做一款炫酷的机器人需要哪些学习资源—机器人资源Awesome系列
AI技术年度盛会即将开启!11月8-9日,来自Google、Amazon、微软、Facebook、LinkedIn、阿里巴巴、百度、腾讯、美团、京东、小米、字节跳动、滴滴、商汤、旷视、思必驰、第四范式、云知声等企业的技术大咖将带来工业界AI应用的最新思维。
如果你是某个AI技术领域的专业人才,或想寻求将AI技术整合至传统企业业务当中,扫码填写大会注册信息表,我们将从中挑选出20名相关性最高的幸运读者,送出单场分论坛入场券。大会重磅嘉宾以及演讲议题,详见大会官网:https://bss.csdn.net/m/topic/ai_nextcon/index
翻译 | AI科技大本营
参与 | 赵博 SuiSui
为什么要制作机器人呢?想参加各种机器人大赛?看起来很炫酷?不过从学习角度说,机器人综合了信息技术、电子工程、机械学、程序设计、控制系统以及认知等多方面的内容,所以做一款机器人可以教会你很多的知识。
接下来要说做一款机器人你需要什么样的学习资料?本文包含跟机器人技术相关的一些链接、软件库、论文和其他对机器人技术有用的、有趣链接。
优质资源列表
Kiloreaux/awesome-robotics – 该项目收集了大量机器人入门的资料,包含课程、电子书、软件、期刊、行业竞赛和开源库等等。
https://github.com/Kiloreux/awesome-robotics
RoboticsLibraries – 列举了大量非常棒的机器人开源库和软件,并标出了开源库的受欢迎程。
https://github.com/jslee02/awesome-robotics-libraries
Computer Vision – 计算机视觉相关的课程、电子书、论文、软件、数据库、教程、资源以及博客等。
https://github.com/jbhuang0604/awesome-computer-vision
Deep Learning – 神经网络(收集了深度学习相关的课程、电子书、论文、软件、教程、框架、学者、数据库等。)
https://github.com/ChristosChristofidis/awesome-deep-learning#researchers
— TensorFlow – 机器智能软件库(TensorFlow Awesome系列,包含大量教程、模型、库、视频、论文、博客以及电子书等。)
https://github.com/jtoy/awesome-tensorflow
— Papers – 引用次数最多的深度学习论文
https://github.com/terryum/awesome-deep-learning-papers
Deep Vision(Deep Vision Awesome系列,包含大量分类论文、教程、库、视频、博客以及电子书等。)
https://github.com/kjw0612/awesome-deep-vision
模拟器
- Microsoft Airsim – 微软开源的一款基于虚幻引擎的模拟器,用于促进自动驾驶技术的研究,为无人驾驶提供真实的模拟环境、动力等等。
- https://github.com/Microsoft/AirSim
- Bullet Physics SDK – 实时碰撞检测和多物理环境模拟,用于虚拟现实的多物理场模拟、适用于VR、游戏、视觉效果、机器人技术、机器学习等。
- https://github.com/bulletphysics/bullet3
机器学习
TensorFlow相关
- Keras – Python深度学习库,包含卷积神经网络,循环神经网络等,使用TensorFlow或者Theano框架。
- https://github.com/ahundt/awesome-robotics/blob/master/keras.io
- keras-contrib – Keras社区贡献
- https://github.com/farizrahman4u/keras-contrib
- TensorFlow – 机器智能开源软件库
- https://github.com/ahundt/awesome-robotics/blob/master/tensorflow.org
- recurrentshop – 使用Keras构建复杂循环神经网络的框架
- https://github.com/datalogai/recurrentshop
- tensorpack – 基于TensorFlow的神经网络工具箱
- https://github.com/ppwwyyxx/tensorpack
- tensorlayer – 适用于研究人员和工程师的深度学习与增强学习库
- https://github.com/zsdonghao/tensorlayer
- TensorFlow-Examples – 为初学者提供的TensorFlow手册与实例
- https://github.com/aymericdamien/TensorFlow-Examples
- hyperas - Keras + Hyperopt:方便超参数优化,封装简单
- https://github.com/maxpumperla/hyperas
- elephas – 使用Keras & Spark进行分布式深度学习
- https://github.com/maxpumperla/elephas
- PipelineAI – 端到端机器学习与人工智能平台,实时的Spark与Tensorflow数据通道
- https://github.com/fluxcapacitor/pipeline
- sonnet – 基于TensorFlow的Google Deepmind 应用程序接口,用以构建复杂的神经网络。
- https://github.com/deepmind/sonnet
图像分割
- tf-image-segmentation – 基于Tensorflow 和TF-Slim 库的图像分割框架
- https://github.com/warmspringwinds/tf-image-segmentation
- Keras-FCN
- https://github.com/aurora95/Keras-FCN
日志和消息
- spdlog – 超快的C++日志库
- https://github.com/gabime/spdlog
- lcm – 用于高带宽和低延迟的实时系统,实现轻量级通信和编组、消息传递和数据编组。
- https://github.com/lcm-proj/lcm
跟踪
- simtrack - 一种基于仿真的跟踪框架
- https://github.com/karlpauwels/simtrack
- ar_track_alvar - 用于ROS的AR标记跟踪库
- https://github.com/sniekum/ar_track_alvar
- artoolkit5 - 增强现实工具包,具有优秀的AR标签跟踪软件
- https://github.com/artoolkit/artoolkit5
机器人操作系统
- ROS – 机器人操作系统主页
- https://github.com/ahundt/awesome-robotics/blob/master/ros.org
- ros2/design – ROS 2.0设计文档
- https://github.com/ros2/design
运动学,动力学,约束优化
- jrl-umi3218/Tasks – 使用了约束优化的机器人实时控制与运动学树库
- https://github.com/jrl-umi3218/Tasks
