MichaelGrupp/evo

evo – 里程计与 SLAM 评估工具 (Python)

功能简介

一个 Python 包，提供命令行工具和小型库，用于加载、比较和可视化里程计或 SLAM 系统生成的轨迹。
适用于 Linux、macOS、Windows，可以直接从 ROS 1/ROS 2 bag 文件中读取数据。

为什么需要它

不同的 SLAM/里程计流水线会以多种格式输出轨迹（TUM、KITTI、EuRoC、ROS topics、bag 文件）。evo 可以规范这些格式，以便您可以进行并排评估。
实现了常见的误差指标，如绝对位姿误差 (APE) 和相对位姿误差 (RPE)，并提供对齐、尺度校正（对单目 SLAM 非常有用）和轨迹关联的选项。
生成出版级别的图表（2D、3D、地图瓦片、兼容 LaTeX）并可以将结果导出为 CSV/Excel 表格。
可选集成：
- 用于更丰富的 GUI 后端的 PyQt6。
- 用于添加地理地图瓦片的 contextily。
- 用于将结果流式传输到 Rerun 可视化工具的 rerun-sdk。

核心组件

工具	用途
`evo_ape`	计算参考轨迹与一个或多个估计值之间的绝对位姿误差。
`evo_rpe`	计算相对位姿误差（固定距离/角度内的漂移）。
`evo_traj`	绘制、分析或导出轨迹；支持多种输出格式和地图叠加层。
`evo_res`	聚合多个指标结果文件，生成摘要统计和对比图表。
`evo_config`	全局配置（例如，绘图后端）。
`evo_ipython`	启动预加载了该库的 IPython Shell，用于交互式探索。

安装

# 推荐：安装到隔离环境 (venv, uv, pipx 等)
pip install evo          # 从 PyPI 获取 – 获取最新的稳定版本
# 或者，用于开发：
git clone https://github.com/MichaelGrupp/evo.git
cd evo
pip install --editable.

需要 Python 3.10+。
如果您需要，可选依赖项（PyQt6, contextily, rerun-sdk, ROS）会自动安装，但核心功能在没有它们的情况下也可以运行。

典型工作流程（示例）

绘制轨迹

cd test/data
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xz

生成两个 SLAM 运行结果相对于真值 (ground truth) 的并排图表。

运行指标

mkdir results
evo_ape kitti KITTI_00_gt.txt KITTI_00_ORB.txt -va --plot --plot_mode xz \
        --save_results results/ORB.zip

计算 APE，显示图表，并存储详细输出以便后续聚合。

比较多个结果
```
evo_res results/*.zip -p --save_table results/table.csv
```
生成摘要统计、小提琴图/箱线图以及 CSV 表格。

可扩展性

该包分为 core 库（指标实现、轨迹处理）和 tools（CLI 封装）。您可以在自己的 Python 代码中导入该库，以构建自定义的评估流水线或与其他研究框架集成。

文档与帮助

每个命令通过 --help 提供完整的 CLI 参考。
GitHub 上的详细 Wiki 涵盖了支持的格式、绘图选项和 Rerun 集成。
Jupyter notebook metrics_tutorial.ipynb 展示了交互式用法。

许可证

GPL-3.0 或更高版本。如果您在学术工作中使用 evo，README 要求进行引用（提供 BibTeX）。

简而言之，evo 是一个成熟且经过充分测试的工具箱，让机器人研究人员无需编写自定义解析器或绘图代码，即可快速对里程计/SLAM 输出进行基准测试。

MichaelGrupp/evo

evo – 里程计与 SLAM 评估工具 (Python)

相关