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 es un motor de renderizado y visor de nubes de puntos basado en web, diseñado para la visualización y análisis de datasets espaciales 3D masivos y escaneos LIDAR. Funciona como una herramienta de análisis geoespacial que permite la exploración interactiva de nubes de puntos de alta densidad directamente en un navegador web mediante WebGL. El sistema utiliza eye-dome lighting para mejorar la percepción de profundidad de estructuras 3D y soporta realidad virtual para una exploración espacial inmersiva. Proporciona capacidades especializadas para la documentación de escenas 3D mediante anotaciones jerárquicas y la creación de tours animados con cámaras en movimiento. La plataforma incluye herramientas para el análisis de datos geoespaciales, como mediciones de distancia y área, perfiles de elevación y la superposición de shapefiles y geopackages externos. Los usuarios pueden aislar características específicas mediante filtrado basado en atributos y aislamiento de volúmenes de recorte, mientras que las imágenes externas pueden alinearse y sincronizarse con la perspectiva de la nube de puntos. Potree emplea un formato binario preprocesado y una indexación espacial basada en octree para facilitar el streaming asíncrono de datos y el renderizado de nivel de detalle para datasets a gran escala.

Tixl es un motor de gráficos en movimiento basado en nodos y una herramienta de generación procedimental utilizada para crear geometría 3D y shaders. Utiliza un grafo acíclico dirigido de operadores y kernels de cómputo acelerados por GPU para generar formas 3D complejas, particularmente mediante el uso de funciones de distancia con signo (SDF) y simulaciones de partículas. El motor es altamente extensible mediante un framework de desarrollo en C# que admite recarga de código en caliente (hot code reloading), permitiendo inyectar lógica de operador personalizada en el runtime activo sin reiniciar. Se distingue además como controlador de iluminación, capaz de traducir atributos espaciales 3D y rotaciones a protocolos DMX y ArtNet para controlar equipos de escenario físicos. La plataforma cubre una amplia gama de capacidades, incluyendo visualización reactiva al audio mediante análisis FFT, animación por fotogramas clave y procedimental, y control externo en tiempo real mediante integración MIDI y OSC. Su pipeline de renderizado admite renderizado basado en física (PBR) y construcción de shaders personalizados, mientras que el entorno proporciona herramientas para projection mapping y despliegue de ejecutables independientes. El proyecto proporciona una CLI para construir aplicaciones y una superficie de desarrollo para crear extensiones en C#.

Muzic es una plataforma y framework de deep learning para el análisis, composición y síntesis de música impulsada por IA. Funciona como un framework de generación de música y herramienta de análisis, utilizando modelos de lenguaje grandes y agentes autónomos para orquestar la creación e interpretación de música simbólica y de audio. El proyecto se distingue por sus capacidades multimodales, mapeando el lenguaje natural y la música simbólica en un espacio de incrustación (embedding) conjunto compartido para clasificación zero-shot y recuperación de información. Emplea una variedad de arquitecturas especializadas, incluyendo frameworks de difusión para síntesis de audio, mecanismos de atención de grano dual para consistencia estructural de secuencias largas y un sistema híbrido que combina reglas de teoría musical con redes neuronales. La plataforma cubre una amplia gama de capacidades, incluyendo la generación de secuencias MIDI a partir de texto y letras, síntesis de voz cantada neuronal y transcripción automatizada de letras. También proporciona herramientas para el modelado de estructuras musicales, generación simbólica basada en atributos y la orquestación de herramientas musicales externas a través de agentes autónomos. Las utilidades de soporte incluyen pipelines de ingeniería de datos para la binarización de MIDI a gran escala, codificación de conjuntos de datos y procesamiento de señales de audio para la extracción de notas de melodía y alineación de voz a fonema.

Este proyecto es un framework basado en PyTorch de modelos de deep learning diseñado para la clasificación y segmentación semántica de datos de nubes de puntos 3D. Proporciona implementaciones de la arquitectura PointNet para realizar el etiquetado de categorías globales de objetos completos y la partición detallada de entornos 3D a gran escala. El sistema maneja la segmentación semántica a través de múltiples escalas, desde la identificación de componentes individuales dentro de un solo objeto hasta el etiquetado de tipos de categorías distintos dentro de escenas a gran escala. El framework incluye componentes estructurales para procesar conjuntos de puntos desordenados, como el muestreo de puntos más lejanos (farthest-point sampling), agrupamiento jerárquico de conjuntos de puntos y redes de agregación de conjuntos simétricos. También proporciona utilidades de preprocesamiento de datos offline y herramientas para generar archivos de objetos 3D para visualizar los resultados de la segmentación en software externo.

CloudCompare es una aplicación de software profesional para procesar y analizar nubes de puntos 3D y mallas poligonales. Funciona como una herramienta de análisis de mallas 3D y un visualizador de grandes conjuntos de datos diseñado para mostrar y gestionar millones de puntos en un entorno 3D. El software ofrece capacidades especializadas para la comparación de nubes de puntos, utilizando una estructura de octree optimizada para calcular diferencias espaciales entre dos conjuntos de datos 3D. Esto permite identificar variaciones y errores entre nubes de puntos o entre una nube de puntos y una malla. El sistema cubre áreas amplias de análisis de datos 3D, incluyendo el procesamiento de colecciones masivas de puntos y la evaluación geométrica de mallas 3D. Mantiene el rendimiento mediante un procesamiento eficiente de memoria y renderizado especializado para datasets masivos.

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