于 arm64 架构检查是否安装了 Rosetta 2其他相关信息解释：命令功能：示例： dgqdgqdeMac-mini / % uname -m arm64您运行的 uname -m 命令显示您的系统架构是 arm64。这意味着您的 Mac Mini 使用的是 Apple 的 M1 或更新的芯片&…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023