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 est un moteur de rendu et une visionneuse de nuages de points basé sur le web, conçu pour la visualisation et l'analyse de jeux de données spatiaux 3D massifs et de scans LIDAR. Il fonctionne comme un outil d'analyse géospatiale qui permet l'exploration interactive de nuages de points haute densité directement dans un navigateur web via WebGL. Le système utilise l'éclairage eye-dome pour améliorer la perception de la profondeur des structures 3D et prend en charge la réalité virtuelle pour une exploration spatiale immersive. Il offre des capacités spécialisées pour la documentation de scènes 3D via des annotations hiérarchiques et la création de visites guidées animées par caméra. La plateforme inclut des outils d'analyse de données géospatiales, tels que des mesures de distance et de surface, des profils d'élévation et la superposition de fichiers shapefiles et geopackages externes. Les utilisateurs peuvent isoler des caractéristiques spécifiques en utilisant le filtrage par attributs et l'isolation par volume de découpe, tandis que des images externes peuvent être alignées et synchronisées avec la perspective du nuage de points. Potree utilise un format binaire pré-traité et une indexation spatiale basée sur un octree pour faciliter le streaming de données asynchrone et le rendu par niveau de détail pour les jeux de données à grande échelle.

Tixl est un moteur d'animation graphique basé sur des nœuds et un outil de génération procédurale utilisé pour créer de la géométrie 3D et des shaders. Il utilise un graphe acyclique dirigé d'opérateurs et des noyaux de calcul accélérés par GPU pour générer des formes 3D complexes, notamment grâce à l'utilisation de fonctions de distance signées et de simulations de particules. Le moteur est hautement extensible via un framework de développement C# qui prend en charge le rechargement de code à chaud (hot code reloading), permettant d'injecter une logique d'opérateur personnalisée dans le runtime actif sans redémarrage. Il se distingue également en tant que contrôleur d'éclairage, capable de traduire des attributs spatiaux 3D et des rotations en protocoles DMX et ArtNet pour piloter des équipements de scène physiques. La plateforme couvre un large éventail de capacités, y compris la visualisation audio-réactive via l'analyse FFT, l'animation par images clés et procédurale, et le contrôle externe en temps réel via l'intégration MIDI et OSC. Son pipeline de rendu prend en charge le rendu physiquement réaliste (PBR) et la construction de shaders personnalisés, tandis que l'environnement fournit des outils pour le mapping de projection et le déploiement d'exécutables autonomes. Le projet fournit une CLI pour construire des applications et une surface de développement pour créer des extensions C#.

Muzic est une plateforme et un framework de deep learning pour l'analyse, la composition et la synthèse musicale assistées par IA. Il fonctionne comme un framework de génération musicale et un outil d'analyse, utilisant des modèles de langage étendus et des agents autonomes pour orchestrer la création et l'interprétation de musique symbolique et audio. Le projet se distingue par ses capacités intermodales, mappant le langage naturel et la musique symbolique dans un espace d'intégration commun pour la classification zero-shot et la recherche d'informations. Il emploie une variété d'architectures spécialisées, notamment des frameworks de diffusion pour la synthèse audio, des mécanismes d'attention à double grain pour la cohérence structurelle des séquences longues, et un système hybride qui combine les règles de théorie musicale avec des réseaux de neurones. La plateforme couvre un large éventail de capacités, y compris la génération de séquences MIDI à partir de texte et de paroles, la synthèse vocale neuronale et la transcription automatisée de paroles. Elle fournit également des outils pour la modélisation de la structure musicale, la génération symbolique basée sur des attributs et l'orchestration d'outils musicaux externes via des agents autonomes. Les utilitaires de support incluent des pipelines d'ingénierie de données pour la binarisation MIDI à grande échelle, l'encodage de jeux de données et le traitement du signal audio pour l'extraction de notes de mélodie et l'alignement parole-phonème.

Ce projet est un framework basé sur PyTorch de modèles de deep learning conçus pour la classification et la segmentation sémantique de données de nuages de points 3D. Il fournit des implémentations de l'architecture PointNet pour effectuer un étiquetage de catégorie global d'objets entiers et un partitionnement détaillé d'environnements 3D à grande échelle. Le système gère la segmentation sémantique à travers plusieurs échelles, allant de l'identification de composants individuels au sein d'un seul objet à l'étiquetage de types de catégories distincts au sein de scènes à grande échelle. Le framework inclut des composants structurels pour traiter des ensembles de points non ordonnés, tels que l'échantillonnage par points les plus éloignés, le regroupement hiérarchique d'ensembles de points et des réseaux d'agrégation d'ensembles symétriques. Il fournit également des utilitaires de prétraitement de données hors ligne et des outils pour générer des fichiers d'objets 3D afin de visualiser les sorties de segmentation dans des logiciels externes.

CloudCompare is a professional software application for processing and analyzing 3D point clouds and polygonal meshes. It functions as a 3D mesh analysis tool and a large dataset visualizer designed to display and manage millions of points in a 3D environment. The software provides specialized capabilities for point cloud comparison, utilizing an optimized octree structure to calculate spatial differences between two 3D datasets. This allows for the identification of variations and errors between point clouds or between a point cloud and a mesh. The system covers broad 3D data analysis areas

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