#autonomous-vehicles 仓库
探索 51 个标记为 #autonomous-vehicles 的活跃开源 GitHub 仓库,它们累计获得 164,248 个 Star(平均每个项目 3,220 个)。该主题的领先项目是 AtsushiSakai/PythonRobotics,拥有 30,953 个 Star。
共 51 个仓库
AGV/AMR的运动规划和导航:A*, JPS, D*, LPA*, D* Lite, Theta*, RRT, RRT*, RRT-Connect, Informed RRT*, ACO, PSO, Voronoi, PID, LQR, MPC, DWA, APF, Pure Pursuit等ROS规划器插件实现。
通过亲手构建来学习自动驾驶:借助 Python 仿真和开放教材,让系统一步步成长。在同一系统中替换并比较定位、规划和控制算法。
一个演示Lidar相关AI解决方案的项目,包括三个GPU加速的Lidar/摄像头深度学习网络(PointPillars, CenterPoint, BEVFusion)以及相关的库(cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD)。
这个 Nvidia 论文的 TensorFlow 实现:https://arxiv.org/pdf/1604.07316.pdf 带有一些更改
[ICLR24] 论文“MagicDrive: Street View Generation with Diverse 3D Geometry Control”的官方实现
AGV/AMR的运动规划(路径规划和轨迹规划/跟踪):Dijkstra、A*、JPS、D*、LPA*、D* Lite、(Lazy)Theta*、RRT、RRT*、RRT-Connect、Informed RRT*、Voronoi、PID、DWA、APF、LQR、MPC、RPP、Bezier、Dubins等的Python实现。
一个高效且鲁棒的、具有在线校准功能的、能够融合 IMU、摄像头、LiDAR、GPS/GNSS 和轮式传感器的多传感器辅助惯性导航系统。用例:VINS/VIO、GPS-INS、LINS/LIO、用于定位和建图 (SLAM) 的多传感器融合。此存储库还提供多传感器模拟和数据。
国内首个占据栅格网络全栈课程《从BEV到Occupancy Network:算法原理与工程实践》,涵盖训练数据制作、模型训练和端侧部署。自动驾驶环视语义占据感知课程(文档、PPT和源代码)。在线课程主页:http://111.229.117.200:8100/(作者独立搭建)
一种数据规范,用于实现全球范围内移动出行公司与公共机构之间针对任何受监管、共享或机构车辆的路权监管、数字政策、地理围栏和双向通信。
IDS-ML代码:使用机器学习算法(决策树、随机森林、极端随机树、XGBoost、Stacking、K-Means、贝叶斯优化..)开发入侵检测系统
常见问题解答
GitHub 上最受欢迎的 #autonomous-vehicles 仓库是什么?
GitHub 上排名第一的开源 #autonomous-vehicles 项目是 AtsushiSakai/PythonRobotics,拥有 30,953 个 Star。机器人算法的 Python 示例代码和教科书。
#autonomous-vehicles 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #autonomous-vehicles 项目中,最常见的编程语言是 C++, Python, Jupyter Notebook, C。
#autonomous-vehicles 仓库的排名是如何计算的?
我们跟踪了 51 个标记为 #autonomous-vehicles 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 164,248 个 Star,平均每个仓库拥有 3,220 个 Star。排名每日根据 GitHub API 更新。