压缩和解压 3D 几何网格与点云，显著减小 3D 图形体积，让存储和网络传输更省空间、更快。

Open3D 是一个现代 3D 数据处理库，提供点云、网格、RGB-D 和 3D 可视化等算法与工具，支持 C++ 和 Python，可用于 3D 感知、重建与机器学习研究。

开源的三维网格处理系统，支持网格编辑、简化、重建和点云处理，适合处理扫描或打印前的 3D 模型。

从多张照片重建三维场景的 C++ 工具，集成了运动恢复结构（SfM）和多视图立体（MVS），可输出相机位姿与稠密点云。

基于 PyTorch 的激光雷达 3D 目标检测工具箱，统一了 PointPillar、PV-RCNN 等主流点云检测模型的训练与评测流程，省去自己搭框架的麻烦。

跨平台桌面标注工具，支持文本、图像、视频、点云和多模态数据，内置 AI 模型辅助预标注，可导出多种格式。

3D Gaussian Splatting 的官方参考实现，用高斯点云做辐射场重建，实现实时可交互的逼真场景渲染。

浏览器里就能用的开源 3D 建筑设计软件，面向 AECO 行业，支持扫描转 BIM，还能通过 MCP 和 CLI 让 AI Agent 直接操作建模流程。

基于 PyTorch 的点云深度学习训练框架，集成 PointNet、KPConv、MinkowskiEngine 等主流模型，方便在 S3DIS、ScanNet 上做分割等任务。

快速且鲁棒的点云配准 C++ 库，支持 3D 重建、SLAM 和机器人场景下的点云对齐，能在大量外点下稳定求解配准。

开源的多视图立体视觉重建库，把稀疏点云补成稠密点云、网格和纹理模型，是三维重建流水线里做稠密重建的常用组件。

PointCNN 提出 X-变换卷积算子，直接在无序点云上做特征学习，可用于三维点云分类和分割，服务于自动驾驶、机器人等场景。

面向机器人与无人机的激光雷达-惯性-视觉紧耦合里程计，实时输出高精度位姿与彩色点云，支撑三维重建与SLAM。

轻量级 C++ 点云处理库，提供聚类、模型拟合、ICP 配准、凸包与三维可视化等算法，适合在 C++ 项目中直接集成点云处理能力。

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。

把 3D Gaussian Splatting 场景转换成稠密点云，方便后续做测量、编辑和点云处理，省去从零重建的麻烦。

面向多模态 AI 的嵌入式向量检索库，支持近似最近邻搜索和语义相似度检索，无需单独部署服务，帮开发者省去向量数据管理的麻烦。

面向 3D 激光雷达点云的快速地面分割算法，能在复杂场景下稳健剔除地面点，为后续检测与建图提供干净的非地面点云。

面向图像、视频、音频和 3D 数据的开源标注平台，支持 AI 辅助标注、质量校验、团队协作和开发者 API，适合构建计算机视觉数据集。

Open3D 的 3D 机器学习扩展，提供点云与 RGBD 数据的语义分割、目标检测等任务的训练与可视化工具，支持 PyTorch 和 TensorFlow。

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。

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。

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。

面向自动驾驶场景的 3D 目标检测开源实现，基于深度学习的点云与图像融合方法，可用于训练和评测车辆、行人等目标的立体检测模型。

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。

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。

ZED SDK 是 Stereolabs 为 ZED 立体相机提供的空间感知开发套件，支持实时深度估计、SLAM、点云和人体姿态估计，帮助快速搭建智能机器人与空间感知应用。

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。

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。

输入一张参考图和提示词，按指定相机轨迹生成可预览、可回放、可追溯的三维场景，并能在浏览器里直接查看彩色/深度动画和高斯点云。

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 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。

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。

把 Depth Anything V3 单目深度估计模型封装成 ROS2 节点，用 TensorRT 加速推理，从相机图像直接输出米制深度图和点云。

用 RANSAC 从点云中拟合平面、球、圆柱、长方体、圆和直线等 3D 基元，适合 LiDAR 与三维重建场景做形状检测和分割。

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。

把 NeRF 表示成输入点云的三角剖分，用光线追踪做三维重建，训练和渲染更快，适合从点云直接生成高质量新视角。

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。

用 Meta 的 Segment-Anything 模型对 LiDAR 点云做分割的 Python 包，省去自己搭建分割流程的麻烦。