4、evo工具入门：evo的安装、基本命令行使用、数据格式支持
好，咱们进入第四讲。前面几章我们聊了理论，聊了数学，聊了那些让人头大的误差指标。这一章，咱们来点实在的——上手一个工具。
做SLAM轨迹评估，我个人最常用的工具就是evo。为什么？因为它够轻量，够直接，而且社区活跃。说白了，你不需要写一堆Python脚本去对齐时间戳、计算ATE，evo一条命令就搞定了。
4.1 evo的安装
安装evo其实很简单。我建议你直接用pip安装，干净利落。
pip install evo嗯，就这么一行。但如果你是在一个干净的虚拟环境里装，可能会遇到一些依赖问题。我记得有一次在Ubuntu 18.04上装，numpy版本冲突搞得我折腾了半小时。后来我学乖了，先装numpy和scipy，再装evo。
pip install numpy scipy matplotlib
pip install evo如果你用的是ROS，那更简单。evo官方提供了ROS的安装方式：
sudo apt install ros-$(rosversion -d)-evo我个人习惯用pip版本，因为更新快。但ROS版本的好处是，它直接集成了ROS bag的读取功能，后面我们会讲到。
evo 回车，如果看到一堆命令列表，说明装成功了。如果报错，多半是Python路径问题，检查一下你的环境变量。
4.2 基本命令行使用
evo的核心命令就那么几个，我列个表给你看：
| 命令 | 功能 | 我常用的场景 |
|---|---|---|
evo_traj |
绘制轨迹 | 看两条轨迹是否对齐，有没有漂移 |
evo_ape |
计算绝对位姿误差 | 评估整体轨迹精度，最常用 |
evo_rpe |
计算相对位姿误差 | 看局部漂移，比如每10米的误差 |
evo_res |
比较多个结果 | 对比不同算法的表现 |
evo_config |
配置工具参数 | 改改颜色、线型、输出格式 |
咱们先看最常用的 evo_ape。假设你有一个真实轨迹 ground_truth.txt 和一个估计轨迹 estimated.txt，你想看看ATE是多少：
evo_ape tum ground_truth.txt estimated.txt -a -p这里 -a 表示自动对齐轨迹（用Umeyama算法），-p 表示绘图。你想想看，如果没有evo，你得自己写多少行代码？
输出结果会显示RMSE、mean、median、std、min、max这些统计量。我一般先看RMSE，再看max。为什么？因为RMSE代表整体水平，max代表最差情况。我曾经在一个项目中，RMSE只有0.05米，但max达到了0.3米——后来发现是某个转弯处出现了跟丢。
-a 参数，结果误差大得离谱。后来才意识到，估计轨迹和真实轨迹的坐标系原点可能不一样，必须对齐。所以，除非你确定两个轨迹已经对齐了，否则一定要加 -a。
再看 evo_rpe，它用来评估局部一致性：
evo_rpe tum ground_truth.txt estimated.txt -r angle_deg --delta 100 -p这个命令的意思是：计算每100米距离内的相对旋转误差（单位是度）。-r angle_deg 表示只考虑旋转误差，--delta 100 表示步长100米。如果你关心平移漂移，可以用 -r trans_part。
4.3 数据格式支持
evo支持好几种数据格式。我整理了一下：
| 格式 | 说明 | 典型文件 |
|---|---|---|
| TUM | 时间戳 x y z qx qy qz qw | RGB-D SLAM常用 |
| KITTI | 每行12个数字（3x4变换矩阵） | 自动驾驶数据集 |
| EuRoC | 时间戳, p_x, p_y, p_z, q_w, q_x, q_y, q_z | 无人机数据集 |
| ROS bag | 直接读取bag中的topic | 机器人常用 |
我个人最常用的是TUM格式，因为它直观，而且很多开源SLAM系统都输出这个格式。KITTI格式我也经常用，但要注意它的坐标系定义和TUM不一样——KITTI是前向为x，左向为y，上向为z；而TUM是右向为x，下向为y，前向为z。嗯，这里很容易搞混，我曾经因为这个坐标系问题，花了半天时间排查误差为什么那么大。
如果你用的是ROS bag，evo可以直接读取：
evo_traj bag your_bag.bag /your_topic --full_check这个命令会检查bag中topic的消息类型，确保是geometry_msgs/PoseStamped或者nav_msgs/Odometry。如果不是，evo会报错。我建议先用 rostopic info 确认一下topic类型。
4.4 知识体系总览
为了让你更直观地理解evo工具的整体结构，我画了一张图：
这张图把evo的核心功能串起来了。你从中间开始看，核心工具下面分三个主要命令，每个命令负责不同的评估任务。数据格式在最下面一层，是支撑这些命令的基础。
4.5 实战小技巧
最后，分享几个我平时用evo的小技巧：
- 批量处理： 如果你有多个估计轨迹文件，可以用
evo_res一次性对比。我经常把不同参数跑出来的结果放在一个文件夹里，然后evo_res *.zip -p一键出图。 - 保存结果： 加
--save_results result.zip可以把结果保存成zip文件，方便后续分析或分享。 - 自定义绘图： 用
evo_config set plot_seaborn_style whitegrid可以改绘图风格。我个人喜欢白色背景加网格，看起来清爽。 - 时间戳对齐： evo默认用线性插值对齐时间戳。如果你的数据时间戳抖动很大，可以试试
--sync_method nearest用最近邻对齐。
好了，这一章的内容就到这里。evo这个工具，说白了就是帮你省时间。你不需要重复造轮子，把精力放在算法本身就好。下一章我们会深入讲一个实际案例，看看怎么用evo分析一个完整的SLAM系统输出。