Navigation & SLAM

Open Source

ROS 2-Pakete zur Anbindung von Robotern und Steuerungen an Webots.

Forschung

Dichte visuelle Odometrie und SLAM

Forschung

Ein einheitliches Agentensystem für Allzweckroboter, das multimodale Wahrnehmung, Kartierung und Lokalisierung sowie autonome Mobilität und Manipulation mit intelligenter Interaktion mit Benutzern ermöglicht.

Forschung

VDO-SLAM: Ein visuelles, dynamisches, objektbewusstes SLAM-System

Open Source

Adaptive nicht-maximale Unterdrückung für räumliche Schlüsselpunktverteilung.

Open Source

Ein mit Sensoren ausgestattetes mobiles Robotermodell für mehrere Simulationsplattformen.

Open Source

CityWalker-Forschungscode zum Erlernen der verkörperten Stadtnavigation aus Videos.

Open Source

2. Voraussetzungen

Open Source

Markerbasierte simultane Lokalisierung und Kartierung für Roboter.

Forschung

Visuelle Navigationsforschung mit natürlicher multimodaler Unterstützung.

Open Source

Offizielles Repo von „Neighbor-view Enhanced Model for Vision and Language Navigation“

Open Source

Offizielle Umsetzung von „The Surprising Effectiveness of Visual Odometry Techniques for Embodied PointGoal Navigation“

Open Source

Topologisches semantisches Graphgedächtnis für die Bildzielnavigation (CoRL 2022 mündlich)

Forschung

Offizielles GitHub-Repository für den Artikel „Visual Graph Memory with Unsupervised Representation for Visual Navigation“, ICCV 2021

Open Source

📍PIN-SLAM: LiDAR SLAM unter Verwendung einer punktbasierten impliziten neuronalen Darstellung zur Erzielung globaler Kartenkonsistenz [TRO 24]

Open Source

Sparse dezentrales kollaboratives simultanes Lokalisierungs- und Kartierungs-Framework für Multi-Roboter-Systeme

Open Source

DynaVINS: Ein visuell-inertialer SLAM für dynamische Umgebungen

Open Source

Ein allgemeines simultanes Lokalisierungs- und Kartierungs-Framework, das merkmalsbasierte oder direkte Methoden und verschiedene Sensoren unterstützt, einschließlich monokularer Kameras, RGB-D-Sensoren oder anderer Eingabetypen, kann…

Forschung

Es handelt sich um einen Teil meiner Masterarbeit, bei dem es um die Berechnung des Absoluten Pose-Fehlers (APE) und des Relativen Pose-Fehlers (RPE) von Trajektorien geht, die aus zwei Umgebungen erfasst wurden: PySLAM und ORB-SLAM3

Open Source

Eine Spielzeugimplementierung von monocular SLAM, geschrieben während des Livestreamings

Open Source

gradslam ist eine Open-Source-SLAM-Bibliothek mit differenzierbarer Dichte für PyTorch

Forschung

vMAP: Vektorisierte Objektzuordnung für Neural Field SLAM

Forschung

DynaSLAM ist ein robustes SLAM-System in dynamischen Umgebungen für Monokular-, Stereo- und RGB-D-Setups

Open Source

Bundle-angepasster direkter RGB-D-SLAM