#state-estimation Репозитории
Откройте для себя 26 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #state-estimation, с общим числом 54,955 звёзд (в среднем 2,113 на проект). Лидером этой темы является rlabbe/Kalman-and-Bayesian-Filters-in-Python, набравший 18,561 звёзд.
Всего репозиториев: 26
Книга по фильтру Калмана с использованием Jupyter Notebook. Фокусируется на развитии интуиции и опыта, а не на формальных доказательствах. Включает фильтры Калмана, расширенные фильтры Калмана, unscented фильтры Калмана, сглаживающие фильтры и многое другое. Все упражнения включают решения.
Надёжный и универсальный моноокулярный визуально-инерциальный оценщик состояния
Библиотека Python для фильтрации Калмана и оптимальной оценки. Реализует фильтр Калмана, фильтр частиц, расширенный фильтр Калмана, unscented фильтр Калмана, g-h (альфа-бета), метод наименьших квадратов, H-бесконечность, сглаживатели и многое другое. Имеет сопутствующую книгу 'Kalman and Bayesian Filters in Python'.
Соответствующий исходный код SLAM-технологий в автономном вождении
robot\_localization — это набор узлов нелинейной оценки состояния. Пакет был разработан компанией Charles River Analytics, Inc. Пожалуйста, задавайте вопросы на answers.ros.org.
Визуальная инерциальная одометрия с возможностями SLAM и генерацией 3D-сетки.
NMPC, WBC, оценка состояния и фреймворк sim2real для шагающих роботов на основе OCS2 и ros-controls
Удобное моделирование и анализ систем электроснабжения на основе PYPOWER и pandas
Репозиторий для учебника: Small Unmanned Aircraft: Theory and Practice, Рэнди Бирда и Тим Маклейн
Программные инструменты для проворных четвероногих роботов, разработанные лабораторией робомеханики Университета Карнеги-Меллона.
Стек fuse предоставляет общую архитектуру для выполнения слияния сенсоров в реальном времени на роботе. Возможные применения включают оценку состояния, локализацию, картирование и калибровку.
Эффективная и надежная инерциальная навигационная система с поддержкой нескольких датчиков и онлайн-калибровкой, способная объединять данные с IMU, камеры, LiDAR, GPS/GNSS и датчиков колес. Сценарии использования: VINS/VIO, GPS-INS, LINS/LIO, слияние данных с нескольких датчиков для локализации и построения карт (SLAM). Этот репозиторий также предоставляет симуляцию и данные нескольких датчиков.
Использование фильтра Калмана с состоянием ошибки для слияния данных IMU и GPS для локализации.
Проект программного обеспечения, предоставляющий сообществу по отслеживанию целей фреймворк для разработки и тестирования алгоритмов отслеживания.
Header-only библиотека фильтра Калмана без запаха на C++17 для оценки состояния и параметров
Часто задаваемые вопросы
Какой репозиторий по теме #state-estimation наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #state-estimation на GitHub — rlabbe/Kalman-and-Bayesian-Filters-in-Python, набравший 18,561 звёзд. Книга по фильтру Калмана с использованием Jupyter Notebook. Фокусируется на развитии интуиции и опыта, а не на формальных доказательствах. Включает фильтры Калмана, расширенные фильтры Калмана, unscented фильтры Калмана, сглаживающие фильтры и многое другое. Все упражнения включают решения.
Какие языки программирования чаще всего используются в репозиториях по теме #state-estimation?
Среди наиболее высоко оценённых проектов по теме #state-estimation на GitHub чаще всего используются языки программирования C++, Python, Jupyter Notebook, TeX.
Как рассчитывается рейтинг репозиториев по теме #state-estimation?
Мы отслеживаем 26 активных репозиториев с открытым исходным кодом, отмеченных тегом #state-estimation (500 и более звёзд), с общим числом 54,955 звёзд и в среднем 2,113 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.