Awesome GitHub RepositoriesNon-Linear State Estimation

This project is a collection of supervised and unsupervised machine learning algorithms implemented from scratch using Python. It serves as an educational resource for studying model training, parameter optimization, and the implementation of core predictive models. The library provides a variety of supervised learning tools, including linear and logistic regression, decision trees, and support vector machines. It also features unsupervised learning capabilities for discovering patterns in unlabeled datasets through clustering algorithms. Broad capability areas include ensemble learning thro

This is a Python machine learning library featuring a collection of core algorithms implemented from scratch to demonstrate foundational AI concepts. It provides a comprehensive toolkit for supervised learning, unsupervised learning, and neural network development. The project is distinguished by its custom implementation of a neural network framework, which includes multi-layer perceptrons with backpropagation, gradient descent, and weight regularization. It also includes a specialized anomaly detection toolkit that identifies outliers and rare events using Gaussian probability distributions

Este es un plan de estudios educativo integral diseñado para enseñar los fundamentos del aprendizaje automático utilizando el lenguaje de programación Python. Proporciona un curso estructurado que cubre la implementación y la teoría del aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje profundo. El plan de estudios se imparte a través de notebooks interactivos que combinan código ejecutable con tutoriales técnicos. Incluye guías dedicadas para construir arquitecturas de redes neuronales, implementar modelos de clasificación y regresión, y utilizar técnicas de clustering para el descubrimiento de patrones en datos no etiquetados. Los materiales cubren el flujo de trabajo completo de aprendizaje automático, incluyendo el preprocesamiento de datos y la codificación categórica, el entrenamiento de modelos y el ajuste de hiperparámetros, y la evaluación del rendimiento. También cuenta con herramientas para visualizar el comportamiento del modelo, como el trazado de límites de decisión y diagramas de árboles de decisión.

VINS-Mono es un sistema de odometría visual-inercial monocular y un framework SLAM de cierre de bucle. Funciona como un estimador de estado en tiempo real que fusiona datos de una sola cámara y una unidad de medición inercial para determinar la posición y orientación de un robot. El proyecto incluye un optimizador no lineal para robótica y herramientas para la calibración de sensores. El sistema se distingue por la calibración de sensores en línea, que determina automáticamente las extrínsecas espaciales y los desfases temporales entre la cámara y la unidad inercial durante la operación. También incorpora corrección de distorsión de obturador rodante (rolling shutter) para eliminar distorsiones de imagen causadas por los tiempos de lectura del sensor. El proyecto cubre una amplia gama de capacidades de estimación espacial, incluyendo optimización de ventana deslizante, acoplamiento visual-inercial estrecho y optimización de grafo de poses para la corrección de deriva. Proporciona mecanismos para la detección de cierre de bucle, gestión de mapas espaciales y recuperación ante fallos de seguimiento. El proyecto admite el despliegue en contenedores para garantizar compilaciones y comportamientos consistentes en diferentes sistemas operativos.

Natron es un software de composición de video y gráficos en movimiento basado en nodos de código abierto. Funciona como una herramienta de efectos visuales que combina imágenes y video utilizando un grafo de nodos y una canalización de color lineal para crear efectos complejos y extensiones de set. El software incluye una suite de seguimiento de movimiento 2D para estabilizar metraje y rastrear el movimiento de píxeles a través de fotogramas. Es un entorno programable en Python, lo que permite una automatización personalizada y extensiones de interfaz de usuario a través de un intérprete de Python integrado. La plataforma proporciona una gama completa de capacidades de composición, incluyendo chroma keying, rotoscopia y procesamiento de imágenes multicanal. Soporta animación basada en fotogramas clave con editores de curvas y ofrece un motor de renderizado headless para procesamiento por lotes a través de una interfaz de línea de comandos. El rendimiento se gestiona a través de un motor de renderizado multihilo y un sistema de vista previa basado en proxy para mantener la retroalimentación en tiempo real. El sistema también utiliza una arquitectura de plugins estandarizada para integrar herramientas de procesamiento visual de terceros.

VINS-Fusion es un framework de fusión multisensor y un sistema de odometría visual-inercial. Integra imágenes de cámara, datos de unidades de medición inercial y señales de posicionamiento global a través de un sistema de optimización no lineal para rastrear la posición y orientación de vehículos autónomos. El sistema incluye un motor de cierre de bucle visual que utiliza un enfoque de bolsa de palabras (bag-of-words) para reconocer ubicaciones visitadas previamente y corregir la deriva de la trayectoria. Además, proporciona herramientas para la calibración espacio-temporal en línea para determinar el desfase físico y la sincronización temporal entre cámaras y sensores inerciales durante la operación. Las capacidades generales incluyen la estimación de estado multisensor y la alineación de coordenadas globales para asegurar que las trayectorias locales estén alineadas con un marco mundial. El framework también admite la calibración de modelos de cámara para gestionar la distorsión de la lente y los parámetros intrínsecos. El proyecto proporciona un entorno contenedorizado para asegurar procesos de construcción y ejecución consistentes en diferentes sistemas operativos anfitriones.

filterpy is a toolkit for Bayesian state estimation, Gaussian statistical analysis, and time-series noise reduction. It provides a library of linear and non-linear Kalman filters, as well as routines for non-Gaussian state estimation and signal smoothing. The project implements a variety of estimation methods, including particle filtering using Markov Chain Monte Carlo and resampling, and discrete Bayes filtering. It also includes a suite of algorithms for refining historical state estimates through backward and fixed-lag smoothing. Additional capabilities cover multivariate Gaussian analysi

This project is a multi-object tracking library and computer vision toolkit designed to maintain consistent identity IDs for objects across video frames. It provides a motion-based object tracking system that converts raw detections into stable temporal tracks, enabling the analysis of object movement and behavior over time. The toolkit distinguishes itself through advanced identity maintenance, utilizing Kalman filters for linear motion tracking and sparse optical flow for camera motion estimation. It features multi-stage object association to recover occluded objects and non-linear motion t