测试流程：
在 EuRoC V1_01_easy 数据集上测试 VINS-Fusion 在线外参估计效果。使用估计前后不同的外参得到两条完整轨迹，使用 rpg_trajectory_evaluation 工具对比了两条轨迹相对 ground truth 的误差。
rpg_trajectory_evaluation 使用：
#依赖项
python -m pip install numpy matplotlib colorama
#安装
mkdir -p rpg_ws/src
cd rpg_ws/src
git clone https://github.com/uzh-rpg/rpg_trajectory_evaluation.git
cd ..
catkin_simple
#使用
source devel/setup.bash
rosrun rpg_trajectory_evaluation asl_groundtruth_to_pose.py 轨迹保存路径/vio.csv
mv 轨迹保存路径/groundtruth.txt 轨迹保存路径/stamped_traj_estimate.txt
rosrun rpg_trajectory_evaluation analyze_trajectory_single.py 轨迹保存路径另外，rpg_trajectory_evaluation 默认基于 sim3 对齐，对应纯单目视觉的情况，创建文件可以指定 align_type 和 align_num_frames。
align_type：
· sim3：相似变换（用于视觉单目情况）
· se3：刚体变换（用于视觉双目情况）
· posyaw：平移加上围绕重力的旋转（用于视觉惯性情况）
· none：不对齐轨迹
align_num_frames：
将在轨迹对齐中使用的位姿数（从头开始）。-1 表示将使用所有位姿。
外参收敛过程：
下图中 t 表示单位为 m 的平移外参，r 表示单位为 ° 的旋转向量形式的旋转外参。如下所示，外参的旋转部分和平移部分都基本收敛。
外参估计前后的轨迹误差：
Rotation Error：
使用官方外参
使用估计得到的外参
Translation Error：
使用官方外参
使用估计得到的外参
Scale Error:
使用官方外参
使用估计得到的外参
侧面视角下的轨迹:
使用官方外参
使用估计得到的外参
总结：
现象：
VIN-Fusion 在线估计得到的外参与官方外参有较大的差别，且使用估计得到的外参可以使轨迹整体精度明显提高。
原因：
官方外参是在相机内参为 pinhole 模型下标定出来的，与 VIN-Fusion 自己标定出来的 mei 模型的相机内参不匹配，因此重新估计外参可以使精度有明显提升。