ORB_SLAM2非Ros版本rgbd_tum
ORB_SLAM2非Ros版本stereo_euroc

ORB_SLAM2非Ros版本mono_tum

ORB_SLAM2系统mono单目是如何初始化的？

5. ORB_SLAM2非ros版本RGBD数据测试源码解读文件rgbd_tum.cc
6. ORB-SLAM2系统的是如何初始化的？
7. ORB_SLAM2的SLAM.TrackRGBD(imRGB,imD,tframe)是如何实现的？
8. ORB_SLAM2的SLAM.Shutdown()是如何结束所有进程和终止SLAM过程的？
9. ORB_SLAM2是如何保存TUM数据集RGBD关键帧轨迹的？
10. ORB_SLAM2系统都用到了那些数据类型？
11. euroc数据集测试ORB_SLAM2的双目效果和源码解读
12. TUM数据集测试ORB_SLAM2的单目效果和源码解读
13. ORB_SLAM2系统mono单目是如何初始化的？
14. ORB_SLAM2源码解读Tracking.cc
15. ORB_SLAM2的可视化是怎么实现的？
16. ORB_SLAM2创建一个帧都做了什么？

参考文档
SLAM
DBOW
SLAM
SLAM秋招

https://svncvpr.in.tum.de/cvpr-ros-pkg/trunk/rgbd_benchmark/rgbd_benchmark_tools/src/rgbd_benchmark_tools/

在学习视觉slam过程中，需要对数据集合进行预处理和对slam或者跟踪结果进行评价，TUM提供一组这样的工具，为了自己以后方便查找，于是把它记录下来

一、RGBD_Benchmark工具下载链接：Download here
下载链接下有如下python脚本，可供使用

   1.  add_pointclouds_to_bagfile.py2. associate.py3. evaluate_ate.py4. evaluate_rpe.py5. generate_pointcloud.py6. generate_registered_pointcloud.py7. plot_trajectory_into_image.py

二、RGBD_Benchmark工具使用方法（部分，后续用到再做完善）

1. associate.py

通过timestamp(时间戳)生成rgb和depth的关联文件，命令如下：

1 python associate.py rgb.txt depth.txt > associations.txt

2. 评价脚本

在估计了相机轨迹并将其保存到文件后，我们需要通过将其与地面实况进行比较来评估估计轨迹中的误差。 有不同的误差指标。

   两种突出的方法是绝对轨迹误差（ATE）和相对姿态误差（RPE）。ATE适合评估视觉SLAM系统的性能。 相比之下，RPE适合评估视觉里程计的漂移量，例如每秒的漂移量。

2.1 evaluate_ate.py

 绝对轨迹误差脚本直接测量真实轨迹和估计轨迹的点之间的差异。

作为预处理步骤，我们使用时间戳将估计的姿势与地面真实姿势相关联。 基于此关联，我们使用奇异值分解来对齐真实轨迹和估计轨迹。

最后，我们计算每对姿势之间的差异，并输出这些差异的均值/中值/标准差。

此外，脚本还可以将两个轨迹绘制到png或pdf文件，这样一来可以更加直观的看到差异。

接下来，我们分别看一下相应的脚本执行命令

（注：需要将evaluate_ate.py、groundtruth.txt、CameraTrajectory.txt、associate.py放在同一位置）

（1）仅输出RMSE/cm误差，执行如下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt

（2）输出真实轨迹和预测轨迹以及误差，并直观显示，执行如下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --plot result.png

（3）输出所有误差，包含平均值，中值等, 执行如下命令：

1 python evaluate_ate.py groundtruth.txt CameraTrajectory.txt --verbose

2.1 evaluate_pre.py
为了计算相对姿势误差，需要使用脚本’‘evaluate_rpe.py’’。此脚本计算时间戳对之间相对运动中的误差。

   默认情况下，该脚本计算估计轨迹文件中所有时间戳对之间的错误。由于估计轨迹中的时间戳对的数量在轨迹的长度上是二次的，因此将该集合下采样为固定数量（-max_pairs）是有意义的。或者，可以选择使用固定窗口大小（-fixed_delta）。 在这种情况下，估计轨迹中的每个姿势根据窗口大小（-δ）和单位（-delta_unit）与稍后的姿势相关联。该评估技术可用于估计漂移量。

---

New Map created with 101 points
到这里就会停下不知道为什么

gdb ./Examples/RGB-D/rgbd_tum

输入参数
/home/q/projects/ORB_SLAM2/Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /home/q/projects/ORB_SLAM2/TUM_Dataset/rgbd_dataset_freiburg1_xyz /home/q/projects/ORB_SLAM2/TUM_Dataset/rgbd_dataset_freiburg1_xyz/associations.txt

输入 bt

#0  __lll_lock_wait () at ../sysdeps/unix/sysv/linux/x86_64/lowlevellock.S:135
#1  0x00007ffff1c46dbd in __GI___pthread_mutex_lock (mutex=0x7ffff652c7a0 <pangolin::contexts_mutex>) at ../nptl/pthread_mutex_lock.c:80
#2  0x00007ffff61e7f07 in pangolin::FindContext(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> > const&) () from /usr/local/lib/libpangolin.so
#3  0x00007ffff61ebb95 in pangolin::BindToContext(std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >) () from /usr/local/lib/libpangolin.so
#4  0x00007ffff7ad14bd in ORB_SLAM2::System::Shutdown() () from /home/q/projects/ORB_SLAM2/lib/libORB_SLAM2.so
#5  0x000000000040859b in main ()

ORB-SLAM2运行数据集时Pangolin界面卡住，不能生成轨迹以及用摄像头运行非ROS版程序时如何退出的方法

问题1

最近用ORB-SLAM2运行KITTI数据集，最后Pangolin和ORB-SLAM2：Current Frame窗口卡住，无法保存轨迹文件。
看代码发现是SLAM.Shoutdown()的问题。
方法一：
如果想得到轨迹文件，将SLAM.Shoutdown()移到SALM.SaveTrajectoryKITTI(CameraTrajectory.txt)后面即可，但是还要在终端输入ctrl+c，才能退出卡住的窗口。
方法二：
在System.cc的SLAM.Shoutdown()中将以下代码注释掉：

if(mpViewer)
pangolin::BindToContext(“ORB-SLAM2: Map Viewer”);

以前没有遇到这个问题，猜测是Pangolin更新后存在bug。
注意：对代码做修改后，都要重新编译。
问题2

以前在用小觅相机运行非ROS接口的程序时，如果直接在终端输入ctrl+c，程序将直接退出，不会保存轨迹文件。
我当时在stereo_mynt.cc的while(true)最后添加：

char c = cvWaitKey(1);
if(c == 27)
break;

然后在视频窗口按ESC键即可正常结束程序，最后保存轨迹文件。
不过后来Github有过几次更新，变化如下：

bool flag = true;
void exit_while(int sig)
{
flag = false;
}

while (flag)

我没测试，看样子应该是为了解决这个bug。