Awesome GitHub RepositoriesLocalisation et estimation d'état

Ce projet est une ressource pédagogique et une boîte à outils pour implémenter l'estimation bayésienne et les filtres de Kalman en Python. Il fournit un framework pour construire des filtres linéaires et non linéaires afin d'estimer l'état de systèmes dynamiques en combinant des données de capteurs bruitées avec des modèles mathématiques de processus. La bibliothèque se concentre sur l'estimation d'état probabiliste, utilisant la mise à jour bayésienne récursive et la modélisation mathématique d'espace d'état pour affiner les croyances sur les états du système. Elle inclut des utilitaires pour simuler des systèmes dynamiques, permettant aux utilisateurs de générer des trajectoires synthétiques et des observations de capteurs pour valider les algorithmes de suivi par rapport à des données de vérité terrain connues. La collection couvre les concepts fondamentaux de l'ingénierie des systèmes de contrôle, de la navigation robotique et de la fusion de données de capteurs. Elle est structurée comme un guide complet combinant des explications théoriques avec des implémentations de code pratiques pour calculer des distributions de probabilité et gérer l'incertitude dans des environnements dynamiques.

evo est un framework Python pour l'évaluation des algorithmes SLAM, de l'odométrie robotique et des données de trajectoire. Il sert de bibliothèque d'analyse pour mesurer la dérive et la précision en calculant les erreurs de pose absolues et relatives entre les chemins estimés et les références de vérité terrain. Le projet fournit un framework d'alignement géométrique pour corriger la rotation, la translation et l'échelle entre les trajectoires spatiales, assurant une mesure d'erreur cohérente. Il inclut des outils spécialisés pour l'analyse de la dérive odométrique et le traitement des données robotiques, y compris la capacité d'extraire des informations de trajectoire à partir de fichiers ROS bagfiles. Le logiciel couvre un large éventail de capacités, notamment la visualisation de trajectoires 2D et 3D avec prise en charge des tuiles de cartes géographiques et des superpositions de cartes ROS. Les fonctionnalités supplémentaires incluent la synchronisation temporelle, les transformations spatiales et la possibilité de filtrer ou d'exporter des données de trajectoire dans divers formats standards de l'industrie.

Estimation de position par IA-IMU (Dead-Reckoning)

Une version de RTKLIB optimisée pour les récepteurs GNSS à bas coût, en particulier les récepteurs u-blox. Elle est basée sur RTKLIB 2.4.3. Ce logiciel est fourni « TEL QUEL » sans aucune garantie d'aucune sorte, soyez donc prudent, surtout si vous l'utilisez dans une application en temps réel. Cliquez sur le label « Releases » ci-dessous pour voir la dernière pré-version Windows.

La stack fuse fournit une architecture générale pour effectuer la fusion de capteurs en direct sur un robot. Certaines applications possibles incluent l'estimation d'état, la localisation, la cartographie et la calibration.

Localisation précise basée sur GNSS et IMU.

Version Python de la bibliothèque de positionnement de satellites SGP4

Conversions de coordonnées 3D en pur Python (Numpy optionnel) pour les systèmes géospatiaux ecef enu eci

(ICRA 2019) Localisation et cartographie par odométrie visuelle sur SE(2)

Une bibliothèque robuste de fusion de capteurs pour la localisation en ligne.

🎯 Méthode de positionnement basée sur le ML à partir de transmissions mmWave - avec une haute précision et une efficacité énergétique

Miroir GitHub de GeographicLib de Charles F. F. Karney provenant de SF

Outil CLI pour obtenir facilement des informations sur les serveurs NTRIP