FlowVR est une bibliothèque middleware permettant de faciliter le développement et l'exécution d'applications haute performance interactives nécessitant l'exploitation de la puissance de nœuds informatiques distribués en grappe ou en grid. FlowVR a été utilisé pour des applications de réalité virtuelle, de téléprésence, de modélisation 3D en temps réel, de visualisation in situ, de pilotage de simulations moléculaires parallèles, etc. FlowVR réutilise et étend le paradigme de flux de données couramment utilisé dans les environnements de visualisation scientifique. Une application est vue comme un ensemble éventuellement distribué de modules échangeant des données. Différentes assemblées de modules peuvent être spécifiées sans modification ou recompilation des modules. Le développeur d'applications n'a pas à se soucier des problématiques de réseau. C'est le rôle de FlowVR de gérer et d'optimiser les échanges de données entre modules. FlowVR supporte les modules parallèles, permettant d'exploiter des codes MPI existants par exemple. Cette fonctionnalité est couramment utilisée pour la visualisation in situ ou le pilotage de simulations parallèles.

Le projet Designer est une interface graphique basée sur le SDK OpenViBE. Il permet la conception de scénarios pour l'acquisition et l'analyse de données biomédicales, ainsi que la visualisation de données en temps réel. Il offre également la possibilité de configurer les paramètres des algorithmes de traitement des données.

ORB-SLAM2 ROS node est une implémentation ROS du système de SLAM en temps réel ORB-SLAM2 pour caméras monoculaires, stéréo et RGB-D qui calcule la trajectoire de la caméra et une reconstruction 3D clairsemée (avec véritable échelle dans le cas stéréo et RGB-D). Il est capable de détecter des boucles et de relocaliser la caméra en temps réel. Cette implémentation supprime la dépendance Pangolin et le visualiseur d'origine. Toutes les entrées/sorties de données sont gérées via des sujets ROS. Pour la visualisation, vous pouvez utiliser RViz.

Le projet ti2020 est une plateforme dédiée à la gestion, visualisation et analyse de données environnementales. Il permet aux utilisateurs de collecter, stocker, visualiser et analyser des données en temps réel ou historiques, afin de mieux comprendre et gérer l'environnement.

Animat-ros est un ensemble de packages ROS (Robot Operating System) dédiés à l'environnement de simulation Animat Unity. Il permet de contrôler des robots dans un environnement simulé, d'interagir avec des capteurs et effecteurs robotiques, et de visualiser les données de capteurs en temps réel.

Le projet hackathon-necmergitur est une plateforme de visualisation et d'analyse de données géographiques dédiée à l'environnement et à la réhabilitation de sites dégradés. Il permet de suivre l'évolution de projets de réhabilitation en temps réel grâce à des données environnementales collectées sur le terrain.

Le projet ds-engine-poc permet l'analyse et la visualisation de données en temps réel provenant de réseaux sociaux. Il offre la possibilité de suivre des tendances et d'extraire des informations clés grâce à des fonctionnalités telles que l'extraction de mots-clés et la visualisation de réseaux.

SciQLop est une application Qt conçue pour la visualisation et l'analyse de données de plasmas spatiaux in situ. Elle permet d'accéder facilement à des dizaines de milliers de produits de données archivées, d'explorer des séries temporelles multivariées, de visualiser des produits personnalisés avec du code Python exécuté en temps réel, de créer et d'éditer des catalogues d'événements, et d'analyser des données dans des carnets Jupyter.

Plateforme publique permettant de visualiser et analyser des indicateurs de performance pour des environnements de données. Elle agrège et compare les métriques issues de sources officielles comme demo.data.gouv.fr et data.gouv.fr, offrant une vue d'ensemble des ressources disponibles et de leur qualité. Les utilisateurs peuvent consulter des tableaux de bord détaillés pour évaluer l'état des indicateurs en temps réel.

Le projet humar_dnn vise à analyser, estimer et générer des mouvements humains en 3D en utilisant des données Xsens. Il inclut des scripts pour traiter les données Xsens, entraîner des modèles DNN pour prédire les paramètres cinématiques, et visualiser les mouvements humains en temps réel.