一個(gè)超干貨的3D視覺(jué)學(xué)習(xí)社區(qū)
成立近兩年來(lái)，工坊深挖3D視覺(jué)的各個(gè)領(lǐng)域，主要涉及計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)、點(diǎn)云處理、SLAM、三維重建、結(jié)構(gòu)光、雙目視覺(jué)、深度估計(jì)、3D檢測(cè)、自動(dòng)駕駛、多傳感器融合等，在校的童鞋和已經(jīng)工作的小伙伴為我們提出了很多非常有價(jià)值的問(wèn)題，在這里給大家做了匯總（可能有點(diǎn)燒腦哦……）
點(diǎn)云處理篇
點(diǎn)云補(bǔ)全有哪些常用的算法？
常用的點(diǎn)云分割算法有哪些？
如何對(duì)點(diǎn)云進(jìn)行線面擬合？有哪些方式？
點(diǎn)云配準(zhǔn)的常用方法有哪些？哪一種算法在速度和精度上占優(yōu)勢(shì)？
點(diǎn)云的特征提取方式有哪些？有哪些描述子？
基于深度學(xué)習(xí)的點(diǎn)云分割算法有哪些？精度如何？
常用的點(diǎn)云分類算法有哪些？準(zhǔn)確率如何？
怎么測(cè)量點(diǎn)云的體積？如何測(cè)量點(diǎn)云擬合平面的面積？
您好，請(qǐng)問(wèn)有有關(guān)3D點(diǎn)云的缺陷檢測(cè)和點(diǎn)云補(bǔ)全的資料嗎？
想問(wèn)下有沒(méi)有三維激光雷達(dá)點(diǎn)云配準(zhǔn)拼接的代碼工程之類的？
現(xiàn)在有沒(méi)有對(duì)于sfm或者slam之后得到的點(diǎn)云進(jìn)行補(bǔ)全處理的工作??？
你好，請(qǐng)問(wèn)點(diǎn)云表面重建有哪些方法呀？
請(qǐng)問(wèn)怎么把點(diǎn)云投影到一個(gè)以點(diǎn)云平均點(diǎn)為圓心的球面上，然后再對(duì)球面進(jìn)行三角網(wǎng)格化。
請(qǐng)問(wèn)一下，有沒(méi)有關(guān)于點(diǎn)云增強(qiáng)方面的綜述性質(zhì)的文章或者帖子呢？針對(duì)點(diǎn)云增強(qiáng)這一
點(diǎn)云和深度圖怎么轉(zhuǎn)換呢？
請(qǐng)問(wèn)如果想要為點(diǎn)云圖中某個(gè)物體的邊界處的稀疏點(diǎn)云進(jìn)行加密，通俗一點(diǎn)說(shuō)就是使物體邊界處的點(diǎn)云更加稠密，有什么相關(guān)的論文和方法嗎？
點(diǎn)云增強(qiáng)這個(gè)領(lǐng)域，除了點(diǎn)云補(bǔ)全，還有哪些具體的方向呢？
? ? ? ……
SLAM
請(qǐng)問(wèn)現(xiàn)在比較新且效果較好的Visual SLAM /Visual+Inertial SLAM 算法有哪些呢？如果能支持雙目RGB或RGB-D的更好！
請(qǐng)問(wèn)怎么用單目普通相機(jī)的slam來(lái)做三維重建呢，對(duì)比sfm改做何區(qū)別比較好？
您好，我想問(wèn)下視覺(jué)慣性vio非線性優(yōu)化這塊，原理不是很懂，想知道他到底做了什么事？
大佬好，最近又遇到難題了。項(xiàng)目需求是有軌小車的障礙物檢測(cè)項(xiàng)目，需要檢測(cè)小車四周是否有障礙物，并輸出障礙物的距離值，距離值精度要求很低。目前的困難是相機(jī)視場(chǎng)角太小，怎樣才能做到類似全景檢測(cè)？請(qǐng)大佬給個(gè)思路，謝謝您。
想請(qǐng)問(wèn)下有沒(méi)有無(wú)人機(jī)三維建模的開(kāi)源項(xiàng)目？
……
三維重建篇
