VINS-Mono运行
- 修改
修改地图保存的路径
因为我们现在跑的是euroc数据集，所以我们要修改的地方有两处。
euroc_config.yaml中的pose_graph_save_path项
pose_graph_save_path: "/home/kk/自己的路径/"
euroc_config.yaml中的output_path项
output_path: "/home/kk/自己的路径/"
上述""里填写自己的路径，先创建好该路径，注意最后面有个/，代表着是一个文件夹。
修改完之后，记得在ros工作空间中重新编译一下catkin_make。
- 保存
运行程序，待地图跑完之后，在运行 roslaunch vins_estimator euroc.launch 的terminal中，输入 “s” ，并按下回车键Enter，等待地图保存，我电脑花了20秒左右的时间。
- ground truth与轨迹同时可见
如果想看到轨迹的同时，看到数据集的ground truth，我们可以再打开一个terminal，执行：
roslaunch benchmark_publisher publish.launch sequence_name:=MH_01_easy
- 重载地图
首先要修改两处地方：
euroc_config.yaml的load_previous_pose_graph，置1
euroc_config.yaml的fast_relocalization，置1
第一项的意思是使能重新加载地图功能，第二项是快速重定位。（你可以先不改第二项试试看，然后再改，看看有什么不同），修改完之后重新编译catkin_make。
重新运行程序，会发现先加载了地图，颜色是黄色的。
- evo工具
evo工具用过没？一个评测SLAM的工具，可以比较不同SLAM的算法精度，轨迹等等。evo支持好几种数据集的格式，tum、euroc等等。怎么装？github找去。
常见的参数如下：
evo_config:用于保存配置文件，把自己常用的参数保存为.json文件，避免每次输入。
evo_traj:用于绘制轨迹，支持的格式有kitti，eurco，tum 数据集等，也可以用于验证数据是否有效，导出为其他格式等。
evo_res:可用于比较指标中的多个结果文件（打印消息和统计消息，绘制结果，将统计信息保存在表内）
evo_ape :计算绝对位姿误差
evo_rpe:计算相对位姿误差
另外可以参考https://www.cnblogs.com/liuzhenbo/p/12254844.html
- 修改
修改数据格式
这边我只测试了evo_traj，也就是画出它的轨迹。问题来了，vins-mono保存的轨迹没法直接用，因为它既不符合tum数据集的格式，又不符合euroc数据集的格式。那怎么办，改呗。
修改以下文件：
visualization.cpp中pubOdometry()函数
// write result to file ofstream foutC(VINS_RESULT_PATH, ios::app); foutC.setf(ios::fixed, ios::floatfield); foutC.precision(0); foutC << header.stamp.toSec() * 1e9 << ","; foutC.precision(5); foutC << estimator.Ps[WINDOW_SIZE].x() << "," << estimator.Ps[WINDOW_SIZE].y() << "," << estimator.Ps[WINDOW_SIZE].z() << "," << tmp_Q.w() << "," << tmp_Q.x() << "," << tmp_Q.y() << "," << tmp_Q.z() << "," << estimator.Vs[WINDOW_SIZE].x() << "," << estimator.Vs[WINDOW_SIZE].y() << "," << estimator.Vs[WINDOW_SIZE].z() << "," << endl; write result to file
改为
ofstream foutC(VINS_RESULT_PATH, ios::app); foutC.setf(ios::fixed, ios::floatfield); foutC.precision(0); foutC << header.stamp.toSec() << " "; foutC.precision(5); foutC << estimator.Ps[WINDOW_SIZE].x() << " " << estimator.Ps[WINDOW_SIZE].y() << " " << estimator.Ps[WINDOW_SIZE].z() << " " << tmp_Q.x() << " " << tmp_Q.y() << " " << tmp_Q.z() << " " << tmp_Q.w() << endl;
pose_graph.cpp中的updatePath()函数
ofstream loop_path_file(VINS_RESULT_PATH, ios::app); loop_path_file.setf(ios::fixed, ios::floatfield); loop_path_file.precision(0); loop_path_file << (*it)->time_stamp * 1e9 << ","; loop_path_file.precision(5); loop_path_file << P.x() << "," << P.y() << "," << P.z() << "," << Q.w() << "," << Q.x() << "," << Q.y() << "," << Q.z() << "," << endl;
改为
