#SLAM
slam_in_autonomous_driving
此项目提供自动驾驶SLAM技术的开源教程书籍和代码。内容涵盖惯性导航、组合导航、激光建图和定位等核心算法，包括误差状态卡尔曼滤波、预积分、ICP和NDT等经典SLAM算法的实现。书中提供简洁的数学推导和代码示例，并配有丰富数据集和动态演示，有助于深入理解自动驾驶中的SLAM技术。
Awesome-Implicit-NeRF-Robotics
这个项目汇集了神经隐式表示和NeRF在机器人领域的应用论文，涵盖物体姿态估计、SLAM、操作学习、物体重建、物理模拟和导航规划等方向。它为研究人员和工程师提供了解该交叉领域最新进展的综合资源。
Gaussian-SLAM
Gaussian-SLAM是一种创新的3D场景重建技术，将高斯散射与SLAM系统相结合。该技术能够准确映射环境，生成高质量纹理和细节，实现照片级真实的稠密重建效果。Gaussian-SLAM在Replica、TUM_RGBD、ScanNet等多个数据集上展示了优秀性能，为实时3D重建和增强现实应用开辟了新途径，是计算机视觉和机器人领域的重要进展。
lidar-slam-detection
LSD是一个面向自动驾驶和机器人的开源感知系统架构。它支持多种传感器集成,提供便捷的标定工具,实现软件时间同步及数据记录回放。系统集成了基于体素3D-CNN的点云目标检测、跟踪和预测功能,以及基于GICP、FLOAM和FastLIO的前端里程计算法和基于G2O的后端优化。LSD还包含基于Web的交互式地图编辑工具,并可与ROS系统对接。作为一个功能完备的感知方案,LSD为自动驾驶和机器人应用提供了坚实的技术基础。
PythonRobotics
PythonRobotics汇集了多种机器人算法的Python实现,包括定位、导航、SLAM和路径规划等领域的经典算法。项目代码易于理解,实用性强,依赖性低,适合学习和实践机器人算法。它提供了丰富的文档和动画演示,可作为开发机器人应用的参考资源。