slam

Paquets ROS pour Turtlebot3

Système SLAM visuel dense en temps réel.

Odométrie visuelle inertielle avec capacités SLAM et génération de maillage 3D.

Une liste organisée de jeux de données radar, de détection, de suivi et de fusion.

Une petite bibliothèque C++11 header-only pour la théorie de Lie.

GLIM : framework de localisation et de cartographie 3D polyvalent et extensible basé sur les nuages de points

Feuille de route pour devenir développeur Visual-SLAM en 2026.

Exemples de code Python et documentation sur les algorithmes de contrôle de véhicules autonomes. Ce projet sert de guide technique pour étudier les algorithmes et les architectures logicielles pour les débutants.

Calcul symbolique rapide, génération de code et optimisation non linéaire pour la robotique.

Odométrie LiDAR-Inertielle-Visuelle (LIVO) rapide et étroitement couplée.

Une bibliothèque pour la robotique différentiable sur variétés

Une liste exhaustive d'articles sur les représentations implicites et NeRF liés au domaine de la robotique et de l'apprentissage par renforcement, incluant les articles, le code et les sites web associés.

Livres, articles, vidéos et boîtes à outils liés au recalage d'images

Guide de photogrammétrie. La photogrammétrie est largement utilisée pour les relevés aériens, l'agriculture, l'architecture, les jeux 3D, la robotique, l'archéologie, la construction, la gestion des urgences et la médecine.

Mise à jour automatique quotidienne des articles CV via Github Actions

[IROS2022] Méthode d'initialisation robuste et temps réel LiDAR-inertielle.

Package de SLAM visuel et d'odométrie basé sur cuVSLAM accéléré par NVIDIA

Une liste impressionnante sur le LIDAR. Elle inclut les fabricants de LIDAR, les jeux de données, les algorithmes de traitement de nuages de points, les frameworks et les simulateurs.

NeRF-SLAM : SLAM monoculaire dense en temps réel avec Neural Radiance Fields. https://arxiv.org/abs/2210.13641 + Sigma-Fusion : fusion volumétrique probabiliste pour SLAM monoculaire dense https://arxiv.org/abs/2210.01276

⚡️ Le framework de perception spatiale pour construire rapidement des robots et des espaces intelligents

Application et comparaison 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 sur Gazebo et des jeux de données réels. Fichiers d'installation et de configuration fournis.

M2DGR : un jeu de données multimodal et multiscénario pour robots terrestres (RA-L2021 & ICRA2022).

[TRO 2025] Mise à niveau d'AirVO vers AirSLAM

Gaussian-SLAM : SLAM dense photoréaliste avec Gaussian Splatting

Fast LOAM : Lidar Odometry And Mapping rapide et optimisé pour la localisation en intérieur/extérieur, IROS 2021

Localisation par fusion lâche IMU + X (GNSS, odométrie 6DoF) basée sur ESKF, IEKF, UKF (UKF/SPKF, JUKF, SVD-UKF) et MAP.

VGGT-SLAM : SLAM RGB dense optimisé sur la variété SL(4)

Ceci est un manuscrit sur le SLAM, visant à présenter clairement les méthodes géométriques et d'apprentissage profond utilisées dans les systèmes SLAM. Le livre devrait atteindre environ 200 pages, et le code correspondant à chaque chapitre sera également mis à disposition.

[IEEE RA-L & ICRA'22] Une solution d'odométrie LiDAR frontale légère et efficace, offrant une localisation cohérente et précise.

[IEEE ICRA'23] Un nouvel algorithme d'odométrie LiDAR-inertielle léger avec une approche novatrice de type grossier à fin pour construire des trajectoires en temps continu pour une correction de mouvement précise.