slam

ROS-Pakete für Turtlebot3

Echtzeit-System für dichte visuelle SLAM.

Visual Inertial Odometry mit SLAM-Funktionen und 3D-Mesh-Generierung.

Eine kuratierte Liste von Radardatensätzen, Erkennung, Tracking und Fusion

Eine kleine C++11-Header-only-Bibliothek für die Lie-Theorie.

GLIM: Vielseitiges und erweiterbares, auf Punktwolken basierendes 3D-Lokalisierungs- und Mapping-Framework

Leitfaden, um 2026 Visual-SLAM-Entwickler zu werden

Python-Beispielcode und Dokumente zu Algorithmen für die Steuerung autonomer Fahrzeuge. Dieses Projekt kann für Anfänger als technisches Handbuch zum Studieren der Algorithmen und Softwarearchitekturen dienen.

Schnelle symbolische Berechnung, Codegenerierung und nichtlineare Optimierung für die Robotik

Eine schnelle und eng gekoppelte Sparse-Direct LiDAR-Inertial-Visual Odometry (LIVO).

Eine Bibliothek für differenzierbare Robotik auf Mannigfaltigkeiten.

Eine umfassende Liste von Arbeiten zu impliziten Darstellungen und NeRF im Bereich Robotik/RL, einschließlich Publikationen, Code und zugehöriger Websites

Bücher, Arbeiten, Videos und Toolkits zum Thema Bildregistrierung

Photogrammetrie-Leitfaden. Photogrammetrie wird häufig in den Bereichen Luftbildvermessung, Landwirtschaft, Architektur, 3D-Spiele, Robotik, Archäologie, Bauwesen, Notfallmanagement und Medizin eingesetzt.

🎓 Automatische tägliche Aktualisierung von CV-Papieren mit GitHub Actions

[IROS2022] Robuste Echtzeit-LiDAR-Inertial-Initialisierungsmethode.

Visuelles SLAM-/Odometrie-Paket basierend auf NVIDIA-beschleunigtem cuVSLAM

😎 Awesome LIDAR-Liste. Die Liste umfasst LIDAR-Hersteller, Datensätze, Punktwolken-Verarbeitungsalgorithmen, Punktwolken-Frameworks und Simulatoren.

NeRF-SLAM: Echtzeit-dichter monokularer SLAM mit Neural Radiance Fields. https://arxiv.org/abs/2210.13641 + Sigma-Fusion: Probabilistische volumetrische Fusion für dichten monokularen SLAM https://arxiv.org/abs/2210.01276

⚡️Das räumliche Wahrnehmungsframework zum schnellen Erstellen von intelligenten Robotern und Räumen

Anwendung und Vergleich von LeGO-LOAM, LIO-SAM, LVI-SAM, FAST-LIO2, Faster-LIO, VoxelMap, R3LIVE, Point-LIO, KISS-ICP, DLO, DLIO, Ada-LIO, PV-LIO, SLAMesh, ImMesh, FAST-LIO-MULTI, M-LOAM, LOCUS, SLICT, MA-LIO, CT-ICP, GenZ-ICP, iG-LIO und SR-LIO auf Gazebo- und realen Datensätzen. Installations- und Konfigurationsdateien sind enthalten.

M2DGR: Ein multimodales und multiszenariobasiertes Dataset für Bodenroboter (RA-L2021 & ICRA2022)

[TRO 2025] AirVO wird auf AirSLAM aufgerüstet

Gaussian-SLAM: Fotorealistisches, dichtes SLAM mit Gaussian Splatting

Fast LOAM: Schnelle und optimierte Lidar Odometry and Mapping für die Innen- und Außenlokalisierung (IROS 2021)

Lose gekoppelte IMU + X (GNSS, 6DoF Odom) Fusionslokalisierung basierend auf ESKF, IEKF, UKF (UKF/SPKF, JUKF, SVD-UKF) und MAP

VGGT-SLAM: Dichtes RGB-SLAM, optimiert auf der SL(4)-Mannigfaltigkeit

Dies ist ein Buchmanuskript über SLAM, das die in SLAM-Systemen verwendeten geometrischen und Deep-Learning-Methoden verständlich erklären soll. Das Manuskript wird voraussichtlich etwa 200 Seiten umfassen, und der Code für jedes Kapitel wird bereitgestellt.

[IEEE RA-L & ICRA'22] Eine schlanke und recheneffiziente Frontend-LiDAR-Odometrielösung mit konsistenter und präziser Lokalisierung.

[IEEE ICRA'23] Ein neuer, leichtgewichtiger LiDAR-Inertial-Odometrie-Algorithmus mit einem neuartigen Coarse-to-Fine-Ansatz zur Konstruktion von zeitkontinuierlichen Trajektorien für eine präzise Bewegungskorrektur.