Início› Projetos› lidar-slam-detection
lidar-slam-detection

lidar-slam-detection

por w111liang222 · GitHub

LSD (LiDAR SLAM & Detecção) é uma arquitetura de percepção de código aberto para veículos/robôs autônomos

# autonomous-driving# calibration# deep-learning# detection# lidar
Ver no GitHub
Em palavras simples

Use esta ferramenta de código aberto para ajudar veículos autônomos e robôs a entenderem seu ambiente com vários sensores.

⭐ Estrelas
760
🍴 Forks
156
🔥 Tendências
+3 esta semana
📜 Licença
Apache-2.0
Uso comercial permitido
📅 Criado
2023
🔄 Último commit
1 yr ago
🏷️ Categoria
autonomous-driving
💻 Linguagem
C++
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
lidar-slam-detection — GitHub preview card
📈 Histórico de estrelas
760757
2026-07-202026-07-29
📈 Acompanhe lidar-slam-detection

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

LSD (LiDAR SLAM & Detecção) é uma arquitetura de percepção de código aberto para veículos/robôs autônomos

lidar-slam-detection tem 760 estrelas no GitHub. Foi bifurcado 156 vezes. lidar-slam-detection é escrito principalmente em C++. Está em desenvolvimento ativo desde 2023. lidar-slam-detection está disponível sob a licença Apache-2.0. Os seus principais temas são: autonomous-driving, calibration, deep-learning, detection.

❓ Frequently asked questions

O que é lidar-slam-detection?

LSD (LiDAR SLAM & Detecção) é uma arquitetura de percepção de código aberto para veículos/robôs autônomos

lidar-slam-detection é de código aberto?

lidar-slam-detection é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

lidar-slam-detection é gratuito?

Sim. lidar-slam-detection é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está lidar-slam-detection?

lidar-slam-detection está disponível sob a licença Apache-2.0.

Em que linguagem lidar-slam-detection está escrito?

lidar-slam-detection é escrito principalmente em C++.

🏅 Mantenedor deste projeto?
olud.ai badge — lidar-slam-detection

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=w111liang222-lidar-slam-detection)](https://olud.ai/project/w111liang222-lidar-slam-detection.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
kiss-slam
Um sistema LiDAR SLAM que simplesmente funciona
★ 527 · lidar
partilhaperceptionmapping
M-LOAM
Odometria e Mapeamento Robustos para Sistemas Multi-LiDAR com Calibração Extrínseca Online
★ 518 · calibration
partilhacalibrationlidar
Awesome_Dynamic_SLAM
SLAM Dinâmico, Pesquisa de SLAM ao Longo da Vida (Lidar, Visual, Fusão de Sensores etc.)
★ 707 · lidar
partilhamappinglidar
AutonomousVehicleControlBeginnersGuide
Códigos de amostra em Python e documentos sobre o algoritmo de controle de veículos autônomos.…
★ 1.6k · algorithm
partilhacalibrationperception
open3d_slam
SLAM baseado em nuvem de pontos escrito em C++ usando a biblioteca open3D.
★ 624 · cpp
partilhapointcloudmapping
loam_velodyne
Odometria a Laser e Mapeamento (Loam) é um método em tempo real para estimativa de estado e map…
★ 1.8k · 3d
partilhapointcloudmapping
icp_localization
Este pacote fornece localização em um mapa pré-construído usando ICP e odometria (ou as mediçõe…
★ 353 · icp
partilhamappinglidar
ssl_slam2
SSL_SLAM2: Localização e Mapeamento 3-D Leve para LiDAR de Estado Sólido (mapeamento e localiza…
★ 367 · lidar
partilhalidarslam
SensorsCalibration
OpenCalib: Uma caixa de ferramentas de calibração multi-sensor para direção autônoma
★ 3.2k · autonomous-driving
partilhacalibrationautonomous-driving
awesome-radar-perception
Uma lista selecionada de conjuntos de dados de radar, detecção, rastreamento e fusão
★ 1.9k · autonomous-driving
partilhadetectionslam

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.