#point-cloud-processing Dépôts
Découvrez 40 dépôts GitHub open source actifs associés à #point-cloud-processing, cumulant 39,234 étoiles au total (soit une moyenne de 980 étoiles par projet). Le projet en tête de ce thème est gaoxiang12/slam_in_autonomous_driving, avec 2,614 étoiles.
40 dépôts au total
Code open source correspondant pour les techniques SLAM dans la conduite autonome
Awesome-LLM-3D : une liste organisée de modèles linguistiques multimodaux de grande taille dans le monde 3D Ressources
Un scanner LiDAR à 360° open source et à faible coût, ainsi qu’un système de reconstruction 3D panoramique à fabriquer soi-même.
[Présentation orale à CVPR'24] Dépôt officiel de Point Transformer V3 (PTv3). Propose également un package PyTorch + Triton installable avec pip, comprenant les encodeurs préentraînés Sonata, Concerto et Utonia.
Faster-LIO : Odométrie Lidar-inerte étroitement couplée et légère utilisant des voxels incrémentaux épars parallèles
[ECCV 2024] Street Gaussians : Modélisation de scènes urbaines dynamiques avec Gaussian Splatting
Implémentation officielle du papier "MonST3R : une approche simple pour estimer la géométrie en présence de mouvement"
Liste de papiers pour les réseaux neuronaux équivariants
Une méthode simple pour trouver la calibration extrinsèque entre un lidar 3D et un capteur de pose à 6 degrés de liberté
3DGS-to-PC : 3D Gaussian Splatting vers des nuages de points denses [3D-VAST : ICCVW 2025]
Une liste organisée de ressources, bibliothèques et logiciels impressionnants pour le traitement des nuages de points
Papiers, code et ensembles de données sur l'apprentissage profond pour la détection d'objets 3D.
Enregistrement principal de papiers de pointe et d'articles sur la vision par ordinateur, le VSLAM, les nuages de points, la lumière structurée, la préhension de bras robotiques, la reconstruction 3D, l'apprentissage profond, la conduite autonome, etc.
Guide du traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image/vidéo sous forme numérique en effectuant des tâches telles que la réduction du bruit, le filtrage, l'exposition automatique, la mise au point automatique, la correction HDR et l'affûtage de l'image avec un type spécialisé de processeur multimédia.
[ICML 2024] 3D-VLA : Un modèle génératif du monde pour la vision 3D, le langage et l'action
[IROS 2023] Un système d'odométrie et de cartographie LiDAR-inertie-roue basé sur le framework BA
(ITSC 2021) Optimisation de la sélection des échantillons pour un étalonnage robuste de la caméra lidar. Ce package estime les paramètres d'étalonnage du cadre de la caméra au cadre lidar.
[IROS 2024] Un package d'odométrie LiDAR-inertielle (LIO) capable d'ajuster la fréquence d'exécution au-delà de la fréquence de balayage
[CVPR 2023, BSP] Enregistrement 3D avec des Cliques Maximales
Foire aux questions
Quel est le dépôt #point-cloud-processing le plus populaire sur GitHub ?
Le projet #point-cloud-processing open source le mieux classé sur GitHub est gaoxiang12/slam_in_autonomous_driving, avec 2,614 étoiles. Code open source correspondant pour les techniques SLAM dans la conduite autonome
Quels langages de programmation sont les plus utilisés dans les dépôts #point-cloud-processing ?
Parmi les projets #point-cloud-processing les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, Python, JavaScript.
Comment le classement des dépôts #point-cloud-processing est-il calculé ?
Nous suivons 40 dépôts open source actifs associés à #point-cloud-processing (500+ étoiles), totalisant 39,234 étoiles, avec une moyenne de 980 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.