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。

用 Python 评估里程计和 SLAM 轨迹精度，支持 EuRoC、KITTI 等数据集，输出 ATE、RPE 等指标并可视化对比。

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。

用 ROS 2 和 Gazebo 仿真带你动手入门机器人开发，覆盖导航、里程计、路径规划与 SLAM 等核心环节。

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。

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。

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。

紧耦合的稀疏直接法激光雷达-惯性-视觉里程计，为机器人和自动驾驶提供快速、高精度的实时位姿估计与三维建图。

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。

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。

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。

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。

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。

面向 LiDAR 里程计的鲁棒 ICP 算法，专门解决走廊、隧道等几何退化场景下位姿估计失准的问题，是 IEEE RA-L 2025 的 SOTA 方案。

轻量级卡尔曼滤波 Python 库，用于视觉定位、里程计和 SLAM 中的状态估计与传感器数据融合。

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。

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。

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。

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。

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。

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。

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。

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。

面向所有人的 3D 视觉入门教程，用 OpenCV 和 CMake 带你动手实现相机标定、图像校正、视觉里程计、视觉 SLAM 与三维重建等几何视觉核心算法。

一份面向 2026 年的视觉 SLAM 学习路线图，把计算机视觉、深度学习、RGB-D、VIO 等知识按阶段串成清晰的学习路径，帮新手系统入门并成长为视觉 SLAM 开发者。

整理基于 ROS 的移动机器人学习资源清单，覆盖 SLAM、里程计、导航与操作等方向，方便快速找到入门和进阶资料。