Awesome GitHub RepositoriesPoint Cloud

The Intel RealSense SDK is a software development kit providing drivers and libraries for interfacing with depth cameras to capture color, depth, and infrared data streams. It includes a depth camera driver for device discovery and sensor configuration, a stereo vision library for computing depth maps and aligning frames, and a 3D point cloud generator to transform depth and infrared frames into spatial representations. The SDK distinguishes itself through on-chip depth calculation and stereo calibration, using internal vision processors to reduce host CPU load. It supports hardware-level str

Draco is a library and toolset for compressing, transcoding, and decoding 3D geometric meshes and point cloud data. Its primary purpose is to reduce storage size and transmission bandwidth for 3D assets. The project includes a geometry optimizer specifically for glTF file containers to reduce asset footprints. It also features a hardened decoder designed to process malformed or untrusted 3D geometric data safely to prevent memory corruption and crashes. The software covers a broad range of 3D data processing capabilities, including geometric data reconstruction, point attribute management, a

mmcv is a foundation library for computer vision based on PyTorch. It provides a comprehensive system for constructing convolutional neural networks, a toolkit for image and video preprocessing, and a collection of high-performance deep learning vision operators. The project is distinguished by its hardware-accelerated kernels for complex operations such as deformable convolutions and region pooling. It features a configuration-driven framework that allows for the dynamic instantiation of network layers and the registration of custom modules without modifying code. The library covers a broad

MMDetection3D is an open-source toolbox for 3D perception, providing a unified framework for detecting and segmenting objects in three-dimensional environments. It supports a range of core tasks including monocular 3D object detection from single camera images, LiDAR-based 3D object detection from raw point clouds, and multi-modal fusion that combines camera images with LiDAR data. The toolbox also covers point cloud semantic segmentation, assigning class labels to every point in a scan for scene understanding. The project distinguishes itself through a config-driven pipeline that orchestrate

Potree ist eine webbasierte Point-Cloud-Rendering-Engine und ein Viewer für die Visualisierung und Analyse massiver 3D-Geodaten und LIDAR-Scans. Es fungiert als Tool für Geodatenanalyse, das die interaktive Erkundung hochdichter Punktwolken direkt im Webbrowser mittels WebGL ermöglicht. Das System nutzt Eye-Dome-Lighting zur Verbesserung der Tiefenwahrnehmung von 3D-Strukturen und unterstützt Virtual Reality für immersive räumliche Erkundungen. Es bietet spezialisierte Funktionen für die Dokumentation von 3D-Szenen durch hierarchische Annotationen und die Erstellung animierter Kamera-Fly-Through-Touren. Die Plattform enthält Tools für die Geodatenanalyse, wie z. B. Messungen von Abständen und Flächen, Höhenprofilierung sowie das Overlay externer Shapefiles und Geopackages. Benutzer können spezifische Features durch attributbasiertes Filtern und Clipping-Volume-Isolation isolieren, während externe Bilder mit der Punktwolken-Perspektive ausgerichtet und synchronisiert werden können. Potree verwendet ein vorverarbeitetes Binärformat und eine Octree-basierte räumliche Indizierung, um asynchrones Daten-Streaming und Level-of-Detail-Rendering für groß angelegte Datensätze zu ermöglichen.

Tixl ist eine Node-basierte Motion-Graphics-Engine und ein Tool zur prozeduralen Generierung, das zur Erstellung von 3D-Geometrie und Shadern verwendet wird. Es nutzt einen gerichteten azyklischen Graphen von Operatoren und GPU-beschleunigte Compute-Kernel, um komplexe 3D-Formen zu generieren, insbesondere durch die Verwendung von Signed-Distance-Functions und Partikelsimulationen. Die Engine ist über ein C#-Entwicklungsframework hochgradig erweiterbar, das Hot-Code-Reloading unterstützt, wodurch benutzerdefinierte Operator-Logik in die aktive Laufzeitumgebung injiziert werden kann, ohne diese neu zu starten. Sie zeichnet sich zudem als Lichtsteuerung aus, die in der Lage ist, räumliche 3D-Attribute und Rotationen in DMX- und ArtNet-Protokolle zu übersetzen, um physische Bühnenelemente anzusteuern. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich audio-reaktiver Visualisierung mittels FFT-Analyse, Keyframe- und prozeduraler Animation sowie Echtzeit-Steuerung von externen Geräten durch MIDI- und OSC-Integration. Die Rendering-Pipeline unterstützt physikalisch basiertes Rendering (PBR) und die Konstruktion benutzerdefinierter Shader, während die Umgebung Werkzeuge für Projection-Mapping und die Bereitstellung eigenständiger ausführbarer Dateien bietet. Das Projekt bietet ein CLI für das Erstellen von Anwendungen und eine Entwicklungsoberfläche für das Erstellen von C#-Erweiterungen.

