#slam Dépôts
146 dépôts au total
SLAM dynamique, recherche SLAM à vie (Lidar, Visuel, Fusion de capteurs etc.)
Une Approche Robuste pour l'Odométrie LiDAR-Inertielle Sans Modélisation Spécifique aux Capteurs
LSD (LiDAR SLAM & Detection) est une architecture de perception open source pour véhicules/robots autonomes
Un système de navigation robuste, en temps réel, GNSS-visuel-inertiel centré sur INS
Bibliothèque Python pour ajuster des formes primitives 3D à des nuages de points avec RANSAC. Détecte les plans, sphères, cylindres, cuboïdes, cercles et lignes.
Une collection de modèles de localisation basés sur l'apprentissage profond
Open Reality : transformez des vidéos de téléphone en scènes 3D interrogeables par l’IA. Outils MCP pour Claude/Codex/Cursor (npm openreality-mcp), un service intermédiaire hébergeable soi-même et la bibliothèque VGGT-SLAM, réunis dans un seul dépôt. BSD-2-Clause.
[CVPR 2025] WildGS-SLAM : SLAM par Gaussian Splatting monoculaire dans des environnements dynamiques
OV²SLAM est un SLAM visuel entièrement en ligne et polyvalent pour les applications en temps réel
Framework collaboratif décentralisé épars pour la localisation et la cartographie simultanées pour systèmes multi-robots
Un ensemble de données de conduite pour le développement et la validation d'estimateurs de pose fusionnés et d'algorithmes de cartographie
SLAM graphique basé sur des nuages de points écrit en C++ à l'aide de la bibliothèque open3D.
📍PIN-SLAM : SLAM LiDAR utilisant une représentation neuronale implicite basée sur des points pour assurer la cohérence de la carte globale [TRO 24]
Un système simple capable de relocaliser un robot sur une carte construite est développé dans ce système. Le système est basé sur LIO-SAM.
TRAM : Trajectoire et mouvement globaux d'humains 3D à partir de vidéos "in-the-wild"
[CVPR2024] SchurVINS : Système de navigation inertielle visuel léger basé sur le complément de Schur
Implémentation complète de SLAM basée sur le contexte de balayage d'intensité pour la conduite autonome. ICRA 2020
[IROS 2023] Un système d'odométrie et de cartographie LiDAR-inertie-roue basé sur le framework BA
PLVS est un système SLAM en temps réel avec des points, des lignes, une cartographie volumétrique et une segmentation incrémentale 3D non supervisée.
Correspondance multi-vues avec des caractéristiques locales d'apprentissage profond et artisanales pour COLMAP et d'autres logiciels SfM. Prend en charge les formats haute résolution et les images avec rotations. Les interfaces CLI et GUI sont toutes deux prises en charge.
[IROS 2024] Un package d'odométrie LiDAR-inertielle (LIO) capable d'ajuster la fréquence d'exécution au-delà de la fréquence de balayage
Bibliothèque de visualisation pour le prototypage rapide d'algorithmes 3D [C++, Python]
SSL_SLAM : Localisation et cartographie 3D légères pour LiDAR à semi-conducteurs IEEE RA-L 2021
Odométrie et Cartographie Robustes pour Systèmes Multi-LiDAR avec Calibration Extrinsèque en Ligne
📚 Ce dépôt rassemble des articles d’arXiv sur des sujets tels que le VLN, le VLA, les modèles du monde, le SLAM, le Gaussian Splatting et l’optimisation non linéaire. Il est mis à jour automatiquement chaque jour ! La section Issues présente les 10 articles les plus récents.
Odométrie de fusion visuelle-inertielle-roue, meilleures performances dans les scènes avec des changements drastiques de lumière
😎 Une liste sélectionnée d'excellentes ressources d'étude sur les robots mobiles basés sur ROS (incluant SLAM, odmétrie et navigation, manipulation)