#state-estimation 저장소
#state-estimation 태그가 지정된 GitHub의 활성 오픈 소스 저장소 26개를 확인해 보세요. 총 54,955개의 스타를 획득했으며 프로젝트당 평균 2,113개입니다. 이 주제를 이끄는 저장소는 18,561개의 스타를 받은 rlabbe/Kalman-and-Bayesian-Filters-in-Python입니다.
저장소 총 26개
Jupyter Notebook을 사용한 칼만 필터 책. 공식적인 증명이 아닌 직관과 경험 구축에 중점을 둡니다. 칼만 필터, 확장 칼만 필터, 무향 칼만 필터, 파티클 필터 등을 포함합니다. 모든 연습문제에는 해답이 포함되어 있습니다.
Python Kalman 필터링 및 최적 추정 라이브러리. Kalman 필터, 파티클 필터, 확장 Kalman 필터, Unscented Kalman 필터, g-h (알파-베타), 최소 제곱법, H 무한대, 스무더 등을 구현합니다. 동반 서적 'Kalman and Bayesian Filters in Python'이 있습니다.
robot\_localization은 비선형 상태 추정 노드 패키지입니다. 이 패키지는 Charles River Analytics, Inc.에서 개발했습니다. questions는 answers.ros.org에 문의해 주세요.
교재 저장소: Small Unmanned Aircraft: Theory and Practice, Randy Beard 및 Tim McLain 저
퓨즈 스택은 로봇에서 센서 융합을 실시간으로 수행하기 위한 일반적인 아키텍처를 제공합니다. 가능한 응용 분야에는 상태 추정, 위치 추정, 매핑, 캘리브레이션이 포함됩니다.
IMU, 카메라, LiDAR, GPS/GNSS 및 휠 센서를 융합할 수 있는 온라인 보정 기능이 있는 효율적이고 견고한 다중 센서 지원 관성 항법 시스템. 사용 사례: VINS/VIO, GPS-INS, LINS/LIO, 위치 결정 및 매핑(SLAM)을 위한 다중 센서 융합. 이 리포지토리에는 다중 센서 시뮬레이션 및 데이터도 제공됩니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #state-estimation 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #state-estimation 프로젝트는 18,561개의 스타를 받은 rlabbe/Kalman-and-Bayesian-Filters-in-Python입니다. Jupyter Notebook을 사용한 칼만 필터 책. 공식적인 증명이 아닌 직관과 경험 구축에 중점을 둡니다. 칼만 필터, 확장 칼만 필터, 무향 칼만 필터, 파티클 필터 등을 포함합니다. 모든 연습문제에는 해답이 포함되어 있습니다.
#state-estimation 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #state-estimation 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 C++, Python, Jupyter Notebook, TeX입니다.
#state-estimation 저장소 순위는 어떻게 계산되나요?
#state-estimation 태그가 지정된 활성 오픈 소스 저장소(26개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 54,955개이며 저장소당 평균 2,113개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.