Startseite Projekte OpenCOOD
OpenCOOD
Python

OpenCOOD

[ICRA 2022] Ein Open-Source-Framework für kooperative Erkennung. Offizielle Implementierung für OPV2V.

von DerrickXuNu · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
autonomous-drivingcollaborative-perceptioncomputer-visionPython
Auf GitHub ansehen
In einfachen Worten

Verwenden Sie dieses Framework, um die Erkennung und das Verständnis der Umgebung durch selbstfahrende Autos zu verbessern.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
OpenCOOD — GitHub preview card
📈 Sternhistorie
825824
2026-07-202026-08-31
📈 OpenCOOD verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

[ICRA 2022] Ein Open-Source-Framework für kooperative Erkennung. Offizielle Implementierung für OPV2V.

OpenCOOD hat 824 Sterne auf GitHub. Es wurde 130-mal geforkt. OpenCOOD ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. Die Hauptthemen sind: autonomous-driving, collaborative-perception, computer-vision, deep-learning.

Frequently asked questions

Was ist OpenCOOD?

[ICRA 2022] Ein Open-Source-Framework für kooperative Erkennung. Offizielle Implementierung für OPV2V.

Ist OpenCOOD Open Source?

OpenCOOD ist ein Open-Source-Projekt.

Ist OpenCOOD kostenlos?

Ja. OpenCOOD ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist OpenCOOD geschrieben?

OpenCOOD ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — OpenCOOD

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=derrickxunu-opencood)](https://olud.ai/project/derrickxunu-opencood.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.