视觉定位 / SLAM
视觉里程计与建图。
用 Python 实现机器人算法的示例代码与配套教材，覆盖定位、建图、路径规划、控制等模块，适合边跑可视化动画边学自动驾驶与自主导航。
开源扫地机器人项目，用 ESP32、树莓派和激光雷达搭建可 DIY 的自主清扫机器人，支持 SLAM 建图与 Home Assistant 接入。
开源视觉、视觉惯性与多地图 SLAM 库，支持单目、双目、RGB-D 相机，在室内外场景提供高精度实时定位与建图。
RTAB-Map 是一套基于外观的 SLAM 库和独立应用，支持视觉与 3D 激光建图、定位和回环检测，可在 ROS、Android、iOS 等平台运行。
C++ 图优化通用框架，把 SLAM 和视觉定位里的位姿估计建模成图，用非线性最小二乘求解，是后端优化的经典基础设施。
面向自主无人机的开源软件栈，集成 PX4、MAVROS、Gazebo 仿真与视觉 SLAM，帮开发者快速搭建无人机定位、控制与仿真验证环境。
基于 MASt3R 三维重建先验的实时稠密 SLAM 系统，能在单目视频流中同步完成相机位姿估计与稠密三维重建，适合机器人和 AR 场景。
开源视觉惯性导航研究平台，提供 MSCKF 与 EKF 定位、传感器标定和 VIO 算法实现，方便机器人研究者做 SLAM 与状态估计实验。
一份精选的机器人软件与库清单，覆盖运动规划、多体动力学、仿真、SLAM 等方向，帮开发者快速找到合适的机器人开发组件。
用 ROS 2 和 Gazebo 仿真带你动手入门机器人开发，覆盖导航、里程计、路径规划与 SLAM 等核心环节。
一套开箱即用的 LiDAR 里程计与建图管线，基于点到点 ICP 实现，无需调参即可在机器人上稳定运行，支持 ROS/ROS2。
从视频中估计相机位姿、深度和相机内参的 3D 感知引擎，为几何三维重建与空间理解提供基础数据。
一套面向移动机器人和自动驾驶的 C++ 工具库，提供 SLAM、计算机视觉、地图构建、粒子滤波和运动估计等模块，省去从零搭建底层算法。
TurtleBot3 的 ROS 功能包集合，提供移动机器人导航、SLAM 建图与 Gazebo 仿真支持，适合做机器人教学和算法验证。
基于视觉惯性里程计的实时 SLAM 系统，能在 CPU 上完成定位、建图并生成三维网格，适合机器人与状态估计场景。
实时稠密视觉 SLAM 系统，用 RGB-D 相机在线重建房间级三维场景，适合做实时建图与稠密重建研究。
基于点云的 3D 定位与建图框架，支持 LiDAR、IMU 和 GPU 加速，可在 ROS/ROS2 下做 SLAM 与全局定位。
轻量级 C++11 纯头文件李群李代数库，为机器人、SLAM 和计算机视觉提供 2D/3D 位姿与几何运算支持。
一份面向 2026 年的视觉 SLAM 学习路线图，把计算机视觉、深度学习、RGB-D、VIO 等知识按阶段串成清晰的学习路径，帮新手系统入门并成长为视觉 SLAM 开发者。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
MATLAB 机器人学工具箱，提供机械臂与移动机器人的运动学、雅可比、刚体动力学、轨迹规划、卡尔曼滤波和 SLAM 等算法实现，方便在 MATLAB 里快速建模与仿真机器人系统。
实时鲁棒的激光雷达-惯性测量单元初始化方法，为 LiDAR-惯性 SLAM 系统提供高精度外参标定与初始状态估计，解决启动阶段对齐不准的问题。
基于 NVIDIA cuVSLAM 加速的 ROS 视觉 SLAM 与里程计包，在 Jetson 和 GPU 上实时完成机器人定位与建图。
一份激光雷达资源大全，汇总厂商、数据集、点云处理算法、框架和仿真器，方便自动驾驶和 SLAM 开发者快速找到所需工具。
AirSLAM 是面向视觉定位的 SLAM 系统，融合 SuperPoint 与 SuperGlue 做特征提取和匹配，为机器人在未知环境中提供实时位姿估计与建图。
基于 VGGT 的稠密 RGB SLAM 系统，在 SL(4) 流形上做位姿优化，用纯视觉输入实现稠密建图与定位。
轻量级 LiDAR-惯性里程计算法，用由粗到细的连续时间轨迹构建做精确运动校正，为机器人和 SLAM 提供实时定位与建图。
🔥SLAM, VIsual localization, keypoint detection, Image matching, Pose/Object tracking, Depth/Disparity/Flow Estimation, 3D-graphic, etc. related papers and code
紧耦合多传感器融合 SLAM 框架，在传感器退化与时空扰动下仍能稳定运行，适合机器人和自动驾驶的定位建图。
