slam

Paquetes de ROS para Turtlebot3

Sistema SLAM visual denso en tiempo real

Odometría visual inercial con capacidades SLAM y generación de mallas 3D.

Una lista seleccionada de conjuntos de datos de radar, detección, seguimiento y fusión

Una pequeña biblioteca C++11 de solo cabecera para la teoría de Lie.

GLIM: marco de trabajo de localización y mapeo 3D basado en nubes de puntos, versátil y extensible

Hoja de ruta para convertirse en desarrollador de Visual-SLAM en 2026.

Ejemplos de código y documentación en Python sobre algoritmos de control de vehículos autónomos. Este proyecto sirve como guía técnica para estudiar algoritmos y arquitecturas de software para principiantes.

Cálculo simbólico rápido, generación de código y optimización no lineal para robótica.

Una odometría visual-inercial LiDAR dispersa-directa rápida y estrechamente acoplada (LIVO).

Una biblioteca para robótica diferenciable en variedades.

Una lista exhaustiva de artículos sobre representaciones implícitas y NeRF relacionados con el dominio de robótica y aprendizaje por refuerzo, incluyendo artículos, códigos y sitios web relacionados

Libros, artículos, videos y cajas de herramientas relacionados con el registro de imágenes.

Guía de fotogrametría. La fotogrametría se utiliza ampliamente en topografía aérea, agricultura, arquitectura, videojuegos 3D, robótica, arqueología, construcción, gestión de emergencias y medicina.

Actualización automática diaria de artículos de CV utilizando GitHub Actions.

[IROS2022] Método robusto de inicialización LiDAR-inercial en tiempo real.

Paquete de SLAM/odometría visual basado en cuVSLAM acelerado por NVIDIA

Lista de recursos sobre LIDAR. Incluye fabricantes, conjuntos de datos, algoritmos de procesamiento de nubes de puntos, frameworks y simuladores.

NeRF-SLAM: SLAM monocular denso en tiempo real con campos de radiancia neuronal. https://arxiv.org/abs/2210.13641 + Sigma-Fusion: Fusión volumétrica probabilística para SLAM monocular denso https://arxiv.org/abs/2210.01276

⚡️ El marco de percepción espacial para construir rápidamente robots y espacios inteligentes.

Aplicación y comparación de 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, SR-LIO en Gazebo y conjuntos de datos del mundo real. Se incluyen archivos de instalación y configuración.

M2DGR: un conjunto de datos multimodal y multiescenario para robots terrestres (RA-L2021 y ICRA2022).

[TRO 2025] AirVO se actualiza a AirSLAM

Gaussian-SLAM: SLAM denso fotorrealista con Gaussian Splatting

Fast LOAM: Odometría y mapeo Lidar rápido y optimizado para localización en interiores y exteriores, IROS 2021

Localización por fusión de acoplamiento débil (Loosely-Coupled) de IMU + X (GNSS, odometría 6DoF) basada en ESKF, IEKF, UKF (UKF/SPKF, JUKF, SVD-UKF) y MAP.

VGGT-SLAM: SLAM RGB denso optimizado en la variedad SL(4)

Este es un manuscrito sobre SLAM que busca presentar claramente los métodos geométricos y de aprendizaje profundo utilizados en los sistemas SLAM. Se espera que el libro tenga unas 200 páginas y que el código correspondiente a cada capítulo sea organizado.

[IEEE RA-L & ICRA'22] Una solución de odometría LiDAR frontend ligera y computacionalmente eficiente con localización consistente y precisa.

[IEEE ICRA'23] Un nuevo algoritmo ligero de odometría LiDAR-inercial con un enfoque novedoso de grueso a fino para construir trayectorias de tiempo continuo para una corrección de movimiento precisa.