#slam Repositories
Insgesamt 146 Repositories
Eine umfassende Liste von Arbeiten zu impliziten Darstellungen und NeRFs im Bereich Robotik/RL, einschließlich Arbeiten, Codes und verwandter Websites
Bücher, Aufsätze, Videos und Toolboxes im Zusammenhang mit Bildregistrierung
🎓Aktualisieren Sie Lebenslaufpapiere täglich automatisch mit Github Actions
Visual SLAM/Odometrie-Paket basierend auf NVIDIA-beschleunigtem cuVSLAM
Photogrammetrie-Leitfaden. Photogrammetrie wird häufig in der Luftvermessung, Landwirtschaft, Architektur, 3D-Spielen, Robotik, Archäologie, im Bauwesen, im Notfallmanagement und in der Medizin eingesetzt.
Streaming-3D-Rekonstruktion ausschließlich aus Videoeingaben: Eine Neubetrachtung des lokalen Kontexts für die Streaming-3D-Rekonstruktion über lange Zeithorizonte
😎 Fantastische LIDAR-Liste. Die Liste enthält LIDAR-Hersteller, Datensätze, Punktwolkenverarbeitungsalgorithmen, Punktwolken-Frameworks und Simulatoren.
Eine GPU-beschleunigte TSDF- und ESDF-Bibliothek für Roboter, die mit RGB-D-Kameras ausgestattet sind.
NeRF-SLAM: Echtzeit-dichte monokulare SLAM mit Neural Radiance Fields. https://arxiv.org/abs/2210.13641 + Sigma-Fusion: Probabilistische volumetrische Fusion für dichte monokulare SLAM https://arxiv.org/abs/2210.01276
⚡️Der räumliche Wahrnehmungsrahmen für den schnellen Aufbau intelligenter Roboter und Räume
M2DGR: Ein multimodaler Datensatz für verschiedene Szenarien für Bodenroboter (RA-L 2021 & ICRA 2022)
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, SR-LIO in Gazebo und auf realen Datensätzen. Installations- und Konfigurationsdateien werden bereitgestellt.
Fast LOAM: Schnelle und optimierte Lidar-Odometrie und Kartierung für die Indoor-/Outdoor-Lokalisierung IROS 2021
Gaussian-SLAM: Fotorealistisches dichtes SLAM mit Gaußscher Zerlegung
IMU + X(GNSS, 6DoF Odom) Lose gekoppelte Fusionslokalisierung basierend auf ESKF, IEKF, UKF(UKF/SPKF, JUKF, SVD-UKF) und MAP
Dies ist ein Buchmanuskript über SLAM, das hoffentlich sowohl geometrische als auch Deep-Learning-Methoden in SLAM-Systemen klar darstellt. Das Manuskript wird etwa 200 Seiten umfassen und der Code für jedes Kapitel wird ebenfalls zusammengestellt.
[IEEE ICRA'23] Ein neuer leichtgewichtiger LiDAR-Trägheits-Odometrie-Algorithmus mit einem neuartigen Grob-zu-Fein-Ansatz zum Aufbau kontinuierlicher Zeitbahnen für präzise Bewegungs Korrektur.
Code für "Efficient LoFTR: Semi-Dense Local Feature Matching mit Sparse-ähnlicher Geschwindigkeit", CVPR 2024
[IEEE RA-L & ICRA'22] Eine leichtgewichtige und rechnerisch effiziente Frontend-LiDAR-Odometrielösung mit konsistenter und genauer Lokalisierung.
SuMa++: Effizienter LiDAR-basierter Semantischer SLAM (Chen et al IROS 2019)
Ultra-Fusion: Ein resilientes, eng gekoppeltes Multi-Sensor-Fusions-SLAM-Framework bei Sensordegradation und raumzeitlichen Störungen
Der Fuse-Stack bietet eine allgemeine Architektur für die Durchführung einer Sensorfusion in Echtzeit auf einem Roboter. Mögliche Anwendungen umfassen Zustandsschätzung, Lokalisierung, Kartierung und Kalibrierung.
KISS-Matcher: Schnelle, robuste und skalierbare Registrierung + ROS2 SLAM-Beispiele
Nützliche Links zu verschiedenen Inhalten im Zusammenhang mit KI, Computer Vision und Robotik.
hector_slam enthält ROS-Pakete, die mit der Durchführung von SLAM in unstrukturierten Umgebungen wie denen, die in den Urban Search and Rescue (USAR)-Szenarien des RoboCup Rescue-Wettbewerbs vorkommen, in Verbindung stehen.
Postgraduiertenarbeit: fast_lio_sam + dynamische Entfernung (T-GRS 2024) + Multi-Session-Mapping (ICRA 2022 Kim) + Objekt-Level-Update + Online-Relokalisierung (ICRA 2025) + reale Anwendung (MD-LVIO)
[ICLR 2026] Eine einfache Zustandsaktualisierungsregel zur Verbesserung der Längengeneralisierung für CUT3R