基于 LIO-SAM 改造的激光惯性 SLAM 方案，支持 6 轴 IMU 和 GNSS 融合，解决低成本 6 轴 IMU 无法直接跑原版 LIO-SAM 的问题。
快速、鲁棒且可扩展的点云配准库，支持 LiDAR、RGB-D 等 3D 数据，并提供 ROS2 SLAM 示例，用于解决三维建图与定位中的配准问题。
基于 FAST-LIO2 扩展的激光 SLAM 系统，集成动态点去除、多会话建图、对象级更新与在线重定位，面向真实场景的长期建图与定位。
汇总动态场景下 SLAM 与终身建图的研究资源，覆盖激光、视觉和多传感器融合方案，方便快速跟进相关论文与代码。
面向 LiDAR 里程计的鲁棒 ICP 算法，专门解决走廊、隧道等几何退化场景下位姿估计失准的问题，是 IEEE RA-L 2025 的 SOTA 方案。
以惯性导航为核心的实时 GNSS-视觉-惯性融合定位系统，在 GNSS 信号遮挡或退化场景下仍能保持稳健的位姿估计，适合城市峡谷和户外机器人导航。
一个不依赖传感器专门建模的鲁棒 LiDAR-惯性里程计，直接融合激光雷达与 IMU 数据估计位姿并建图，适合机器人 SLAM 场景。
基于 Open3D 的 C++ 点云图优化 SLAM 系统，为机器人提供激光雷达建图与定位能力，可接入 ROS 使用。
用点式隐式神经表示做 LiDAR SLAM，在保持全局地图一致性的同时完成定位与建图，适合机器人和 3D 建图场景。
基于 LIO-SAM 搭建的机器人重定位系统，能让机器人在已建好的点云地图上快速确定自身位姿，解决开机或丢失定位后的找回问题。
面向 AR/VR 的视觉惯性 SLAM 工具箱与基准测试，提供可直接运行的 VIO/SLAM 实现和评测流程，方便对比算法效果。
一套统一的视觉 SLAM 评测框架，把主流 VSLAM 系统和公开数据集整合到同一套流程里，省去逐个配置环境、跑对比实验的麻烦。
用深度学习和传统手工特征做多视图图像匹配，为 COLMAP 等 SfM 软件提供高质量匹配结果，支持高分辨率图像和带旋转的图像，提供命令行和图形界面。
把 Webots 机器人仿真器和 ROS 2 打通的官方软件包，提供示例、定位、导航、SLAM 和运动规划接口，方便在仿真里快速搭建和调试机器人程序。
开箱即用的 LiDAR SLAM 系统，用 Python 实现，能直接完成激光雷达建图与定位，省去繁琐配置。
基于 ImGui 和 OpenGL 的 3D 可视化库，方便快速搭建点云、SLAM 和定位算法的原型调试界面。
TurtleBot3 的 Gazebo 仿真环境，提供移动机器人导航、SLAM 和感知算法的开发与测试平台，无需真机即可验证 ROS 程序。
用 C++ 实现的快速 LiDAR SLAM，从激光雷达点云做里程计与建图，适合机器人、自动驾驶的实时定位需求。
整理基于 ROS 的移动机器人学习资源清单，覆盖 SLAM、里程计、导航与操作等方向，方便快速找到入门和进阶资料。
把 Stereolabs ZED 双目相机接入 ROS 的官方封装包，提供图像、深度、位姿和点云等话题，方便在机器人系统里做立体视觉与 SLAM 开发。
MapEval 是一个统一的 SLAM 建图评估框架，用点云配准和 Wasserstein 距离等指标，稳健高效地给激光点云地图打分，方便做 SLAM 基准对比。
基于点、线、面特征的稀疏视觉 SLAM 系统，支持单目、RGB-D 和双目相机，在保持建图与定位精度的同时提升效率。
SuperVINS 是面向弱光、低纹理等恶劣成像条件的实时视觉惯性 SLAM 框架，把深度学习特征点融入传统 VINS 流程，提升跟踪鲁棒性。
面向无人机集群的去中心化激光雷达惯性里程计，让多机在无中心节点的情况下高效完成协同定位与建图。
低成本地面机器人 SLAM 系统，融合多传感器，在弱纹理、剧烈运动等极端场景下仍能稳定定位建图。
面向动态环境的视觉惯性 SLAM 系统，能在场景中存在移动物体时稳定完成定位与建图，适合机器人在人群或杂乱环境中使用。
基于 ROS 2 的紧耦合激光雷达惯性 SLAM 包，融合 NDT/GICP 点云配准与 IMU 数据，用于机器人在复杂环境中的实时定位与建图。
轻量级卡尔曼滤波 Python 库，用于视觉定位、里程计和 SLAM 中的状态估计与传感器数据融合。
SLAM 课程配套的代码练习集，用 C++ 和 Python 实现视觉定位与建图的核心算法，适合边学理论边动手跑通完整流程。
面向动态足式机器人的多传感器里程计，融合腿部运动学、IMU 与激光雷达，在剧烈运动和高动态场景下提供稳健的定位与建图。
给 GTSAM 补上点云 SLAM 所需的因子和优化器，涵盖配准、建图、定位与连续时间轨迹估计，支持 CUDA 加速。