#autonomous-driving Repositories
Insgesamt 141 Repositories
[ICLR 2025 Oral] Die offizielle Implementierung von „Diffusion-Based Planning for Autonomous Driving with Flexible Guidance“
📦 eCAL - Erweiterte Kommunikationsabstraktionsschicht. Eine hochperformante Publish-Subscribe-, Client-Server-Cross-Platform-Middleware.
C++ Code-Implementierung gängiger Algorithmen für autonome Fahrplanung und -steuerung
OpenEMMA, eine permissiv lizenzierte Open-Source-"Reproduktion" von Waymos EMMA-Modell.
Ultra-Fusion: Ein resilientes, eng gekoppeltes Multi-Sensor-Fusions-SLAM-Framework bei Sensordegradation und raumzeitlichen Störungen
Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie
[CVPR 2024] LMDrive: End-to-End-Fahren im geschlossenen Kreislauf mit großen Sprachmodellen
Code für eine Reihe von Arbeiten in der LiDAR-Wahrnehmung, einschließlich SST (CVPR 22), FSD (NeurIPS 22), FSD++ (TPAMI 23), FSDv2 und CTRL (ICCV 23, mündlich).
Autonomes Fahren Notizen, um Wissenspunkte der einzelnen Module zu analysieren und Branchenlösungen zu integrieren, um mir und anderen Lesern zu helfen; einschließlich Deep Learning, Self-Driving, BEV, Transformer, ADAS, CVPR, Tesla AI DAY, Large Models, chatgpt usw.
[AAAI 2026] OpenDriveVLA: Hin zu End-to-End-Autonomem Fahren mit einem Großen Seh-, Sprach- und Aktionsmodell
Python-Implementierung des MPPI (Model Predictive Path-Integral) Controllers zum Verständnis der Grundidee. Obligatorische Abhängigkeiten sind nur numpy und matplotlib.
[NeurIPS 2025 spotlight] Offizielle Implementierung von "FutureSightDrive: Visuelles Denken mit räumlich-zeitlichem CoT für autonomes Fahren"
[CVPR 2024 Highlight] GenAD: Generalisiertes Vorhersagemodell für autonomes Fahren
Der erste umfassende Kurs des Landes zu Occupancy-Grid-Netzwerken: „Von BEV zu Occupancy Network: Algorithmusprinzipien und technische Praxis“. Er umfasst die Aufbereitung von Trainingsdaten, das Modelltraining und die Bereitstellung auf Edge-Geräten. Kurs zur umgebenden semantischen Occupancy-Wahrnehmung für autonomes Fahren (Dokumentation, Präsentationen und Quellcode). Online-Kursseite: http://111.229.117.200:8100/ (eigenständig vom Autor erstellt)
Offizielle PyTorch-Implementierung von FB-BEV & FB-OCC – Vorwärts-Rückwärts-Ansichts-Transformation für die vision-zentrierte Wahrnehmung autonomer Fahrzeuge
[ICRA 2022] Ein Open-Source-Framework für kooperative Detektion. Offizielle Implementierung für OPV2V.
[ICCV 2023] StreamPETR: Erforschung objektzentrierter zeitlicher Modellierung für effiziente Multi-View 3D-Objekterkennung
[ICCV 2025] Offizielle Implementierung des Papers „MagicDrive-V2: Hochauflösende Langzeit-Videoerzeugung für autonomes Fahren mit adaptiver Steuerung“
[Pedestron] Generalisierbare Fußgängererkennung: Der Elefant im Raum. @ CVPR2021
[CoRL'23] Abschied von Missverständnissen über lernbasierte Fahrzeugbewegungsplanung
LSD (LiDAR SLAM & Detection) ist eine Open-Source-Wahrnehmungsarchitektur für autonome Fahrzeuge/Roboter
Artikel, Code und Datensätze zu Deep Learning für die 3D-Objekterkennung.
[ICCV 2023] OpenOccupancy: Ein groß angelegter Benchmark für die Erkennung der umgebenden semantischen Belegung
[NeurIPS 2025] AutoVLA: Ein Vision-Language-Action-Modell für End-to-End-Autonomes Fahren mit adaptivem Reasoning und Reinforcement Fine-Tuning
[ICCV 2025] Offizieller Code von "ORION: Ein ganzheitliches End-to-End-Framework für autonomes Fahren durch visuell-sprachlich instruierte Aktionsgenerierung"
Vom Großen zum Kleinen: Multi-Skala Lokale Planare Führung für die Monokulare Tiefenschätzung
[ECCV 2024] Szene als Gaußsche für die visuelle 3D-semantische Belegungsvorhersage
Hauptaufzeichnungen von Spitzenpapieren und Artikeln über Computer Vision, VSLAM, Punktwolken, strukturiertes Licht, Roboterarmgreifen, 3D-Rekonstruktion, Deep Learning, autonomes Fahren usw.