基于圖像的三維重建中，由稀疏點(diǎn)云獲得稠密點(diǎn)云的原理和實(shí)現(xiàn)的技術(shù)方式都是什么呢？
可以用MATLAB做基于多視角圖片的三維重建嗎？就是用SFM+MVS?；蛘撸蠋熡型扑]的建模工具嗎？
使用mvsnet做三維重建，在估計(jì)自采數(shù)據(jù)的深度范圍時(shí)，有合適的取值范圍參考嗎？
近期，室內(nèi)三維重建融合語(yǔ)義的開(kāi)源方案有哪些？
老師讓我做的課題是用給定視頻進(jìn)行水下的場(chǎng)景重建。但是水下場(chǎng)景顏色比較單一，用colmap進(jìn)行重建時(shí)候數(shù)據(jù)集中能用在重建的圖片較少，導(dǎo)致點(diǎn)云相比實(shí)際有誤差。那這種情況下要怎么對(duì)點(diǎn)云進(jìn)行矯正和漏洞補(bǔ)全呢？
有近景攝影測(cè)量相關(guān)的公式推導(dǎo)嗎？比如前方交會(huì)，后方交會(huì)，相對(duì)定向等？
我想請(qǐng)問(wèn)一下在單目三維重建過(guò)程中，對(duì)投影儀的標(biāo)定，一般用什么來(lái)評(píng)價(jià)所用方法對(duì)投影儀標(biāo)定精度的有效性？
? ? ? ? ……
姿態(tài)估計(jì)篇
目前做物體6D姿態(tài)估計(jì)的網(wǎng)絡(luò)中，有沒(méi)有應(yīng)用深度補(bǔ)全來(lái)提升精度以及提升遮擋下的識(shí)別效果的呢？
如何自己制作6D位姿估計(jì)的深度學(xué)習(xí)的數(shù)據(jù)集？
請(qǐng)問(wèn)誰(shuí)有論文A method for 6D pose estimateof free-form rigid objects using point pair features on range data 的復(fù)現(xiàn)代碼？
請(qǐng)問(wèn)有人有做過(guò)基于RGB-D的目標(biāo)定位和位姿估計(jì)？
現(xiàn)有基于RGB、RGBD、點(diǎn)云數(shù)據(jù)的姿態(tài)估計(jì)算法都有哪些？
深度學(xué)習(xí)方式的姿態(tài)估計(jì)算法有哪些？精度怎么樣？可以應(yīng)用到工業(yè)上嗎？
PPF算法的改進(jìn)點(diǎn)有哪些？有哪些改進(jìn)算法？
機(jī)器人視覺(jué)引導(dǎo)中的姿態(tài)識(shí)別思路是什么？計(jì)算速度怎么樣？
? ? ? ……
結(jié)構(gòu)光篇
為什么有的格雷碼三維重建的方法需要投射水平和豎直條紋呢，而有的只需要豎直條紋呢？
最近研究生導(dǎo)師讓我研究一下結(jié)構(gòu)光編碼相關(guān)的內(nèi)容，請(qǐng)問(wèn)您在空間編碼和時(shí)序編碼這兩方面，重點(diǎn)是空間編碼這邊有什么論文或資料推薦嘛？
想請(qǐng)問(wèn)一下在結(jié)構(gòu)光單目三維重建中有沒(méi)有不標(biāo)定投影儀而實(shí)現(xiàn)標(biāo)定的，我目前的課題是由一個(gè)高速相機(jī)和一個(gè)投射光柵條紋的激光器組成的系統(tǒng)，傳統(tǒng)逆向標(biāo)定投影儀的方法不能使用，所以希望大佬們給一些標(biāo)定上的建議。
我使用的是格雷碼+相移編碼光柵，在經(jīng)過(guò)解碼得到絕對(duì)相位后，怎么計(jì)算得到深度圖？
立體匹配，三維重建后發(fā)現(xiàn)類似摩爾紋的情況，請(qǐng)問(wèn)這種情況怎么處理？
請(qǐng)問(wèn)有關(guān)于線結(jié)構(gòu)光傳感器標(biāo)定的綜述論文可以推薦嗎？
目前在做雙目結(jié)合結(jié)構(gòu)光（格雷碼）的三維重建，該怎么把格雷碼和雙目立體匹配融合呢？
