#autonomous-vehicles Repository
Scopri 51 repository GitHub open source attivi contrassegnati con #autonomous-vehicles, che raccolgono un totale di 164,248 stelle (con una media di 3,220 stelle per progetto). Il progetto leader di questo argomento è AtsushiSakai/PythonRobotics, con 30,953 stelle.
51 repository in totale
Codici di esempio in Python e libro di testo per algoritmi di robotica.
Simulatore open source per veicoli autonomi basato su Unreal Engine / Unity, da Microsoft AI & Research
Autoware - il progetto software open-source leader mondiale per la guida autonoma
Pianificazione del movimento e Navigazione di AGV/AMR: implementazione del plugin del pianificatore ROS di A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit ecc.
Algoritmi di pianificazione del movimento comunemente utilizzati nei veicoli autonomi. (pianificazione del percorso + tracciamento del percorso)
Note di Apollo (Note di apprendimento Apollo) - Note di apprendimento Apollo per principianti.
Elenco Curato di Risorse su Auto a Guida Autonoma e Veicoli Autonomi
Raccogliere alcune ricerche sui modelli mondiali (World Models) per la guida autonoma (e robotica, ecc.).
NVIDIA Alpamayo 1 Nano è un modello VLA di ragionamento aperto da 10B per veicoli autonomi che abbina le traiettorie di guida al ragionamento a Catena di Causalità.
Impara la guida autonoma costruendola: simulazioni in Python e un libro di testo aperto in cui il sistema cresce passo dopo passo. Sostituisci e confronta gli algoritmi di localizzazione, pianificazione e controllo all’interno dello stesso sistema.
Un progetto che dimostra soluzioni AI relative a Lidar, incluse tre reti DL Lidar/telecamera accelerate da GPU (PointPillars, CenterPoint, BEVFusion) e le librerie correlate (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD).
Un elenco curato di dataset radar, rilevamento, tracciamento e fusione
Una selezione di materiali di ricerca all'avanguardia sulla previsione di traiettorie
Calcolo simbolico veloce, generazione di codice e ottimizzazione non lineare per la robotica
AlpaSim è una piattaforma di simulazione di veicoli autonomi open-source progettata per lo sviluppo e il testing di politiche AV end-to-end
Un'implementazione TensorFlow di questo paper Nvidia: https://arxiv.org/pdf/1604.07316.pdf con alcune modifiche
[ICLR24] Implementazione ufficiale del paper “MagicDrive: Generazione di viste stradali con controllo diversificato della geometria 3D”
Pianificazione del movimento (Pianificazione del percorso e Pianificazione/Tracciamento della traiettoria) di AGV/AMR: implementazione Python di Dijkstra, A*, JPS, D*, LPA*, D* Lite, (Lazy)Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, Voronoi, PID, DWA, APF, LQR, MPC, RPP, Bezier, Dubins ecc.
Project AirSim è l'evoluzione di AirSim di Microsoft, una piattaforma di simulazione avanzata per costruire, addestrare e testare sistemi autonomi in ambienti virtuali ad alta fedeltà。
OpenEMMA, una "riproduzione" open source con licenza permissiva del modello EMMA di Waymo.
Percorsi di copertura robusti ed efficienti per veicoli agricoli autonomi. Una libreria modulare ed estensibile per la pianificazione dei percorsi di copertura
👉 Risorse CARLA come tutorial, blog, codice e altro https://github.com/carla-simulator/carla
Cosmos-Transfer1 è un modello di trasferimento da mondo a mondo progettato per colmare il divario percettivo tra ambienti simulati e reali.
Un sistema di navigazione inerziale multisensore efficiente e robusto con calibrazione online, in grado di fondere sensori IMU, telecamera, LiDAR, GPS/GNSS e ruota. Casi d'uso: VINS/VIO, GPS-INS, LINS/LIO, fusione multisensore per localizzazione e mappatura (SLAM). Questo repository fornisce anche simulazione e dati multisensore.
Implementazione Python del controllore MPPI (Model Predictive Path-Integral) per comprendere l'idea di base. Le dipendenze obbligatorie sono solo numpy e matplotlib.
Il primo corso completo del Paese sulle reti di occupazione a griglia, «Da BEV a Occupancy Network: principi degli algoritmi e pratica ingegneristica», che comprende la preparazione dei dati di addestramento, l’addestramento e la distribuzione sui dispositivi edge. Corso di percezione semantica dell’occupazione circostante per la guida autonoma (documentazione, presentazioni e codice sorgente). Pagina del corso online: http://111.229.117.200:8100/ (realizzata autonomamente dall’autore)
Implementazione TensorFlow per il calcolo di un'immagine semanticamente segmentata della vista a volo d'uccello (BEV) fornite dalle immagini di più telecamere montate sul veicolo.
Una specifica dei dati per abilitare la regolamentazione del diritto di precedenza, la politica digitale, il geofencing e la comunicazione bidirezionale tra aziende di mobilità e agenzie pubbliche in tutto il mondo per qualsiasi veicolo regolamentato, condiviso o di agenzia.
Codice per IDS-ML: sviluppo di sistemi di rilevamento delle intrusioni utilizzando algoritmi di machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, ottimizzazione bayesiana..)
Segmentazione del terreno veloce e robusta SOTA utilizzando nuvole di punti 3D (accettato in RA-L'21 con IROS'21)
Un appassionato autodidatta di guida autonoma -> Registrazione del mio processo di apprendimento e dei link di apprendimento correlati per la guida autonoma
(ITSC 2021) Ottimizzazione della selezione dei campioni per una calibrazione robusta della telecamera lidar. Questo pacchetto stima i parametri di calibrazione dal frame della telecamera al frame lidar.
[ICCV2023] NeRF-LOAM: Rappresentazione implicita neurale per l'odometria e la mappatura LiDAR incrementale su larga scala
Domande frequenti
Qual è il repository #autonomous-vehicles più popolare su GitHub?
Il progetto open source #autonomous-vehicles più alto in classifica su GitHub è AtsushiSakai/PythonRobotics, con 30,953 stelle. Codici di esempio in Python e libro di testo per algoritmi di robotica.
Quali linguaggi di programmazione sono più utilizzati nei repository #autonomous-vehicles?
Tra i progetti #autonomous-vehicles più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono C++, Python, Jupyter Notebook, C.
Come viene calcolata la classifica dei repository #autonomous-vehicles?
Monitoriamo 51 repository open source attivi contrassegnati con #autonomous-vehicles (500+ stelle), per un totale di 164,248 stelle e una media di 3,220 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.