slam

Các gói ROS cho Turtlebot3

Hệ thống SLAM thị giác dày đặc thời gian thực

Định vị quán tính trực quan với tính năng SLAM và tạo lưới 3D.

Danh sách các tập dữ liệu radar, phát hiện, theo dõi và hợp nhất được tuyển chọn

Thư viện nhỏ header-only bằng C++11 cho lý thuyết Lie.

GLIM: Khung định vị và bản đồ 3D dựa trên đám mây điểm linh hoạt và có thể mở rộng

Lộ trình trở thành nhà phát triển Visual-SLAM vào năm 2026

Mã nguồn mẫu và tài liệu bằng Python về thuật toán điều khiển xe tự hành. Dự án này có thể được sử dụng làm sách hướng dẫn kỹ thuật cho người mới bắt đầu học các thuật toán và kiến trúc phần mềm.

Tính toán ký hiệu nhanh, tạo mã và tối ưu hóa phi tuyến tính cho robot

Hệ thống định vị trực quan-quán tính-LiDAR thưa-trực tiếp (LIVO) nhanh và liên kết chặt chẽ.

Thư viện cho robot khả vi trên đa tạp.

Danh sách toàn diện các bài báo về Implicit Representations và NeRF liên quan đến lĩnh vực Robotics/RL, bao gồm bài báo, mã nguồn và các trang web liên quan

Sách, tài liệu nghiên cứu, video và bộ công cụ liên quan đến đăng ký ảnh

Hướng dẫn Đo ảnh. Đo ảnh được sử dụng rộng rãi trong khảo sát trên không, nông nghiệp, kiến trúc, game 3D, robot, khảo cổ học, xây dựng, quản lý khẩn cấp và y tế.

🎓 Tự động cập nhật các bài báo CV hàng ngày sử dụng Github Actions

[IROS2022] Phương pháp khởi tạo quán tính LiDAR thời gian thực mạnh mẽ.

Gói Visual SLAM/odometry dựa trên cuVSLAM tăng tốc bởi NVIDIA

Danh sách Awesome LIDAR. Danh sách bao gồm các nhà sản xuất LIDAR, tập dữ liệu, thuật toán xử lý đám mây điểm, khung làm việc và trình mô phỏng đám mây điểm.

NeRF-SLAM: SLAM đơn mắt dày đặc thời gian thực với Neural Radiance Fields. https://arxiv.org/abs/2210.13641 + Sigma-Fusion: Hợp nhất thể tích xác suất cho SLAM đơn mắt dày đặc https://arxiv.org/abs/2210.01276

⚡️ Framework nhận thức không gian để nhanh chóng xây dựng các robot và không gian thông minh

Ứng dụng và so sánh 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 trên Gazebo và tập dữ liệu thực tế. Cung cấp tệp cài đặt và cấu hình.

M2DGR: Bộ dữ liệu đa phương thức và đa kịch bản dành cho robot mặt đất (RA-L2021 & ICRA2022)

[TRO 2025] AirVO nâng cấp lên AirSLAM

Gaussian-SLAM: SLAM dày đặc, chân thực như ảnh với Gaussian Splatting

Fast LOAM: Định vị và lập bản đồ đo đạc khoảng cách bằng Lidar nhanh và tối ưu cho định vị trong nhà/ngoài trời IROS 2021

Định vị kết hợp lỏng lẻo IMU + X (GNSS, 6DoF Odom) dựa trên ESKF, IEKF, UKF (UKF/SPKF, JUKF, SVD-UKF) và MAP

VGGT-SLAM: RGB SLAM dày đặc được tối ưu hóa trên đa tạp SL(4)

Đây là bản thảo sách về SLAM, hy vọng có thể giới thiệu rõ ràng các phương pháp hình học và học sâu được sử dụng trong hệ thống SLAM. Cuốn sách dự kiến sẽ có khoảng 200 trang và mã nguồn cho từng chương sẽ được tổng hợp.

[IEEE RA-L & ICRA'22] Một giải pháp phần đầu đo đạc odometry LiDAR nhẹ, hiệu quả về mặt tính toán với định vị nhất quán và chính xác.

[IEEE ICRA'23] Thuật toán đo odometry quán tính LiDAR nhẹ mới với phương pháp từ thô đến tinh mới trong việc xây dựng quỹ đạo thời gian liên tục để hiệu chỉnh chuyển động chính xác.