您好！想問(wèn)一下這個(gè)結(jié)構(gòu)光檢測(cè)缺陷時(shí)候，圖像和激光點(diǎn)云的關(guān)系是怎么樣的，他和普通的基于圖像的檢測(cè)有什么不同嗎？
用雙目結(jié)構(gòu)光多頻外差單視角重建出來(lái)的點(diǎn)云有分層現(xiàn)象，是什么原因呢？是深度方向分辨率低嗎？
剛開(kāi)始學(xué)習(xí)雙目結(jié)構(gòu)光，不是很清楚應(yīng)該如何學(xué)習(xí)，有沒(méi)有什么書(shū)籍視頻資料之類的希望能給推薦一下？
? ? ? ?……
雙目視覺(jué)篇
一直搞不懂，雙目拍得一組的兩幅圖像，提取特征點(diǎn)、立體匹配、三維重建之后。這一組圖片結(jié)果與其他組圖片結(jié)果，用什么方法融合在一起呀？
請(qǐng)問(wèn)有沒(méi)有什么經(jīng)典的雙目估計(jì)深度的文章可以推薦一下？
雙目視覺(jué)，對(duì)于遮擋區(qū)域的視差估計(jì)或者遮擋區(qū)域的深度補(bǔ)全，有比較新的論文推薦嗎？
有沒(méi)有雙目三維目標(biāo)檢測(cè)的實(shí)戰(zhàn)算法？
雙目視覺(jué)三維重建時(shí)，想要獲得點(diǎn)云是左右視差圖都要用到嗎？
雙目視覺(jué)的瓶頸在哪里？如何改進(jìn)？
你好，最近看到一些基于深度學(xué)習(xí)方式的雙目重建，速度很快，這種方式有應(yīng)用價(jià)值嗎？
立體視覺(jué)的匹配速度有哪些改進(jìn)的方式？
? ? ? ?……
深度估計(jì)篇
請(qǐng)問(wèn)有沒(méi)有什么經(jīng)典的雙目估計(jì)深度的文章可以推薦一下？
請(qǐng)問(wèn)深度估計(jì)輸出的深度值，是點(diǎn)到相機(jī)平面的垂直距離，還是到相機(jī)鏡頭的距離？
對(duì)于雙目深度估計(jì)任務(wù)端到端，非端到端模式區(qū)別在哪里？
有哪些自監(jiān)督方式的單目深度估計(jì)算法？
請(qǐng)問(wèn)現(xiàn)在關(guān)于單目圖像深度估計(jì)比較領(lǐng)先的算法和開(kāi)源工具有哪些？哪些算法在特征點(diǎn)很少的圖像中表現(xiàn)比較更好？
打算用無(wú)監(jiān)督學(xué)習(xí)來(lái)做深度估計(jì)，但是數(shù)據(jù)集沒(méi)有真值，這樣做出來(lái)的結(jié)果怎么做定量評(píng)估呢？有沒(méi)有除了真值以外的評(píng)價(jià)深度估計(jì)算法效果的方法呢？
我想請(qǐng)問(wèn)一下，現(xiàn)在基于深度學(xué)習(xí)的單目視覺(jué)估計(jì)能夠應(yīng)用在工業(yè)實(shí)際項(xiàng)目中了？
如何解決單目深度估計(jì)遠(yuǎn)距離誤差大的問(wèn)題？
? ? ? ?……
3D檢測(cè)篇
我想問(wèn)一下有哪種比較好落地的3D目標(biāo)檢測(cè)算法，最后實(shí)現(xiàn)的效果是能獲取目標(biāo)的姿態(tài)估計(jì)這樣的效果
基于Lidar點(diǎn)云數(shù)據(jù)的3D檢測(cè)算法有哪些？
基于雙目和單目的3D檢測(cè)算法有哪些？
基于多模態(tài)數(shù)據(jù)融合的3D檢測(cè)算法有哪些？
如何使用Radar和Camera融合數(shù)據(jù)進(jìn)行3D檢測(cè)？
? ? ? ?……
自動(dòng)駕駛與多傳感器融合篇
Lidar和Camera的標(biāo)定方式和工具有哪些？
Lidar和Radar的標(biāo)定方式有哪些？
多相機(jī)標(biāo)定方式有哪些？