Muzic ist eine Deep-Learning-Plattform und ein Framework für KI-gestützte Musikanalyse, Komposition und Synthese. Es fungiert als Musikgenerierungs-Framework und Analysetool, das große Sprachmodelle und autonome Agenten nutzt, um die Erstellung und Interpretation symbolischer und auditiver Musik zu orchestrieren. Das Projekt zeichnet sich durch seine cross-modale Fähigkeiten aus, bei denen natürliche Sprache und symbolische Musik in einen gemeinsamen Embedding-Raum für Zero-Shot-Klassifizierung und Informationsabruf abgebildet werden. Es verwendet eine Vielzahl spezialisierter Architekturen, einschließlich Diffusions-Frameworks für die Audiosynthese, Dual-Grain-Aufmerksamkeitsmechanismen für strukturelle Konsistenz bei langen Sequenzen und ein hybrides System, das musiktheoretische Regeln mit neuronalen Netzwerken kombiniert. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich der Generierung von MIDI-Sequenzen aus Text und Liedtexten, neuronaler Gesangssynthese und automatisierter Liedtext-Transkription. Sie bietet zudem Tools für die Modellierung von Musikstrukturen, attributbasierte symbolische Generierung und die Orchestrierung externer Musiktools über autonome Agenten. Unterstützende Dienstprogramme umfassen Data-Engineering-Pipelines für die MIDI-Binarisierung im großen Maßstab, Datensatz-Kodierung und Audiosignalverarbeitung für die Extraktion von Melodienoten und die Ausrichtung von Sprache zu Phonemen.

Dieses Projekt ist ein PyTorch-basiertes Framework für Deep-Learning-Modelle, das für die Klassifizierung und semantische Segmentierung von 3D-Punktwolkendaten entwickelt wurde. Es bietet Implementierungen der PointNet-Architektur, um globales Category-Labeling ganzer Objekte sowie detaillierte Partitionierungen großflächiger 3D-Umgebungen durchzuführen. Das System handhabt semantische Segmentierung über mehrere Skalen hinweg, von der Identifizierung einzelner Komponenten innerhalb eines Objekts bis hin zur Kennzeichnung unterschiedlicher Kategorietypen innerhalb großflächiger Szenen. Das Framework enthält strukturelle Komponenten für die Verarbeitung ungeordneter Punktmengen, wie Farthest-Point-Sampling, hierarchisches Point-Set-Grouping und symmetrische Set-Aggregation-Netzwerke. Es bietet zudem Offline-Daten-Preprocessing-Utilities und Tools zur Generierung von 3D-Objektdateien, um Segmentierungsergebnisse in externer Software zu visualisieren.

CloudCompare ist eine professionelle Softwareanwendung zur Verarbeitung und Analyse von 3D-Punktwolken und polygonalen Meshes. Sie fungiert als Tool zur 3D-Mesh-Analyse und als Visualisierer für große Datensätze, der darauf ausgelegt ist, Millionen von Punkten in einer 3D-Umgebung anzuzeigen und zu verwalten. Die Software bietet spezialisierte Funktionen für den Vergleich von Punktwolken und nutzt eine optimierte Octree-Struktur, um räumliche Unterschiede zwischen zwei 3D-Datensätzen zu berechnen. Dies ermöglicht die Identifizierung von Abweichungen und Fehlern zwischen Punktwolken oder zwischen einer Punktwolke und einem Mesh. Das System deckt breite Bereiche der 3D-Datenanalyse ab, einschließlich der Verarbeitung großskaliger Punktmengen und der geometrischen Auswertung von 3D-Meshes. Die Performance wird durch speichereffiziente Verarbeitung und spezialisiertes Rendering für massive Datensätze aufrechterhalten.

PointNet++ is a deep learning framework designed for processing and classifying 3D point cloud data. It utilizes a hierarchical feature learning architecture to extract geometric patterns from sampled 3D point sets. The framework implements a variety of 3D analysis tools, including a point cloud classifier for categorizing objects based on spatial coordinates and surface normals, a semantic scene segmenter for labeling surfaces in large-scale environments, and a tool for 3D object part segmentation. The system covers a broad range of capabilities including geometric feature extraction, 3D da

This is a structured deep learning curriculum for programmers, delivered as a collection of Jupyter notebooks. It teaches the fundamentals of training neural networks for computer vision, natural language processing, tabular data analysis, and collaborative filtering using PyTorch and the fastai library. The course is designed to be hands-on, guiding learners from building a training loop from scratch to fine-tuning pretrained models for a variety of practical tasks. The curriculum distinguishes itself by covering the full lifecycle of a deep learning project, from data preparation and augmen

A C++ & Python viewer for 3D data like meshes and point clouds

Point cloud importer & renderer for Unity

Entwine - point cloud organization for massive datasets

VeloView performs real-time visualization and easy processing of live captured 3D LiDAR data from Velodyne sensors (Alpha Prime™, Puck™, Ultra Puck™, Puck Hi-Res™, Alpha Puck™, Puck LITE™, HDL-32, HDL-64E). Runs on Windows, Linux and MacOS. This repository is a mirror of https://gitlab.kitware.com/LidarView/VeloView-Velodyne.

LidarView performs real-time reception, recording, visualization and processing of 3D LiDAR data. This repository is a mirror of https://gitlab.kitware.com/LidarView/lidarview.

Visualise your data in virtual reality with ImmersivePoints