#state-estimation Repositories
Entdecke 26 aktive Open-Source-GitHub-Repositories, die mit #state-estimation getaggt sind und insgesamt 54,955 Sterne gesammelt haben (durchschnittlich 2,113 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist rlabbe/Kalman-and-Bayesian-Filters-in-Python mit 18,561 Sternen.
Insgesamt 26 Repositories
Kalman-Filter-Buch mit Jupyter Notebook. Konzentriert sich auf den Aufbau von Intuition und Erfahrung, nicht auf formale Beweise. Enthält Kalman-Filter, erweiterte Kalman-Filter, unscented Kalman-Filter, Partikelfilter und mehr. Alle Übungen enthalten Lösungen.
Ein robuster und vielseitiger monokularer visuell-inertialer Zustandsschätzer
Python Kalman-Filterung und optimale Schätzbibliothek. Implementiert Kalman-Filter, Partikelfilter, Erweiterten Kalman-Filter, Unscented Kalman-Filter, g-h (Alpha-Beta), Kleinste Quadrate, H-Unendlich, Glätter und mehr. Hat ein Begleitbuch 'Kalman and Bayesian Filters in Python'.
Entsprechender Open-Source-Code für SLAM-Techniken im autonomen Fahren
robot\_localization ist ein Paket von nichtlinearen Zustandschätzungs-Knoten. Das Paket wurde von Charles River Analytics, Inc. entwickelt. Bitte stellen Sie Fragen auf answers.ros.org.
NMPC, WBC, Zustandsschätzung und Sim2Real-Framework für Laufroboter basierend auf OCS2 und ros-controls
Bequeme Modellierung und Analyse von Stromsystemen basierend auf PYPOWER und pandas
Repository für das Lehrbuch: Small Unmanned Aircraft: Theory and Practice, von Randy Beard und Tim McLain
Software-Werkzeuge für agile Vierbeiner, entwickelt vom Robomechanics Lab der Carnegie Mellon University.
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.
Ein effizientes und robustes multisensorunterstütztes Inertialnavigationssystem mit Online-Kalibrierung, das IMU-, Kamera-, LiDAR-, GPS/GNSS- und Raddaten fusionieren kann. Anwendungsfälle: VINS/VIO, GPS-INS, LINS/LIO, Multisensorfusion für Lokalisierung und Kartierung (SLAM). Dieses Repository bietet auch Multisensor-Simulation und Daten.
Verwendung eines Error-State-Kalman-Filters zur Fusion von IMU- und GPS-Daten für die Lokalisierung.
Ein Softwareprojekt, das der Zielverfolgungsgemeinschaft einen Rahmen für die Entwicklung und das Testen von Tracking-Algorithmen bietet.
Header-only-C++17-Bibliothek für unscented-Kalman-Filter zur Zustands- und Parameterschätzung
Häufig gestellte Fragen
Welches ist das beliebteste #state-estimation-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#state-estimation-Projekt auf GitHub ist rlabbe/Kalman-and-Bayesian-Filters-in-Python mit 18,561 Sternen. Kalman-Filter-Buch mit Jupyter Notebook. Konzentriert sich auf den Aufbau von Intuition und Erfahrung, nicht auf formale Beweise. Enthält Kalman-Filter, erweiterte Kalman-Filter, unscented Kalman-Filter, Partikelfilter und mehr. Alle Übungen enthalten Lösungen.
Welche Programmiersprachen werden in #state-estimation-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #state-estimation-Projekten auf GitHub sind C++, Python, Jupyter Notebook, TeX die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #state-estimation-Repositories berechnet?
Wir verfolgen 26 aktive Open-Source-Repositories, die mit #state-estimation getaggt sind (500+ Sterne), mit insgesamt 54,955 Sternen und durchschnittlich 2,113 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.