learned_inertial_model_odometry 复现

数据集

BlackBrid 数据集，总大小4.9TB，但是可以按需获取

其下载程序 python sequenceDownloader.py FLIGHT ENVIRONMENT DATASETFOLDER

举例说明

FLIGHT clover/yawForward/maxSpeed5p0
ENVIRONMENT Large_Apartment_Night_Near_Couches
DATASETFOLDER 任意本机文件夹

在网站上自己点一点 对照一下就明白了
http://blackbird-dataset.mit.edu/BlackbirdDatasetData/

PS : learned_inertial_model_odometry 代码使用时，需要将 dataset 进行转换，不过他们似乎自带了一个转换好的版本，也许可以直接训练

conda 利用 conda_enviroment.yaml进行环境初始化很离谱,直接pip 装吧

数据集结构如下
└── Blackbird
├── clover
│ └── yawForward
│ └── maxSpeed5p0
│ ├── test
│ │ ├── data.hdf5
│ │ └── stamped_groundtruth_imu.txt
│ ├── train
│ │ ├── data.hdf5
│ │ └── stamped_groundtruth_imu.txt
│ └── val
│ ├── data.hdf5
│ └── stamped_groundtruth_imu.txt
├── test.txt
├── train.txt
└── val.txt

训练

直接跑就行

python src/main_learning.py --root_dir=datasets --out_dir=results --dataset=Blackbird --mode=train --imu_freq=100 --sampling_freq=100 --window_time=0.5

datasets

测试

python src/main_learning.py --root_dir=datasets --out_dir=results --dataset=Blackbird --mode=test --imu_freq=100 --sampling_freq=100 --window_time=0.5 --model_fn=net_blackbird.pt --show_plots

评价

不同于视频的惊艳，实测的效果感觉很奇怪

有一点很好奇

这里ATE(absolute trajectory error) 对比起来看起来还可以，我没有跑过其他算法，但是按照经验，传统算法的漂移是一个长时间的漂移，也就是误差一般会朝着一个方向飘，但是这个不一样，没有累计误差但是噪声很大。