- jrl-umi3218/RBDyn – RBDyn提供一组用于刚体系统动力学建模的类和函数
- https://github.com/jrl-umi3218/RBDyn
- ceres-solver – 求解有界约束和一般无约束优化问题的非线性最小二乘问题
- https://github.com/ceres-solver/ceres-solver
- orocos_kinematics_dynamics - Orocos运动学和动力学的C++库
- https://github.com/orocos/orocos_kinematics_dynamics
- flexible-collsion-library – 在一对由三角形组成的几何模型执行三类临近查找,集成在ROS中
- https://github.com/flexible-collision-library/fcl
- robot_calibration – 用于ROS的通用机器人运动学标定
- https://github.com/mikeferguson/robot_calibration
标定
- handeye-calib-camodocal – 通用的机器人手眼标定
- https://github.com/jhu-lcsr/handeye_calib_camodocal
- robot_calibration – 用于ROS的通用的机器人运动学标定
- https://github.com/mikeferguson/robot_calibration
- kalibr – 用于ROS的摄像机和IMU标定
- https://github.com/ethz-asl/kalibr
增强学习
- gqcnn - Grasp Quality Convolutional Neural Networks (GQ-CNNs)使用训练集从Dexterity Network (Dex-Net)中抓取规划
- https://berkeleyautomation.github.io/gqcnn/info/info.html
- Guided Policy Search – 引导策略搜索(GPS)算法和基于线性二次高斯控制的轨迹优化,旨在帮助其他人在对已有工作理解、重用和构建。
- https://github.com/cbfinn/gps
视频/显示/渲染
- Pangolin – 一种轻量级的便携式快速开发库,用于管理OpenGL显示/交互和提取视频输入
- https://github.com/stevenlovegrove/Pangolin
传感器、设备和ARM驱动程序
- libfreenect2 – Windows Kinect V2与Xbox One设备开源驱动
- https://github.com/OpenKinect/libfreenect2
- iai_kinect2 – 在ROS中使用Kinect One (Kinect v2)的工具
- https://github.com/code-iai/iai_kinect2
- grl – 通用机器人技术库:用于Kuka iiwa和Atracsys FusionTrack跨平台驱动程序,具有可选的v-rep和ros驱动;同时也有跨平台手眼标定与工具提示标定。
- https://github.com/ahundt/grl
数据库
- pascal voc 2012 - 经典的参考图像分割数据库
- http://host.robots.ox.ac.uk/pascal/VOC/voc2012/
- openimages – Google庞大的ImageNet风格数据库
- https://github.com/openimages/dataset/
- COCO – 目标分割、关键点和许多其他外部数据库的链接
- https://github.com/ahundt/awesome-robotics/blob/master/mscoco.org
- cocostuff - COCO附加的全场景分割,包括背景和注释
- https://github.com/nightrome/cocostuff
- Google Brain Robot Data - 包含抓取、推和浇注的机器人数据库
- https://sites.google.com/site/brainrobotdata/home
- Materials in Context - 23类真实图像的材料数据库
- http://opensurfaces.cs.cornell.edu/publications/minc/
- Dex-Net 2.0 - 670万对合成点云和具有鲁棒性标签的抓取
- http://bair.berkeley.edu/blog/2017/06/27/dexnet-2.0/
数据收集
- cocostuff - COCO 额外的全场景分割,包括背景和注释
- https://github.com/nightrome/cocostuff
线性代数与几何
- Eigen – 线性代数C++模板库,包含矩阵、向量、数值求解和相关算法
- https://github.com/ahundt/awesome-robotics/blob/master/eigen.tuxfamily.org
- Boost.QVM – 用于Boost的四元数、向量、矩阵库
- https://github.com/boostorg/qvm
- Boost.Geometry – 包含可实例化的几何类,但是库用户也可以使用自定义的类
- https://github.com/boostorg/geometry/
- SpaceVecAlg – 实现三维几何的空间向量代数,使用了Eigen3 线性代数库
- https://github.com/jrl-umi3218/SpaceVecAlg
- Sophus – Lie Groups(用于三维几何)的C++实现,使用了Eigen
- https://github.com/strasdat/Sophus
点云
- libpointmatcher - 一个“迭代最近点”的机器人库和二维/三维映射
- https://github.com/ethz-asl/libpointmatcher
- Point Cloud Library (pcl) – 点云库(PCL)是一个独立的、大规模的、开放式的二维/三维图像和点云处理项目。
- https://github.com/PointCloudLibrary/pcl
同时定位与地图绘制(SLAM)
- ElasticFusion – 实时的密集视觉SLAM系统
- https://github.com/mp3guy/ElasticFusion
- co-fusion – 多目标实时分割、跟踪和融合,ElasticFusion的扩展
- https://github.com/martinruenz/co-fusion
- Google Cartographer - Cartographer提供了实时的二维和三维SLAM系统,可以跨多个平台和传感器配置
- https://github.com/googlecartographer/cartographer/
- OctoMap – 一个有效的基于概率三维映射框架,包含主要的OctoMap库, viewer octovis以及动态EDT3D.
- https://github.com/OctoMap/octomap
- ORB_SLAM2 – 实时SLAM,用于单眼、立体、RGB-D相机,包含循环检测与重定位功能
原文地址:https://github.com/raulmur/ORB_SLAM2