视觉与 3D
共 98 个仓库 · C++
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。
Patchwork++ 的 ROS/ROS2 封装，用于激光雷达点云的快速地面分割与地面点剔除，方便直接接入机器人感知流程。
一套用 C++ 上手和实验 SLAM 的工具集，涵盖特征匹配、因子图优化、回环检测与三维可视化，方便快速搭建和调试视觉 SLAM 原型。
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。
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。
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。
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。
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。
基于 3D LiDAR 扫描的图表示，把地面和地面上可通行区域与障碍物分割开，用于机器人导航中的可通行性判断。
面向动态环境的视觉 SLAM 框架，能同时估计相机里程计、静态地图以及场景中运动物体的位姿与结构，解决传统 SLAM 在动态场景下定位漂移的问题。
把 YOLO11 的检测、姿态估计、分割和跟踪模型用 TensorRT v8.0+ 部署到 C++ 和 Python 接口，省去自己写推理代码的麻烦。
把 ZED 立体相机接入 ROS 2 的官方封装包，提供深度、点云、视觉里程计、SLAM 和人体骨骼跟踪等话题与节点，方便机器人项目直接调用。
基于动态高斯泼溅的高保真导航仿真器，为具身导航和视觉语言导航研究提供逼真的三维场景与动态人体渲染。
把 YOLOX 目标检测封装成 ROS2 节点，支持 ONNX Runtime、OpenVINO、TensorRT、TFLite 等多种推理后端，方便机器人项目直接接入实时检测。
Pronto 是面向足式机器人的状态估计库，提供核心算法、ROS 封装和消息定义，帮助四足、双足机器人在行走中实时估计自身位姿与运动状态。
港大开源的基于事件相机的视觉里程计、视觉惯性里程计与SLAM数据集，为事件相机在机器人和SLAM研究中的算法评测提供标准化数据。
基于 GStreamer 和 TensorRT 的 GPU 加速实时视频与多传感器分析 SDK，可在边缘、本地和云端搭建多路视频 AI 推理流水线。
MIT-Princeton 开源的 Amazon Picking Challenge 2016 视觉工具箱，用 RGB-D 卷积网络做物体分割和 6D 位姿估计，帮机器人完成抓取任务。
用 YOLOv8 做检测、ByteTrack 做跟踪的目标跟踪工程，通过 C++ 和 TensorRT 加速推理，适合需要实时多目标跟踪的部署场景。
用 C++ 实现的高斯点泼溅渲染方案，把 3D 高斯点直接投影成图像，为实时三维重建和新视角合成提供高效渲染路径。