1.下载RGB-D数据集并运行

（1）关联rgb图像和depth图像

       在这步中我们需要使用RGB 图像和深度图像的关联文件，ORB-SLAM2的作者在examples/RGB-D/associations/路径下提供了某些序列的关联文件。我们也可以使用 TUM官网提供的python 脚本

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

associate.py关联 RGB 图像和深度图像。

（2）运行得到轨迹数据 CameraTrajectory.txt

（3）将数据集中的目录的groundtruth.txt，以轨迹数据复制到同一个文件夹Result_analysis

2.测评工具

网址：https://cvg.cit.tum.de/data/datasets/rgbd-dataset/tools#evaluation

其中 Evaluation部分：计算ATE 和RPE

下载：associate.py evaluate_rpe.py evaluate_ate.py 到刚才的文件夹Result_analysis中；

3.测试（python2.7）

3.1 ATE

（1）计算绝对轨迹误差ATE的RMSE、MEAN、STD等等

python evaluate_ate.py  groundtruth.txt  CameraTrajectory.txt –verbose

（2）绝对轨迹误差ATE：真实轨迹和相机轨迹直观图（ate图）

python evaluate_ate.py  groundtruth.txt  CameraTrajectory.txt --plot ate.png

（画图需要安装matplotlib，对应相应的python版本：sudo pip install matplotlib ）

出现问题：

解决：下载python脚本文件时，associate.py必须也下载到同一个文件夹

3.2 RPE

(1)计算相对轨迹误差RPE的RMSE、MEAN、STD等等

python evaluate_rpe.py  groundtruth.txt  CameraTrajectory.txt --verbose

(2)rpe图

python evaluate_rpe.py  groundtruth.txt  CameraTrajectory.txt --fixed_delta  --plot PLOT