Lidar和雙目相機(jī)標(biāo)定融合的paper有推薦嗎？
激光雷達(dá)、Camera、毫米波雷達(dá)融合怎么做融合？
手眼標(biāo)定方式有哪些？
Laser和相機(jī)的標(biāo)定方式？
IMU、Camera的融合代碼有嗎？
? ? ? ……
百篇綜述paper
雙目視覺(jué)的匹配算法綜述
基于立體視覺(jué)深度估計(jì)的深度學(xué)習(xí)技術(shù)研究（綜述）
單目圖像的深度圖估計(jì)：綜述
機(jī)器視覺(jué)表面缺陷檢測(cè)綜述
最新機(jī)器人抓取點(diǎn)檢測(cè)、物體6D姿態(tài)估計(jì)paper匯總：堆疊場(chǎng)景、遮擋場(chǎng)景、單目圖像、深度學(xué)習(xí)方式等
基于視覺(jué)的機(jī)器人抓取，從目標(biāo)定位、姿態(tài)估計(jì)、抓取檢測(cè)到運(yùn)動(dòng)規(guī)劃類綜述
超詳細(xì)的3D Machine Learning教程：涉及數(shù)據(jù)集集合、三維模型、三維場(chǎng)景、三維姿態(tài)估計(jì)、單目標(biāo)分類、多目標(biāo)檢測(cè)、場(chǎng)景/對(duì)象語(yǔ)義分割、三維幾何合成/重建；
A Review on Object PoseRecovery: from 3D Bounding Box Detectors to Full 6D Pose Estimators
A Survey on Deep Learning forLocalization and Mapping:Towards the Age of Spatial Machine Intelligence
A survey of variational andCNN-based optical flow techniques
Multisensor data fusion: Areview of the state-of-the-art
A Review of Data FusionTechniques
Review: deep learning on 3Dpoint clouds
3D indoor scene modeling fromRGB-D data：a survey
Automatic Target Recognition onSynthetic Aperture Radar Imagery: A Survey
Event-based Vision: A Survey
Self-Driving Cars: A Survey
RGB-D Odometry and SLAM：基于RGB-D的視覺(jué)里程計(jì)和SLAM綜述
Image-based 3D Object Reconstruction:State-of-the-Art and Trends in the Deep Learning Era4
Deep Learning for Image andPoint Cloud Fusion in Autonomous Driving: A Review
A Survey of SimultaneousLocalization and Mapping with an Envision in 6G Wireless Networks
Graph-based SLAM: a survey
Visual simultaneouslocalization and mapping a survey
Topological simultaneouslocalization and mapping a survey
Kalman Filter for Robot Vision:A Survey
Target-less registration ofpoint clouds: A review【點(diǎn)云無(wú)目標(biāo)配準(zhǔn)綜述】
