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。
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 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。
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。
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。
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。
模块化 C++ SLAM 框架，支持激光雷达、视觉与图优化，用于移动机器人的定位与建图。
仅用激光雷达或激光-惯性融合的高鲁棒、高精度里程计，为机器人和自动驾驶提供可靠定位与建图，应对退化场景和传感器不确定性。
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。
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。
面向城市峡谷等复杂场景的多传感器数据集，包含激光雷达、相机等全套传感器数据，用于自动驾驶的建图与定位算法评测。
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。
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。
异步多激光雷达惯性里程计，通过逐点跨雷达不确定性传播，融合多个不同步的 LiDAR 数据，实现更鲁棒的 SLAM 定位与建图。
汇总 NeRF 与 3D Gaussian Splatting 在 SLAM 和机器人领域的论文、视频与代码，方便快速跟进隐式表示与三维重建的同步定位建图研究。