待补充
szenergy/awesome-lidar
3/5
🧩 软硬件结合
已发布
项目简介
😎 Awesome LIDAR list. The list includes LIDAR manufacturers, datasets, point cloud-processing algorithms, point cloud fr
这是一个名为“Awesome LIDAR”的开源项目，本质上是一份精心整理的资源清单。它系统地收集了与激光雷达（LiDAR）技术相关的各类优质资源，旨在为研究人员、工程师和爱好者提供一个一站式的知识入口。项目核心功能是分类索引，涵盖了从硬件到软件的完整生态链。主要特点包括：清晰的分类结构，如制造商、数据集、算法库、框架、模拟器等；每项资源都附带了直观的徽章标识，例如是否兼容ROS 2、是否有相关论文或视频教程，以及GitHub星标数，方便用户快速评估资源的质量和适用性。技术栈方面，项目本身只是一个Markdown文档，但它索引的内容涉及C++、Python、ROS 2等主流机器人开发技术，以及点云处理、SLAM、目标检测等核心算法。该项目解决了在激光雷达领域信息分散、查找困难的问题。对于刚入门的学生，它可以快速了解行业主流厂商（如Velodyne、Ouster、Livox）和经典数据集；对于正在选型的工程师，它能帮助对比不同硬件和开源框架；对于算法开发者，它则是一个寻找最新论文和代码实现的便捷目录。适用场景非常广泛，包括自动驾驶、机器人导航、测绘、安防监控等所有需要高精度三维环境感知的领域。总之，这是一个极具价值的导航性项目，能极大节省从业者筛选和检索信息的时间。
标签
项目特点
**一站式资源索引**：将分散的 LiDAR 相关资源（硬件、软件、数据集、论文）整合到一个清单中，省去四处搜索的麻烦。
**清晰的分类结构**：按制造商、数据集、算法库、框架、模拟器等类别组织，便于按需查找。
**直观的徽章系统**：每个资源条目都带有徽章，标注是否兼容 ROS 2、是否有论文或视频教程、GitHub 星标数等，帮助快速筛选。
**覆盖完整生态链**：从底层硬件到上层算法，再到仿真工具和数据集，几乎涵盖 LiDAR 技术的所有环节。
**社区驱动更新**：作为 Awesome 系列项目，依赖社区贡献持续更新，保持资源的新鲜度和相关性。
技术规格
| 资源清单（Awesome List） | |
| Markdown（.md） | |
| 约 100+ 个（持续增长） | |
| 约 10+ 个（如制造商、数据集、算法库等） | |
| ROS 2、论文、视频教程、GitHub 星标 | |
| 社区 Pull Request 贡献 | |
| 未明确声明（通常为 CC0 或 MIT 类） | |
| 512（截至数据采集时） |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Velodyne、Ouster、Hesai、Livox 等 | 约 20+ | — | 包含官网链接和产品线 |
| KITTI、nuScenes、Waymo Open Dataset 等 | 约 15+ | — | 附论文和下载链接 |
| PointNet++、Open3D、PCL 等 | 约 20+ | — | 含 GitHub 星标和 ROS 2 兼容性 |
| Autoware、Apollo、ROS 2 等 | 约 10+ | — | 含官方文档和教程链接 |
| CARLA、Gazebo、LGSVL 等 | 约 8+ | — | 含仿真场景和传感器模型 |
| CloudCompare、MeshLab 等 | 约 10+ | — | 点云处理与可视化工具 |
| 3D Object Detection、SLAM 相关 | 约 30+ | — | 含 arXiv 或会议链接 |
能力画像
**记忆与知识检索**：5/5 — 项目本身就是知识检索工具，系统整理了 LiDAR 领域的海量资源。
**动手与操作**：1/5 — 项目本身不涉及硬件操作，但索引的资源可能需要动手搭建。
**编程与算法**：2/5 — 项目本身无需编程，但索引的算法库和框架需要编程能力。
**设计与建模**：1/5 — 不涉及设计或建模，但索引的模拟器可能涉及场景建模。
**实验与调试**：2/5 — 索引的资源（如数据集、算法）常用于实验和调试。
**协作与分享**：4/5 — 通过 GitHub 的 Issue 和 PR 机制，鼓励社区协作贡献。
**学习与研究**：5/5 — 核心价值在于学习，为初学者和专家提供系统化的学习路径。
**系统集成**：3/5 — 索引的资源涵盖从传感器到算法的集成方案，但项目本身不提供集成工具。
项目图库
所需技能
基础的 Markdown 编辑能力
使用 Git 和 GitHub 进行版本控制与协作
对 LiDAR 技术的基本了解（硬件、点云、SLAM 等）
英文阅读能力（大部分资源为英文）
信息检索与筛选能力
适用场景
**研究人员**：快速查找 LiDAR 相关论文、数据集和算法库，用于文献综述或实验设计。
**机器人工程师**：寻找兼容 ROS 2 的 LiDAR 驱动、SLAM 算法和仿真工具，加速开发流程。
**自动驾驶开发者**：获取传感器选型参考、开源框架（如 Autoware、Apollo）和测试数据集。
**学生与爱好者**：系统学习 LiDAR 技术，从入门教程到高级算法，一站式获取学习资源。
**技术选型评估**：对比不同 LiDAR 制造商、算法库和框架的优缺点，辅助决策。