发现与 Lidar Odometry 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
《ICRA 2023论文：BEVFusion：基于统一鸟瞰图表示的多任务多传感器融合》
一个扩展了Open3D功能的库，用于处理三维机器学习任务
一种基于单目视频的深度和自我运动估计的无监督学习框架
2023年视觉SLAM开发者成长路线图
面向自动驾驶领域所有水平受众的优秀鸟瞰图（BEV）感知研究及实用指南（IEEE T-PAMI 2023）
基于YOLOv4的论文《Complex-YOLO：点云实时三维目标检测》的PyTorch实现
基于三维激光点云的快速精准三维目标检测（PyTorch实现）
基于英伟达加速的cuVSLAM视觉SLAM/里程计软件包
Xtreme1是一个一体化的多模态数据标注平台，支持三维激光雷达点云、图像和大型语言模型（LLM）的数据标注和训练。
自动驾驶中激光雷达点云的语义和实例分割
SuMa++：一种高效的基于激光雷达的语义SLAM方法（陈等人，IROS 2019）
本项目对LeGO-LOAM、LIO-SAM、LVI-SAM、FAST-LIO2、Faster-LIO、VoxelMap、R3LIVE、Point-LIO、KISS-ICP、DLO、DLIO、Ada-LIO、PV-LIO、SLAMesh、ImMesh、FAST-LIO-MULTI、M-LOAM、LOCUS、SLICT、MA-LIO、CT-ICP、GenZ-ICP、iG-LIO和SR-LIO等多种激光SLAM算法进行了应用和比较，并使用了Gazebo仿真环境和真实世界数据集。项目提供安装文件和配置文件。
基于激光雷达扫描或点云数据，实现多目标检测、跟踪和分类的C++代码
VoxelNeXt：用于三维目标检测和跟踪的全稀疏体素网络（CVPR 2023）
基于超点图的大规模点云语义分割
关于自动驾驶激光雷达点云处理的参考文献列表
[ICRA 2025] MAC-VO: Metrics-aware Covariance for Learning-based Stereo Visual Odometry
2019年国际机器人与自动化会议（ICRA 2019）论文：基于激光雷达和单目相机的自监督稀疏到稠密深度补全
LSD（激光雷达SLAM与目标检测）是一个用于自动驾驶汽车/机器人的开源感知架构。
基于稀疏点体素卷积的高效三维架构搜索（ECCV 2020）
