视觉与 3D
共 98 个仓库 · C++
C++ 编写的三维几何处理 SDK，提供网格布尔运算、修复、简化、重网格化、偏移、点云三角化和 ICP 配准，并带 Python、C#、C 和 JavaScript 绑定。
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。
基于 NVIDIA GPU 加速的 3D 场景重建工具，为 ROS2 机器人提供 Nav2 局部代价地图，让机器人在 Jetson 上实时构建三维环境并用于导航避障。
轻量级 C++17 单头文件库，用于读写 PLY 3D 网格格式，适合在图形和视觉项目里快速集成模型导入导出。
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。
无需实例或类别级 3D 模型，就能对未见过的物体做 6D 位姿跟踪，靠在线重建和特征匹配解决新物体操作中的定位问题。
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。
跨平台开源 3D 雕刻软件，支持高密度网格、重拓扑、贴图绘制，内置图/文生 3D 与高斯泼溅，可导出游戏级 LOD 并直发 Unreal。
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。
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。
实时 SLAM 系统，融合点、线特征、体素建图与 3D 无监督增量分割，适合需要边建图边分割的机器人或 AR 场景。
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。
用手机拍几秒视频就能实时重建可驱动的三维头部数字人，基于 instant-ngp 加速神经体积渲染，秒级完成建模。
基于 Vulkan 的 3D 高斯泼溅高级查看器，集成光栅化、光线追踪与网格着色器等多种渲染方式，用于实时可视化三维高斯场景。
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。
低成本手持式激光雷达-惯性-视觉融合 3D 传感器，为机器人和具身智能提供实时建图与三维重建能力。
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。