#sensor-fusion Repositórios
Descubra 50 repositórios ativos de código aberto no GitHub marcados com #sensor-fusion, acumulando um total de 90,287 estrelas (uma média de 1,805 por projeto). O líder deste tópico é rlabbe/Kalman-and-Bayesian-Filters-in-Python, com 18,561 estrelas.
50 repositórios no total
Livro Filtro de Kalman usando Jupyter Notebook. Foca em construir intuição e experiência, não em provas formais. Inclui filtros de Kalman, filtros de Kalman estendidos, filtros de Kalman sem cheiro, filtros de partículas e mais. Todos os exercícios incluem soluções.
Biblioteca Python para filtragem de Kalman e estimação ótima. Implementa filtro de Kalman, filtro de partículas, filtro de Kalman Estendido, filtro de Kalman Não-Centrado, g-h (alfa-beta), mínimos quadrados, H Infinito, suavizadores e muito mais. Possui o livro complementar 'Kalman and Bayesian Filters in Python'.
Recursos de Visão Baseada em Eventos. Esforço da comunidade para coletar conhecimento sobre a tecnologia de visão baseada em eventos (artigos, workshops, conjuntos de dados, código, vídeos, etc)
Código-fonte de código aberto correspondente a 《Tecnologia SLAM na Condução Autônoma》
Um pacote robusto, em tempo real, colorido em RGB, de estimação de estado e mapeamento com acoplamento forte LiDAR-Inercial-Visual
Um scanner LiDAR de 360° de código aberto e baixo custo, e um sistema de reconstrução 3D panorâmica DIY.
robot_localization é um pacote de nós de estimativa de estado não linear. O pacote foi desenvolvido pela Charles River Analytics, Inc. Por favor, faça perguntas em answers.ros.org.
Biblioteca de odometria visual e SLAM acelerada por CUDA para rastreamento de câmera rápido, preciso e de baixa latência
Um Odometria LiDAR-Inercial-Visual Esparsa-Direta Rápido e Estreitamente Acoplado (LIVO).
[PAMI'23] TransFuser: Imitação com Fusão de Sensores Baseada em Transformer para Condução Autônoma; [CVPR'21] Transformer de Fusão Multimodal para Condução Autônoma Ponta a Ponta
O firmware principal para o Crazyflie Nano Quadcopter, Crazyflie Bolt Quadcopter e Roadrunner Positioning Tag.
Lift, Splat, Shoot: Codificando Imagens a Partir de Configurações Arbitrárias de Câmera por Desprojeção Implícita para 3D (ECCV 2020)
Código-fonte para o artigo DM-VIO: Odometria Visual-Inercial com Marginalização Atrasada
Recursos de Aprendizagem e Compartilhamento de Experiências em Desenvolvimento SLAM
Localização por Fusão IMU + X(GNSS, 6DoF Odom) de Forma Solta baseada em ESKF, IEKF, UKF(UKF/SPKF, JUKF, SVD-UKF) e MAP
Um método simples para encontrar a calibração extrínseca entre um lidar 3D e um sensor de pose 6-dof
alfred-py: Uma biblioteca utilitária de aprendizado profundo para **humanos**, mais detalhes sobre o uso da biblioteca em: https://zhuanlan.zhihu.com/p/341446046
[CVPR 2024] LMDrive: Condução Autônoma Ponta a Ponta em Ciclo Fechado com Grandes Modelos de Linguagem
A pilha de fusíveis fornece uma arquitetura geral para realizar fusão de sensores ao vivo em um robô. Algumas aplicações possíveis incluem estimação de estado, localização, mapeamento e calibração.
O filtro Extended State Kalman Filter (ESKF) funde dados de GPS e IMU para alcançar uma localização de maior precisão
Sensação tátil • Coleta de dados • IL/RL/VLA/WM • Manipulação • Simulação • Código aberto
Controlador de Gimbal Brushless de 3 eixos, baseado em microcontrolador STM32 de 32 bits
Uma biblioteca de código aberto para interagir e processar dados de radar, especializada em radares MIMO mmWave
Utilizando o filtro de Kalman de estado de erro para fundir os dados de IMU e GPS para localização.
Um projeto de software para fornecer à comunidade de rastreamento uma estrutura para o desenvolvimento e teste de algoritmos de rastreamento.
Detecção de Objetos por Radar 4D para Direção Autônoma em Várias Condições Climáticas
Aplicativo moderno de bússola e navegação FOSS sem anúncios, compras no aplicativo ou rastreamento
Odometria de fusão visual-inercial-roda, melhor desempenho em cenas com mudanças drásticas de luz
Perguntas Frequentes
Qual é o repositório de #sensor-fusion mais popular no GitHub?
O projeto de código aberto de #sensor-fusion mais bem classificado no GitHub é rlabbe/Kalman-and-Bayesian-Filters-in-Python, com 18,561 estrelas. Livro Filtro de Kalman usando Jupyter Notebook. Foca em construir intuição e experiência, não em provas formais. Inclui filtros de Kalman, filtros de Kalman estendidos, filtros de Kalman sem cheiro, filtros de partículas e mais. Todos os exercícios incluem soluções.
Quais linguagens de programação são mais usadas nos repositórios de #sensor-fusion?
Entre os projetos de #sensor-fusion mais bem classificados no GitHub, as linguagens de programação mais comuns são C++, Python, Jupyter Notebook, C.
Como é calculada a classificação dos repositórios de #sensor-fusion?
Acompanhamos 50 repositórios ativos de código aberto marcados com #sensor-fusion (com mais de 500 estrelas), totalizando 90,287 estrelas e uma média de 1,805 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.