A Review of Point Cloud SemanticSegmentation#【基于點(diǎn)云的語(yǔ)義分割綜述】
? ? ? ?……
「3D視覺(jué)從入門(mén)到精通」知識(shí)星球
超全的資料和答案獲取，請(qǐng)移步到「3D視覺(jué)從入門(mén)到精通」知識(shí)星球：一個(gè)超干貨的3D視覺(jué)社區(qū)，目前已有近2000+的小伙伴加入學(xué)習(xí)，每天都有新知識(shí)分享。這里送給大家一張優(yōu)惠券，可加小助理微信：CV_LAB。
什么是知識(shí)星球？
知識(shí)星球是一個(gè)高度活躍的社區(qū)平臺(tái)，在這里你可以和相同研究方向的小伙伴一起探討科研工作難題、交流最新領(lǐng)域進(jìn)展、分享paper資料、發(fā)布高質(zhì)量的求職就業(yè)信息，當(dāng)然還可以侃侃而談，吐槽學(xué)習(xí)工作生活。
3D視覺(jué)從入門(mén)到精通知識(shí)星球
這是國(guó)內(nèi)最大的3D視覺(jué)領(lǐng)域?qū)W習(xí)交流的社區(qū)平臺(tái)，目前已有近2000名活躍的成員，主要涉及3D視覺(jué)、CV&深度學(xué)習(xí)、SLAM、三維重建、點(diǎn)云后處理、自動(dòng)駕駛、CV入門(mén)、三維測(cè)量、缺陷檢測(cè)、視覺(jué)產(chǎn)品落地、視覺(jué)競(jìng)賽、硬件選型、學(xué)術(shù)交流、求職交流等領(lǐng)域。星球內(nèi)部匯集了眾多實(shí)戰(zhàn)問(wèn)題（相信一定能幫你少走很多彎路），以及各個(gè)模塊的學(xué)習(xí)資料：論文、書(shū)籍、源碼、視頻等。
針對(duì)小白，星球推出了學(xué)習(xí)路線，能夠幫助新人逐漸進(jìn)階學(xué)習(xí)，我們的vip群更是營(yíng)造了良好的學(xué)術(shù)交流環(huán)境。
針對(duì)需要進(jìn)階的童鞋，星球匯總了大量的前沿技術(shù)資源，相信這些內(nèi)容一定能夠幫助到個(gè)人的成長(zhǎng)發(fā)展。
星球的成員組成
星球匯集了國(guó)內(nèi)外各個(gè)高校的研究生、博士生，包括但不限于清華大學(xué)、上海交通大學(xué)、華中科技大學(xué)、武漢大學(xué)、南京大學(xué)、北京理工大學(xué)、北京航空航天大學(xué)；以及國(guó)外留學(xué)的小伙伴，主要就讀于南加州大學(xué)、墨爾本大學(xué)、慕尼黑工業(yè)大學(xué)、亞琛工業(yè)大學(xué)等。除此之外，還有很多一線工作的算法工程師、開(kāi)發(fā)人員，包括但不限于百度、曠視、華為、奧比中光、云從、阿丘科技等。
星球的主要嘉賓
「3D視覺(jué)從入門(mén)到精通」知識(shí)星球是一個(gè)技術(shù)社區(qū)，在這里你可以討論任何3D視覺(jué)相關(guān)的難題、前沿技術(shù)。星球邀請(qǐng)了國(guó)內(nèi)外高校博士（北航、慕尼黑工業(yè)大學(xué)等）、CV獨(dú)角獸公司CTO/CEO、以及各大廠的算法工程師解惑。在這里，你可以一對(duì)一和大佬交流，提出自己在工作學(xué)習(xí)上的疑問(wèn)。
合作企業(yè)
知識(shí)星球現(xiàn)已和眾多公司建立了良好的合作關(guān)系，公司內(nèi)的算法負(fù)責(zé)人會(huì)不定期的來(lái)內(nèi)部進(jìn)行前沿技術(shù)/產(chǎn)品分享，除此之外，星球也為公司推薦合格的算法/開(kāi)發(fā)人才?，F(xiàn)有合作企業(yè)包括但不限于：華為云、騰訊、圖漾科技、鐳神智能、中科慧眼、INDEMIND、遷移科技、追勢(shì)科技等~
