在本教程中，我们将在定位模式下运行ROVIOLI。 这可以极大地提高估计精度并减少估计轨迹的漂移。

要求

与VIO一样，您需要为传感器设置获取三个校准文件（camera，IMU maplab和IMU rovio）。 此外，您还需要：

• 用于定位的 VI（视觉-惯性）地图。 这个地图要应用优化和闭环检测得以在 ROVIOLI 中获得更好的结果。
• 要运行的数据集。 或者，可以使用实时源（可以理解为播放录制好的bag文件）。

准备一个用于定位的地图

有两种方法可以获得定位地图：

• 使用 maplab 控制台手动优化 VI（视觉-惯性）地图，使其在 VIO 模式下运行 ROVIOLI。
• 或者，您可以运行脚本~/maplab_ws/src/maplab/applications/rovioli/scripts/tutorials/tutorial_euroc，并将--optimize_map_to_localization_map标志设置为true：

roscore
source ~/maplab_ws/devel/setup.bash
rosrun rovioli tutorial_euroc save_folder_loc_map MH_01_easy.bag --optimize_map_to_localization_map

Running ROVIOLI with localization

在本教程中，我们使用Euroc dataset website上的Machine Hall 02数据集。 至于定位地图，我们使用由Machine Hall 01数据集优化的VI地图，我们假设它们在save_folder_loc_map_localization下保存。
使用脚本：~/maplab_ws/src/maplab/applications/rovioli/scripts/tutorials/tutorial_euroc_localization。
运行脚本：

roscore
source ~/maplab_ws/devel/setup.bash
rosrun rovioli tutorial_euroc_localization save_folder_loc_map_localization save_map_with_localization MH_02_easy.bag

save_folder_loc_map_localization下的地图用作定位的参考地图。
ROVIOLI 完成后，VI地图将存储在save_folder_with_localization下。

Visualization during ROVIOLI with localization

除了标准的ROVIOLI话题之外，定位模式还向 RViz 添加了以下可视化话题：

• /loopclosure_database: Point cloud of all landmarks in the loop closure database.
• /loop_closures: Lines connecting the current active vertex with all landmarks that have been used for the localization.
• /loopclosure_inliers: Point cloud with all landmarks that have been used for the last successful localization.
• /debug_T_G_I_raw_localization: Red points indicating the vertex positions where a successful localization occurred.

这里我就不翻译了，发现还是英文有味道啊，很难做到完美的翻译。
运行截图如下：