#sensor-fusion Repository
Scopri 50 repository GitHub open source attivi contrassegnati con #sensor-fusion, che raccolgono un totale di 90,287 stelle (con una media di 1,805 stelle per progetto). Il progetto leader di questo argomento è rlabbe/Kalman-and-Bayesian-Filters-in-Python, con 18,561 stelle.
50 repository in totale
Libro sul filtro di Kalman utilizzando Jupyter Notebook. Si concentra sulla costruzione dell'intuizione e dell'esperienza, non su dimostrazioni formali. Include filtri di Kalman, filtri di Kalman estesi, filtri di Kalman unscented, filtri particellari e altro ancora. Tutti gli esercizi includono soluzioni.
Libreria Python per il filtraggio di Kalman e la stima ottimale. Implementa filtro di Kalman, filtro particellare, filtro di Kalman esteso, filtro di Kalman non profumato, g-h (alpha-beta), minimi quadrati, H infinito, smorzatori e altro ancora. Ha un libro di accompagnamento 'Kalman and Bayesian Filters in Python'.
Risorse per la Visione Basata su Eventi. Sforzo comunitario per raccogliere conoscenze sulla tecnologia della visione basata su eventi (articoli, workshop, dataset, codice, video, ecc.)
Codice open source corrispondente per le tecniche SLAM nella guida autonoma
Un robusto pacchetto di stima dello stato e mappatura accoppiato strettamente LiDAR-inerziale-visivo, in tempo reale e a colori RGB
Uno scanner LiDAR a 360° open source e a basso costo, e un sistema fai-da-te per la ricostruzione 3D panoramica.
robot\_localization è un pacchetto di nodi di stima dello stato non lineare. Il pacchetto è stato sviluppato da Charles River Analytics, Inc. Si prega di porre domande su answers.ros.org.
Libreria di odometria visiva e SLAM accelerata da CUDA per un tracciamento della fotocamera rapido, preciso e a bassa latenza
Un Odometria LiDAR-Inerziale-Visiva Sparse-Diretta Veloce e Strettamente Accoppiata (LIVO).
[PAMI'23] TransFuser: Imitazione con fusione di sensori basata su Transformer per la guida autonoma; [CVPR'21] Multi-Modal Fusion Transformer per la guida autonoma End-to-End
Il firmware principale per il Crazyflie Nano Quadcopter, il Crazyflie Bolt Quadcopter e il Roadrunner Positioning Tag.
Sollevare, Schizzare, Sparare: Codifica di immagini da rig di telecamere arbitrari tramite la riproiezione implicita in 3D (ECCV 2020)
Odometria LiDAR-inerziale, altamente robusta e accurata, basata solo su LiDAR
Codice sorgente per l'articolo DM-VIO: Delayed Marginalization Visual-Inertial Odometry
Risorse di apprendimento e condivisione di esperienze per lo sviluppo SLAM
Localizzazione di fusione a basso accoppiamento IMU + X(GNSS, 6DoF Odom) basata su ESKF, IEKF, UKF(UKF/SPKF, JUKF, SVD-UKF) e MAP
Un metodo semplice per trovare la calibrazione estrinseca tra un lidar 3D e un sensore di posa a 6 dof
alfred-py: Una libreria di utility per il deep learning per **umani**, più dettagli sull'uso della lib a: https://zhuanlan.zhihu.com/p/341446046
[CVPR 2024] LMDrive: Guida end-to-end a circuito chiuso con modelli linguistici di grandi dimensioni
Lo stack fuse fornisce un'architettura generale per eseguire la fusione dei sensori in tempo reale su un robot. Alcune possibili applicazioni includono la stima dello stato, la localizzazione, la mappatura e la calibrazione.
Il filtro Kalman a stato esteso ESKF fonde GPS e IMU per una maggiore precisione di posizionamento
Sensazione tattile • Raccolta dati • IL/RL/VLA/WM • Manipolazione • Simulazione • Open Source
Controller per Gimbal Brushless a 3 assi, basato su microcontrollore STM32 a 32 bit
Una libreria open source per interagire e processare dati radar, specializzata per radar MIMO mmWave
Utilizzo del filtro di Kalman a stato di errore per fondere i dati IMU e GPS per la localizzazione.
Un progetto software per fornire alla comunità di tracciamento degli obiettivi un framework per lo sviluppo e il test di algoritmi di tracciamento.
Rilevamento di oggetti tramite radar 4D per la guida autonoma in varie condizioni meteorologiche
App moderna di bussola e navigazione FOSS senza pubblicità, acquisti in-app o tracciamento
Odometria di fusione visiva-inerziale-ruota, prestazioni migliori in scene con cambiamenti drastici di luce
Domande frequenti
Qual è il repository #sensor-fusion più popolare su GitHub?
Il progetto open source #sensor-fusion più alto in classifica su GitHub è rlabbe/Kalman-and-Bayesian-Filters-in-Python, con 18,561 stelle. Libro sul filtro di Kalman utilizzando Jupyter Notebook. Si concentra sulla costruzione dell'intuizione e dell'esperienza, non su dimostrazioni formali. Include filtri di Kalman, filtri di Kalman estesi, filtri di Kalman unscented, filtri particellari e altro ancora. Tutti gli esercizi includono soluzioni.
Quali linguaggi di programmazione sono più utilizzati nei repository #sensor-fusion?
Tra i progetti #sensor-fusion 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 #sensor-fusion?
Monitoriamo 50 repository open source attivi contrassegnati con #sensor-fusion (500+ stelle), per un totale di 90,287 stelle e una media di 1,805 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.