為什么給大家推薦「3D視覺(jué)從入門(mén)到精通」知識(shí)星球呢？
下面先簡(jiǎn)單以幾張圖片總結(jié)星球的主要內(nèi)容：
往期干貨展示：
二 視頻課程：
更多干貨匯總：
隨著我們隊(duì)伍的不斷壯大，目前星球嘉賓及合伙人，主要包括多個(gè)大廠的計(jì)算機(jī)視覺(jué)算法工程師、深度學(xué)習(xí)算法工程師、結(jié)構(gòu)光三維重建算法工程師、資深VSLAM算法工程師、3D視覺(jué)測(cè)量方向的點(diǎn)云后處理資深算法工程師、標(biāo)定算法工程師以及國(guó)內(nèi)外知名高校博士等近20多位成員。星球主要關(guān)注3D視覺(jué)、vSLAM、三維重建、點(diǎn)云處理、立體視覺(jué)、結(jié)構(gòu)光、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和圖像處理等方向。日常分享各個(gè)領(lǐng)域的最新進(jìn)展和經(jīng)典論文，會(huì)員可以免費(fèi)對(duì)嘉賓進(jìn)行技術(shù)提問(wèn)，完成一對(duì)一的指導(dǎo)解答，星球的初衷是讓更多的童鞋能夠盡快熟悉自己研究的3D視覺(jué)領(lǐng)域，少走一些彎路。
目前我們的星球嘉賓已經(jīng)陸續(xù)為我們的星球成員帶去了線上課程，包括：基于深度學(xué)習(xí)物體抓取位置估計(jì)、相機(jī)標(biāo)定的基本原理與經(jīng)驗(yàn)分享、基于點(diǎn)云的三維物體表示與生成模型、聊聊目標(biāo)檢測(cè)與秋招那些事兒、基于激光雷達(dá)的感知與定位導(dǎo)航應(yīng)用、圖像對(duì)齊算法、中科慧眼崔峰博士詳解深度相機(jī)原理及其應(yīng)用、......后期會(huì)陸續(xù)針對(duì)星球里的內(nèi)容，進(jìn)行進(jìn)一步講解與指導(dǎo)。
同時(shí)，我們的星球更是入駐了多個(gè)企業(yè)的創(chuàng)始人及CTO，優(yōu)秀的學(xué)員，我們將優(yōu)先內(nèi)推到企業(yè)。
「3D視覺(jué)從入門(mén)到精通」知識(shí)星球
星球是目前唯一以3D視覺(jué)系統(tǒng)化學(xué)習(xí)為主題的高質(zhì)量知識(shí)星球，目前已經(jīng)有近2000個(gè)小伙伴進(jìn)入學(xué)習(xí)。主要有以下幾個(gè)亮點(diǎn)：
1、星主及合伙人共同答疑。星球的合伙人先后就職于國(guó)內(nèi)知名研究機(jī)構(gòu)、自動(dòng)駕駛公司、?？笛芯吭海饕芯糠较?yàn)樯疃葘W(xué)習(xí)、目標(biāo)檢測(cè)、語(yǔ)義分割、圖像處理、自動(dòng)駕駛感知算法，同時(shí)也是CSDN博客專家。星主先后任職于國(guó)內(nèi)知名研究院、知名大廠，一直致力于3D視覺(jué)算法、VSLAM算法的開(kāi)發(fā)，涉及相機(jī)標(biāo)定、手眼標(biāo)定、結(jié)構(gòu)光視覺(jué)、點(diǎn)云后處理、編程優(yōu)化等相關(guān)領(lǐng)域的研究。對(duì)于星球里的提問(wèn)，將由星球和合伙人協(xié)同作答，星球成員一起探討，直至得到最佳解。
