#point-cloud Dépôts
Découvrez 72 dépôts GitHub open source actifs associés à #point-cloud, cumulant 188,029 étoiles au total (soit une moyenne de 2,611 étoiles par projet). Le projet en tête de ce thème est pascalorg/editor, avec 25,661 étoiles.
72 dépôts au total
Logiciel d’architecture 3D open source pour l’AECO, de la numérisation au BIM. Adapté aux agents, axé sur le navigateur, MCP et CLI.
X-AnyLabeling : une application de bureau multiplateforme, légère, efficace et unifiée pour annoter du texte, des images, des vidéos, des nuages de points et des données multimodales. Elle associe des outils intégrés polyvalents à des modèles d’IA de pointe et permet une exportation flexible dans plusieurs formats.
Draco est une bibliothèque pour compresser et décompresser les maillages géométriques 3D et les nuages de points. Elle est destinée à améliorer le stockage et la transmission des graphiques 3D.
Une boîte à outils en ligne de commande pour générer des cartes, des nuages de points, des modèles 3D et des MNT à partir d'images de drones, de ballons ou de cerfs-volants. 📷
La plateforme de nouvelle génération d'OpenMMLab pour la détection d'objets 3D générale.
PointNet et PointNet++ implémentés avec PyTorch (Python pur) et sur ModelNet, ShapeNet et S3DIS.
Logiciel convivial de niveau commercial pour le traitement d'images aériennes. ✈️ Téléchargez-le gratuitement !
bibliothèque open source de reconstruction de structure à partir du mouvement et de stéréo multivue
Une implémentation BVH pour accélérer le raycasting et activer les requêtes spatiales sur les maillages three.js.
Pointcept : percevez le monde avec des points épars, une base de code pour la recherche en perception de nuages de points. Derniers travaux : Utonia (ICML'26), Concerto (NeurIPS'25), Sonata (CVPR'25 Highlight), PTv3 (CVPR'24 Oral)
Spécification pour le streaming de grands ensembles de données géospatiales 3D hétérogènes :earth_americas:
[ICLR 2025] De n'importe quoi à la maille comme des artistes humains. Implémentation officielle de "MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers"
Package ROS pour trouver une transformation de corps rigide entre un LiDAR et une caméra pour l'« Étalonnage LiDAR-Caméra en utilisant des correspondances de points 3D-3D »
Une bibliothèque légère, facile à utiliser et efficace pour le traitement et le rendu de données 3D (C++ & Python)
Une collection d'algorithmes de registration rapide de nuages de points basés sur GICP
Une bibliothèque Python facile à utiliser pour le traitement et la manipulation de nuages de points 3D et de maillages.
Guide de photogrammétrie. La photogrammétrie est largement utilisée pour les levés aériens, l'agriculture, l'architecture, les jeux 3D, la robotique, l'archéologie, la construction, la gestion des urgences et le domaine médical.
Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour la formation de données multimodales et prend en charge les nuages de points 3D LiDAR, les images et les LLM.
😎 Liste LIDAR géniale. La liste comprend les fabricants de LIDAR, les ensembles de données, les algorithmes de traitement des nuages de points, les frameworks de nuages de points et les simulateurs.
Une liste curatée d'excellents liens et de bibliothèques logicielles utiles pour les robots.
Notes de lecture sur l'apprentissage profond et l'apprentissage automatique
⚡️Le framework de perception spatiale pour construire rapidement des robots intelligents et des espaces
Ce dépôt est utilisé pour l'étalonnage automatique entre un LiDAR haute résolution et une caméra dans des scènes sans cible.
Patchwork++ : Méthode rapide et robuste de segmentation du sol pour les scans LiDAR 3D. @ IROS'22
Une bibliothèque C++ légère pour travailler avec des données de nuages de points
Implémentation officielle PyTorch de Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] et EZ-SP [ICRA'26]
[Candidat au Meilleur Article ECCV 2024 et TPAMI 2025] PointLLM : Donner aux Grands Modèles Linguistiques les Moyens de Comprendre les Nuages de Points
Visualisation 3D WebGL pour Jupyter : maillages, isosurfaces, volumes, voxels et nuages de points à partir de tableaux NumPy, avec un moteur de rendu cinématographique par lancer de rayons.
SPAR3D: Reconstruction stable et consciente des points d'objets 3D à partir d'images uniques
Paquet Python pour l'enregistrement de nuages de points utilisant un modèle probabiliste (Coherent Point Drift, GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)
SDK Visualiseur 3D BIM IFC pour les applications d'ingénierie AEC. Kit d'outils JavaScript open source basé sur WebGL pur pour des performances optimales, coordonnées du monde réel et précision double complète
Modèle de base pour "GraspNet-1Billion : Un benchmark à grande échelle pour la préhension générale d'objets" (CVPR 2020)
Localisation par LiDAR pour robot humanoïde (type Unitree G1)
Foire aux questions
Quel est le dépôt #point-cloud le plus populaire sur GitHub ?
Le projet #point-cloud open source le mieux classé sur GitHub est pascalorg/editor, avec 25,661 étoiles. Logiciel d’architecture 3D open source pour l’AECO, de la numérisation au BIM. Adapté aux agents, axé sur le navigateur, MCP et CLI.
Quels langages de programmation sont les plus utilisés dans les dépôts #point-cloud ?
Parmi les projets #point-cloud les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, TypeScript, JavaScript.
Comment le classement des dépôts #point-cloud est-il calculé ?
Nous suivons 72 dépôts open source actifs associés à #point-cloud (500+ étoiles), totalisant 188,029 étoiles, avec une moyenne de 2,611 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.