evo轨迹评估工具中相对时间绘图功能的修复与优化
2025-06-18 03:12:19作者:范垣楠Rhoda
evo是一个用于评估、比较和分析机器人轨迹性能的Python工具包,广泛应用于SLAM、定位和导航算法的性能评估。在最新发布的1.30.4版本中,开发者修复了一个关于相对时间绘图功能的重要问题。
问题背景
在轨迹评估过程中,evo提供了--plot_relative_time参数,用于将所有时间数据转换为相对于轨迹起始时间的相对时间表示。这一功能对于比较不同长度的轨迹或对齐不同算法的运行时间非常有用。然而,在1.30.31版本中,用户发现该参数对速度图(speed graph)无效,导致速度图仍显示绝对时间,与其他图表不一致。
技术分析
速度图是evo轨迹评估中的重要组成部分,它展示了机器人沿轨迹运动的速度变化情况。在实现上,evo使用时间戳来计算和绘制速度曲线。当启用--plot_relative_time参数时,系统应该统一将所有时间相关数据(包括位置、姿态和速度)都转换为相对时间表示。
该问题的根本原因在于速度图绘制模块没有正确继承全局的相对时间设置。具体来说,虽然主轨迹数据已经转换为相对时间,但速度计算模块仍直接使用了原始时间戳进行计算和绘图。
解决方案
开发者通过修改代码,确保速度图绘制模块能够正确响应--plot_relative_time参数。主要修改包括:
- 在速度计算前统一时间基准
- 确保速度图绘制使用与主轨迹相同的时间表示
- 保持所有图表间的时间一致性
这一修复已在1.30.4版本中发布,用户现在可以正常使用--plot_relative_time参数,获得一致的相对时间表示效果。
使用建议
对于需要进行时间对齐比较的用户,建议:
- 更新至1.30.4或更高版本
- 使用
--plot_relative_time参数时,注意检查所有图表的时间表示是否一致 - 对于长时运行的轨迹,相对时间表示可以更清晰地展示算法性能随时间的变化
evo作为轨迹评估的标准工具之一,其功能的完善和问题的及时修复,为机器人算法开发者提供了更可靠的分析手段。这一修复进一步提升了工具的一致性和易用性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557