视觉与 3D
共 370 个仓库 · 一年内有推送
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。
单张图片一次前向即可重建画面中多人的 SMPL-X 三维人体网格与姿态，提供 PyTorch 推理代码和预训练模型，适合做多人姿态估计与人体重建的落地验证。
面向 ROS 1/2 的实时 3D 激光雷达障碍物检测工具，集地面分割、聚类、跟踪与轨迹预测于一体，单核 CPU 约 10ms 处理一帧，可选 TensorRT 加速的 CenterPoint。
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。
无需训练即可从视频中恢复人体网格模型，结合 SAM-3、Diffusion-VAS 和 SAM-3D-Body 实现 4D 人体重建，适合快速做视频人体建模。
HUGS 用高斯泼溅从单目视频重建可动画的人体三维模型，能同时还原人体和场景，方便做数字人渲染。
ScanNet++ 是一个高保真 3D 室内场景数据集，提供配套工具，支撑三维重建、语义与实例分割、新视角合成等研究。
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。
封装 MeshFix 的 Python 库，能自动修补三角网格表面的孔洞和缺陷，适合 3D 重建后处理。
从图像生成带物理属性的三维资产，让模型产出的 3D 物体不仅外形逼真，还具备质量、材质等可供仿真使用的物理参数。
汇总 Transformer 在视觉目标跟踪任务中的论文清单，覆盖 CVPR、ECCV、ICCV、NeurIPS 等顶会工作，方便快速跟进该方向的研究进展。
把 SAM 的分割能力扩展到任意分割任务的多模态大模型，支持文本指令驱动的通用图像分割。
LViT 把文本描述引入视觉 Transformer，做医学图像分割，用语言信息弥补标注数据不足，提升分割精度。
从动态相机拍摄的视频中恢复人体网格，能处理遮挡和全局轨迹，适合做人体动作捕捉与三维重建研究。
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。
给四足和人形机器人用的模块化开源大脑，带 Web 界面做遥操作、自主导航、建图和监控，配套可 3D 打印硬件，跑在 ROS2 上。
用 SfM 引导的单目深度估计做多视角三维重建，把稀疏重建的相机位姿和单目深度先验结合起来，提升复杂场景下的重建精度。
面向户外机器人的 ROS 2 定位模块，用 23 状态 UKF 以 100 Hz 融合 IMU、轮速计和 GPS；定位出错时能指出是哪个传感器、为什么出错，而不是悄悄漂移。
用 ArUco 标记做视觉 SLAM 的 C++ 实现，通过扩展卡尔曼滤波融合观测来估计相机位姿和路标位置，适合移动机器人定位与导航。
用单张图片自监督重建三维场景，基于神经辐射场实现新视角合成与深度估计，无需三维标注数据。
OmniVGGT 是 CVPR 2026 提出的多模态视觉几何 Transformer，把图像、深度、点云等不同模态统一进一个空间基础模型，用来做 3D 重建和几何理解。
用生成模型合成带标注的肝脏肿瘤 CT 图像，无需人工标注即可训练分割模型，缓解医学影像标注成本高的问题。
基于 YOLOv8、PyTorch 和 OpenCV 实现目标检测与多目标跟踪，可直接跑通视频流中的实时追踪，省去自己拼装检测器和跟踪器的麻烦。
追踪 arXiv 上 3D 高斯泼溅（Gaussian Splatting）最新研究进展的精选列表，每日自动更新，帮研究者快速跟进三维重建与渲染的前沿论文。