PointTransformerV3是一个创新的点云处理框架，在多个基准测试中展现出卓越性能。该项目优化了模型结构，提升了运行速度和处理能力。它适用于室内外场景的语义分割，通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。

Patchwork++是Patchwork算法的改进版，专注于3D点云地面分割。该算法具有快速、稳健和自适应特性，有效解决了欠分割问题。项目提供C++、Python和ROS2支持，适用于多种开发环境。凭借在多个数据集上的出色表现，Patchwork++成为自动驾驶和机器人导航领域的重要工具。

MMDetection3D是OpenMMLab项目开发的开源3D目标检测框架，基于PyTorch构建。它支持多模态和单模态检测器，适用于室内外3D检测数据集，可与2D检测无缝集成。该框架提供300多种预训练模型、40多种算法实现，以及MMDetection全部功能模块。MMDetection3D不仅可用于研究，还可作为库支持各类3D检测应用开发。

ILCC是一个开源项目，提供基于激光反射强度的3D激光雷达和相机自动外参标定方法。项目功能包括点云分割、棋盘格检测、角点提取和外参优化，支持多种激光雷达型号。ILCC适用于全景和单目相机标定，提供3D点云可视化工具。项目附有使用说明和示例数据，便于研究人员使用。

这是一个开源的相机与激光雷达自动校准工具,通过优化样本选择简化校准流程。它克服了基于目标校准的局限性,可获得适合整个场景的参数估计及不确定性。工具提供硬件设置、配置、数据采集和结果评估的使用说明,支持ROS Melodic环境。

SparseTransformer (SpTr)是一个PyTorch库，专门用于实现可变长度稀疏Transformer，主要应用于3D点云数据处理。该库具有快速、内存高效和易用的特点，支持窗口Transformer等技术。SpTr已在多个计算机视觉研究中应用，包括LiDAR的球形Transformer和3D点云分割的分层Transformer。它能够轻松集成到基于Transformer的3D点云网络中，仅需少量修改即可使用。

SAM3D项目将Segment Anything技术扩展到3D感知领域，通过将2D图像分割信息转移到3D空间，为3D场景理解提供新思路。该项目结合SAM生成掩码、点云合并和区域合并等技术，实现2D到3D的有效转换。SAM3D不仅拓展了计算机视觉的应用范围，也为3D场景分析和理解开辟了新的研究方向。