#slam Repositorios
Descubre 146 repositorios activos de código abierto de GitHub etiquetados con #slam, que acumulan 310,418 estrellas en total (una media de 2,126 estrellas por proyecto). El líder de este tema es AtsushiSakai/PythonRobotics, con 30,953 estrellas.
146 repositorios en total
Códigos de muestra en Python y libro de texto para algoritmos de robótica.
Una lista seleccionada de impresionantes recursos de visión artificial
SLAM en Tiempo Real para Cámaras Monoculares, Estéreo y RGB-D, con Capacidades de Detección de Bucles y Relocalización
Guía de Entrevistas en Deep Learning (Incluye Matemáticas, Machine Learning, Deep Learning, Visión por Computadora, Procesamiento de Lenguaje Natural y SLAM, etc.)
Visión robótica Robot móvil VS-SLAM ORB-SLAM2 Detección de objetos de aprendizaje profundo yolov3 Detección de comportamiento opencv PCL Aprendizaje automático Conducción autónoma
Cartographer es un sistema que proporciona localización y mapeo simultáneo en tiempo real (SLAM) en 2D y 3D a través de múltiples plataformas y configuraciones de sensores.
Guía de búsqueda de empleo para puestos de algoritmos de IA (incluye estrategias de preparación, guía de práctica de preguntas, recomendaciones internas y listas de empresas de IA, etc.)
LIO-SAM: Odometría Lidar-Inercial Estrechamente Acoplada mediante Suavizado y Mapeo
Liberar el repositorio de nuestro Manual SLAM
Recursos de Visión Basada en Eventos. Esfuerzo comunitario para recopilar conocimiento sobre tecnología de visión basada en eventos (papers, talleres, datasets, código, videos, etc.)
pySLAM es una tubería híbrida Python/C++ de SLAM Visual que admite cámaras monoculares, estéreo y RGB-D. Proporciona un amplio conjunto de modernos extractores de características locales y globales, múltiples estrategias de cierre de bucle, un módulo de reconstrucción volumétrica, modelos integrados de predicción de profundidad y capacidades de segmentación semántica para una comprensión mejorada de la escena.
[CVPR 2025] MASt3R-SLAM: SLAM denso en tiempo real con priors de reconstrucción 3D
Una plataforma de código abierto para la investigación en navegación visual-inercial.
:sunglasses: Una lista curada de bibliotecas y software de robótica
Slam Toolbox para mapeo y localización de por vida en mapas potencialmente masivos con ROS
Aprende los fundamentos de la robótica a través de la experiencia práctica utilizando ROS 2 y la simulación Gazebo.
LeGO-LOAM: Odometría y Mapeo LiDAR Ligero y Optimizado para el Suelo en Terrenos Variables
Código fuente abierto correspondiente para técnicas SLAM en conducción autónoma
Un paquete robusto, en tiempo real, a todo color RGB, acoplado estrechamente LiDAR-Inercial-Visual para estimación de estado y mapeo
Mis notas de aprendizaje sobre algoritmos de navegación, que cubren el análisis del código fuente de programas de posicionamiento de navegación de código abierto, agilización de proyectos de código abierto, apuntes de libros, traducciones de blogs y recomendaciones de tutoriales y conferencias; todo el contenido puede ser reproducido libremente, los archivos originales están todos aquí, y todos pueden organizar sus propios documentos basándose en los míos. (Consejos: ① Principalmente escrito para principiantes, aquellos que ya tienen una base deberían leer más artículos y código, no aprenderán mucho de mis notas; ② El repositorio se actualiza continuamente, no se recomienda hacer fork)
Una lista completa de artículos sobre Representaciones Implícitas, NeRF y Splatting Gaussiano 3D relacionados con el dominio SLAM/Robótica, incluyendo artículos, videos, códigos y sitios web relacionados
Aprende conducción autónoma construyéndola: simulaciones en Python y un libro de texto abierto en el que el sistema evoluciona etapa a etapa. Sustituye y compara algoritmos de localización, planificación y control dentro del mismo sistema.
GLIM: framework versátil y extensible de localización y mapeo 3D basado en nubes de puntos
Una lista curada de conjuntos de datos de radar, detección, seguimiento y fusión
Hoja de ruta para convertirse en un desarrollador de Visual‑SLAM en 2026
Cálculo simbólico rápido, generación de código y optimización no lineal para robótica
Interfaz de manipulación universal: enseñanza de robots en el mundo real sin robots en el mundo real
Una Odometría LiDAR-Inercial-Visual Dispersa-Directa Rápida y Estrechamente Acoplada (LIVO).
Preguntas frecuentes
¿Cuál es el repositorio de #slam más popular en GitHub?
El proyecto de código abierto de #slam mejor posicionado en GitHub es AtsushiSakai/PythonRobotics, con 30,953 estrellas. Códigos de muestra en Python y libro de texto para algoritmos de robótica.
¿Qué lenguajes de programación se utilizan más en los repositorios de #slam?
Entre los proyectos de #slam mejor posicionados en GitHub, los lenguajes de programación más comunes son C++, Python, TeX, Astro.
¿Cómo se calcula la clasificación de los repositorios de #slam?
Seguimos 146 repositorios activos de código abierto etiquetados con #slam (500+ estrellas), que suman un total de 310,418 estrellas, con una media de 2,126 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.