3. 轨迹数据格式：TUM格式、KITTI格式、EuRoC格式、通用CSV格式
做轨迹评估，第一步就是搞清楚数据长什么样。
我见过不少新手，算法写得飞起，结果数据格式没对齐，评估出来的误差大得离谱。嗯，这种坑我自己也踩过。今天咱们就把四种最常见的轨迹格式掰开揉碎讲清楚。
3.1 TUM格式：最直观的“时间-位置-姿态”
TUM格式来自慕尼黑工业大学，说白了就是最朴素的人眼可读格式。每行8个数字，用空格或逗号隔开。
格式定义：
timestamp tx ty tz qx qy qz qw其中：
timestamp：时间戳，单位秒，通常是浮点数tx ty tz：平移向量，单位米qx qy qz qw：四元数，表示旋转
举个例子，我项目中经常这样记录轨迹：
1623456789.123 1.234 2.345 3.456 0.707 0.000 0.707 0.000
1623456789.456 1.245 2.356 3.467 0.708 0.001 0.706 0.002我个人习惯用TUM格式做快速验证。为什么？因为它简单到可以用Excel打开，一眼就能看出轨迹有没有明显跳变。我曾经在调试一个VIO算法时，发现轨迹突然飞出去，就是靠肉眼扫TUM文件发现的——时间戳跳了0.5秒，但位置变了10米，明显是数据同步出了问题。
小技巧：如果你用Python，numpy.loadtxt()可以直接读TUM文件，省去写解析器的麻烦。
3.2 KITTI格式：自动驾驶界的“通用语”
KITTI格式来自KITTI数据集，它不记录时间戳，只记录位姿。每行12个数字，代表一个3x4的变换矩阵。
格式定义：
r11 r12 r13 tx r21 r22 r23 ty r31 r32 r33 tz实际上就是：
[R | t] 矩阵按行展开你想想看，为什么KITTI不用四元数？因为自动驾驶里经常需要做矩阵运算，直接给变换矩阵省去了转换的麻烦。
实际数据长这样：
9.999e-01 1.234e-03 2.345e-03 1.234e+00
-1.234e-03 9.999e-01 3.456e-03 2.345e+00
-2.345e-03 -3.456e-03 9.999e-01 3.456e+00注意：KITTI格式没有时间戳！这意味着你无法做时间对齐。我遇到过有人拿KITTI格式的ground truth和TUM格式的估计轨迹做评估，结果对不上——因为两边帧率不一样。嗯，这种低级错误我也犯过。
3.3 EuRoC格式：视觉惯性SLAM的“标准答案”
EuRoC格式来自EuRoC MAV数据集，它比TUM多了一个东西——协方差矩阵。
格式定义：
timestamp tx ty tz qx qy qz qw cov_matrix_upper_triangle协方差矩阵是6x6的上三角部分，共21个元素。
说实话，大部分评估工具根本不用协方差。但为什么EuRoC要加？因为视觉惯性SLAM的估计是有不确定性的——比如纯旋转时，平移的协方差会很大。我曾在做无人机定位时，发现轨迹评估结果忽好忽坏，后来发现是协方差没传对，导致优化器把不可靠的位姿当成了硬约束。
数据示例：
1623456789.123 1.234 2.345 3.456 0.707 0.000 0.707 0.000
0.001 0.000 0.000 0.000 0.000 0.000
0.002 0.000 0.000 0.000 0.000
0.003 0.000 0.000 0.000
0.001 0.000 0.000
0.002 0.000
0.003避坑指南：我曾经在转换EuRoC到TUM格式时，忘了把协方差去掉，结果评估工具报错。所以如果你不需要协方差，记得只取前8列。
3.4 通用CSV格式：想怎么存就怎么存
通用CSV格式没有标准，但通常包含：时间戳、位置、姿态（四元数或欧拉角）。
我个人建议的通用格式：
timestamp, x, y, z, roll, pitch, yaw
1623456789.123, 1.234, 2.345, 3.456, 0.123, 0.456, 0.789或者用四元数：
timestamp, x, y, z, qx, qy, qz, qw
1623456789.123, 1.234, 2.345, 3.456, 0.707, 0.000, 0.707, 0.000警告：通用CSV最大的坑是——没有约定！我见过有人把欧拉角写成度，有人写成弧度，还有人把四元数顺序写成qw qx qy qz。所以用CSV时，一定要在文件头或文档里写明格式。
3.5 四种格式对比
| 特性 | TUM | KITTI | EuRoC | 通用CSV |
|---|---|---|---|---|
| 时间戳 | 有 | 无 | 有 | 通常有 |
| 姿态表示 | 四元数 | 旋转矩阵 | 四元数 | 任意 |
| 协方差 | 无 | 无 | 有 | 可选 |
| 可读性 | 高 | 低 | 中 | 高 |
| 适用场景 | SLAM评估 | 自动驾驶 | VIO评估 | 自定义 |
3.6 格式转换：绕不开的苦力活
做轨迹评估，80%的时间花在格式转换上。这不是夸张，我亲身体会。
这里给一个Python转换示例，把TUM转KITTI：
import numpy as np
def tum_to_kitti(tum_file, kitti_file):
data = np.loadtxt(tum_file)
with open(kitti_file, 'w') as f:
for row in data:
t = row[1:4]
q = row[4:8]
# 四元数转旋转矩阵
R = quaternion_to_matrix(q)
# 拼接成3x4矩阵
T = np.column_stack((R, t))
# 按行写入
f.write(' '.join(f'{v:.6e}' for v in T.flatten()) + '\n')
def quaternion_to_matrix(q):
# 标准四元数转旋转矩阵
x, y, z, w = q
return np.array([
[1-2*y*y-2*z*z, 2*x*y-2*z*w, 2*x*z+2*y*w],
[2*x*y+2*z*w, 1-2*x*x-2*z*z, 2*y*z-2*x*w],
[2*x*z-2*y*w, 2*y*z+2*x*w, 1-2*x*x-2*y*y]
])实用建议：我一般用evo工具做格式转换，它支持TUM、KITTI、EuRoC互转。命令就一行：evo_traj tum traj.txt --save_as_kitti。但如果你要批量处理，还是得自己写脚本。
3.7 知识体系总览
下面这张图总结了四种格式的核心区别和转换关系：
嗯，四种格式讲完了。说白了，TUM最通用，KITTI最简洁，EuRoC最完整，CSV最灵活。选哪个？看你用什么工具、做什么评估。我个人建议：如果只是做SLAM精度评估，TUM格式就够了；如果要做自动驾驶，KITTI是绕不开的；如果做VIO，EuRoC更合适。
记住一句话：格式转换不是技术问题，是细心问题。我见过太多人因为时间戳单位搞错、四元数顺序搞反，浪费一整天调bug。所以，拿到数据第一件事——打开文件看一眼。