MichaelGrupp/evo

evo – 里程計與 SLAM 評估工具 (Python)

功能簡介

一個 Python 套件，提供命令列工具與小型函式庫，用於載入、比較與視覺化里程計或 SLAM 系統產生的軌跡。
適用於 Linux、macOS、Windows，可以直接從 ROS 1/ROS 2 bag 檔案中讀取數據。

為什麼需要它

不同的 SLAM/里程計流水線會以多種格式輸出軌跡（TUM、KITTI、EuRoC、ROS topics、bag 檔案）。evo 可以規範這些格式，以便您可以進行並排評估。
實現了常見的誤差指標，如絕對位姿誤差 (APE) 與相對位姿誤差 (RPE)，並提供對齊、尺度校正（對單目 SLAM 非常有用）與軌跡關聯的選項。
產生出版等級的圖表（2D、3D、地圖瓦片、相容 LaTeX）並可以將結果匯出為 CSV/Excel 表格。
選配整合：
- 用於更豐富 GUI 後端的 PyQt6。
- 用於新增地理地圖瓦片的 contextily。
- 用於將結果串流至 Rerun 可視化工具的 rerun-sdk。

核心組件

工具	用途
`evo_ape`	計算參考軌跡與一個或多個估計值之間的絕對位姿誤差。
`evo_rpe`	計算相對位姿誤差（固定距離/角度內的漂移）。
`evo_traj`	繪製、分析或匯出軌跡；支援多種輸出格式與地圖疊加層。
`evo_res`	聚合多個指標結果檔案，產生摘要統計與對比圖表。
`evo_config`	全域設定（例如，繪圖後端）。
`evo_ipython`	啟動預載入該函式庫的 IPython Shell，用於互動式探索。

安裝

# 建議：安裝到隔離環境 (venv, uv, pipx 等)
pip install evo          # 從 PyPI 取得 – 取得最新的穩定版本
# 或者，用於開發：
git clone https://github.com/MichaelGrupp/evo.git
cd evo
pip install --editable.

需要 Python 3.10+。
如果您需要，選配依賴項（PyQt6, contextily, rerun-sdk, ROS）會自動安裝，但核心功能在沒有它們的情況下也可以運作。

典型工作流程（範例）

繪製軌跡

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

產生兩個 SLAM 執行結果相對於真值 (ground truth) 的並排圖表。

執行指標

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

計算 APE，顯示圖表，並儲存詳細輸出以便後續聚合。

比較多個結果
```
evo_res results/*.zip -p --save_table results/table.csv
```
產生摘要統計、小提琴圖/箱線圖以及 CSV 表格。

可擴展性

該套件分為 core 函式庫（指標實作、軌跡處理）與 tools（CLI 封裝）。您可以在自己的 Python 程式碼中匯入該函式庫，以建構自定義的評估流水線或與其他研究框架整合。

文件與幫助

每個命令透過 --help 提供完整的 CLI 參考。
GitHub 上的詳細 Wiki 涵蓋了支援的格式、繪圖選項與 Rerun 整合。
Jupyter notebook metrics_tutorial.ipynb 展示了互動式用法。

授權

GPL-3.0 或更高版本。如果您在學術工作中使用 evo，README 要求進行引用（提供 BibTeX）。

簡而言之，evo 是一個成熟且經過充分測試的工具箱，讓機器人研究人員無需編寫自定義解析器或繪圖程式碼，即可快速對里程計/SLAM 輸出進行基準測試。

MichaelGrupp/evo

evo – 里程計與 SLAM 評估工具 (Python)

相關