ofstream loop_path_file(VINS_RESULT_PATH, ios::app); loop_path_file.setf(ios::fixed, ios::floatfield); loop_path_file.precision(0); loop_path_file << (*it)->time_stamp << " "; loop_path_file.precision(5); loop_path_file << P.x() << " " << P.y() << " " << P.z() << " " << Q.x() << " " << Q.y() << " " << Q.z() << " " << Q.w() << endl;
pose_graph.cpp文件中addKeyFrame()函数
ofstream loop_path_file(VINS_RESULT_PATH, ios::app); loop_path_file.setf(ios::fixed, ios::floatfield); loop_path_file.precision(0); loop_path_file << cur_kf->time_stamp * 1e9 << ","; loop_path_file.precision(5); loop_path_file << P.x() << "," << P.y() << "," << P.z() << "," << Q.w() << "," << Q.x() << "," << Q.y() << "," << Q.z() << "," << endl;
改为
ofstream loop_path_file(VINS_RESULT_PATH, ios::app); loop_path_file.setf(ios::fixed, ios::floatfield); loop_path_file.precision(0); loop_path_file << cur_kf->time_stamp << " "; loop_path_file.precision(5); loop_path_file << P.x() << " " << P.y() << " " << P.z() << " " << Q.x() << " " << Q.y() << " " << Q.z() << " " << Q.w() << endl;
pose_graph_node.cpp中的main()函数
原本是csv文件，改成txt。
VINS_RESULT_PATH = VINS_RESULT_PATH + "/vins_result_loop.txt";
好了，修改完成，重新编译catkin_make。
- 使用evo绘制轨迹
修改VINS跑出来的轨迹格式在上一步已经完成
重新运行程序，会发现在刚刚保存地图的路径，生成了一个文件：vins_result_loop.txt
经过我们上面的修改，该文件是符合tum格式的。
修改数据集中的真实轨迹格式
虽然我们使用的是euroc数据集，但evo只支持tum格式的绘制，它提供了euroc格式转tum格式的工具。首先我们打开数据集的state_groundtruth_estimate0/文件夹，会发现有一个文件：data.csv。这是一个euroc格式的文件，我们首先要把他转成tum格式。输入以下命令：
evo_traj euroc data.csv --save_as_tum
生成data.tum
好了，接下来就可以绘制轨迹了！
在数据集的state_groundtruth_estimate0/文件夹下输入
evo_traj tum ../../../../YOUR_MAP_PATH/vins_result_loop.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
记得把YOUR_MAP_PATH修改成你的地图路径。
真是beautiful。其中虚线代表ground truth，蓝线代表vins的轨迹。
- 与其他系统作对比
与双目ORB_SLAM2进行对比
ORB_SLAM2的轨迹在每次运行都会生成姿态轨迹，貌似不用修改文件
evo_traj tum VINS_MAP_PATH/vins_result_loop.txt ORB_SLAM2_PATH/ORB_SLAM2-master/CameraTrajectory.txt --ref=data.tum -p --plot_mode=xyz --align --correct_scale
参考大神的文章！感谢！链接https://blog.csdn.net/Hanghang_/article/details/104535370
其他参考
翻译了github上VINS-Mono的文章https://blog.csdn.net/learning_tortosie/article/details/83182258
大神的文章https://blog.csdn.net/houlianfeng/article/details/79525854
在17.12.29，VINS更新了代码加入了新的特征，包括map merge( 地图合并), pose-graph reuse(位姿图重利用), online temporal calibration function(在线时间校准函数), and support rolling shutter camera(支持卷帘快门相机)
大神的文章https://blog.csdn.net/houlianfeng/article/details/79626657#commentBox
在前一篇博文里介绍了VINS-mono pose_graph reuse功能的使用，这里接着贴出一些延伸的测试，并进行一些探讨。
开源方案对比https://blog.csdn.net/whut_chengjun/article/details/103938022