2、技術(shù)介紹不枯燥、詳細(xì)且有趣。該系列以最基礎(chǔ)的知識(shí)開(kāi)始介紹，單個(gè)帖子介紹一個(gè)具體的知識(shí)點(diǎn)，盡量做到圖文并茂，生動(dòng)有趣，并將結(jié)合視頻課程，對(duì)3D視覺(jué)的每個(gè)重要技術(shù)細(xì)節(jié)一點(diǎn)點(diǎn)深挖。平時(shí)再忙沒(méi)關(guān)系，業(yè)余時(shí)間可以反復(fù)觀看。（從加入起，有效期一年，到期后，之前已發(fā)布內(nèi)容仍可查看）。
3、技術(shù)內(nèi)容重實(shí)踐、實(shí)操性強(qiáng)。筆者及合伙人會(huì)根據(jù)不同的知識(shí)點(diǎn)設(shè)計(jì)一些可實(shí)踐性的練習(xí)題，俗話說(shuō)，實(shí)踐出真知，只有在實(shí)踐中獲得的認(rèn)知才是最真切的，假以時(shí)日，高效提升解決問(wèn)題的能力才是王道。
4、精選3D視覺(jué)項(xiàng)目常見(jiàn)問(wèn)題。3D視覺(jué)理論到產(chǎn)品落地，這中間會(huì)涉及方方面面的細(xì)節(jié)問(wèn)題，比如編程優(yōu)化加速、相機(jī)硬件選型、編程工具等，這些是一個(gè)優(yōu)秀開(kāi)發(fā)者需要具備的綜合技能。筆者與合伙人會(huì)結(jié)合各自的項(xiàng)目經(jīng)歷做定期分享，幫助大家提升綜合能力。
5、高質(zhì)量的交流、討論、學(xué)習(xí)社區(qū)。星球內(nèi)所有成員都可以進(jìn)行發(fā)布問(wèn)題、分享知識(shí)、上傳資源、點(diǎn)贊、留言、評(píng)論等操作。對(duì)于小伙伴提出的問(wèn)題，我們大家皆可以參與交流、討論。所有的交流討論及問(wèn)題、資源分享等，星主都將會(huì)定期整理，方便日后快速查詢。小伙伴們?cè)趯W(xué)習(xí)或者項(xiàng)目中遇到問(wèn)題都可以在星球里免費(fèi)提問(wèn)，星主看到后及時(shí)答疑解惑。
尾注
1、?新進(jìn)星球的同學(xué)請(qǐng)查看置頂帖子「內(nèi)容快速導(dǎo)航」，盡早跟上節(jié)奏。我們將隔一段時(shí)間對(duì)星球里的知識(shí)點(diǎn)和帖子進(jìn)行整理，更新，所以大家務(wù)必請(qǐng)關(guān)注置頂帖子。
2、?本課程的優(yōu)勢(shì)：
非常完善的3D視覺(jué)學(xué)習(xí)路線，逐步攻克3D視覺(jué)中的每個(gè)重要知識(shí)點(diǎn)。鑒于星球里截止目前已經(jīng)分享了近1500個(gè)帖子，涉及SLAM、三維重建、3D深度學(xué)習(xí)、多傳感器融合、雙目視覺(jué)、多視圖幾何、圖像處理、編程調(diào)試技巧、點(diǎn)云后處理、針孔模型及魚(yú)眼鏡頭標(biāo)定、讀書(shū)心得、項(xiàng)目實(shí)戰(zhàn)、招聘需求等，以后會(huì)不間斷增加其他知識(shí)點(diǎn)，減少知識(shí)盲區(qū)。
對(duì)于擇業(yè)、研究方向選擇等問(wèn)題，星球里都可以免費(fèi)提問(wèn)，讓你進(jìn)一步避免踩坑。
知識(shí)星球需付費(fèi)，越早越優(yōu)惠。學(xué)習(xí)切忌單打獨(dú)斗，一個(gè)優(yōu)質(zhì)的學(xué)習(xí)圈子助你快速入門(mén)、高效解決問(wèn)題，少走彎路。只要每天不到幾毛錢(qián)，即可把握住時(shí)代的風(fēng)口，與優(yōu)秀的小伙伴一起交流、進(jìn)步，為就業(yè)增添砝碼。加小助理微信：CV_LAB，可獲取星球優(yōu)惠券。
下面是星球內(nèi)部交流討論部分截圖：
備注：加入星球后，可獲取星球獨(dú)家學(xué)習(xí)視頻。添加小助理微信：CV_LAB,領(lǐng)取星球優(yōu)惠券。
