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。

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。

用 Rust 实现的 3D 重建与高斯泼溅训练工具，让普通显卡也能跑三维重建，降低使用门槛。

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。

一条命令就能从 Google 图片批量抓取几百张图片，支持按颜色、尺寸等条件筛选，适合快速搭建图像数据集。

Zipkin 是一个分布式追踪系统，用于收集和查看微服务间的调用链路与耗时，帮助定位跨服务延迟和故障。

给 AI Agent 提供持久化长期记忆的开源平台，用小型模型即可免费搭建，解决智能体跨会话记不住上下文的问题。

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。

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。

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。

实时紧耦合激光雷达-惯性-视觉里程计与建图系统，输出带RGB颜色的稠密点云和网格，适合无人机、机器人在复杂场景下做鲁棒SLAM与三维重建。

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。

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。

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。

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。

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。

面向融合位姿估计与建图算法开发验证的开放驾驶数据集，提供真实道路采集的传感器数据，适合做 SLAM 和定位研究。

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。

用地图先验做零漂移点云建图，把激光雷达采集的点云对齐到已有地图上，解决长距离建图累积误差的问题。

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。

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。

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。

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。

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。

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。

vMAP 是 CVPR 2023 提出的神经场 SLAM 系统，用向量化对象建图实现实时 RGB-D 稠密重建，无需逐场景训练即可完成三维重建。

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。

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。

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。

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。

仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。

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。

从稀疏或带噪声的点云重建高质量三维表面，基于神经核场方法，适合三维重建与图形学研究。

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。

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 2D 高斯泼溅做激光雷达里程计与建图，同步完成位姿估计和可渲染的网格重建，适合自动驾驶与机器人三维场景建模。