3D視覺介紹

我們生活在三維空間中，如何智能地感知和探索外部環境一直是個熱點難題。2D視覺技術借助強大的計算機視覺和深度學習算法取得了超越人類認知的成就，而3D視覺則因為算法建模和環境依賴等問題，一直處于正在研究的前沿。近年來，3D視覺技術快速發展，并開始結合深度學習算法，在智能制造、自動駕駛、AR/VR、SLAM、無人機、三維重建、人臉識別等領域取得了優異的效果。

3D視覺是計算機視覺的終極體現形式

2D視覺技術主要在二維空間下完成工作，三維信息基本上沒有得到任何利用，而三維信息才真正能夠反映物體和環境的狀態，也更接近人類的感知模式。近年來，學術界和工業界推出了一系列優秀的算法和產品，被廣泛應用到各個領域。

學術界：CVPR、ECCV、ICCV三大頂會每年和3D視覺相關主題的文章數量保持在十分之一左右，主要關注3D點云的識別與分割、單目圖像深度圖的生成、3D物體檢測、語義SLAM、三維重建、結構光等。

工業界：3D視覺技術被廣泛應用到人臉識別、智能機器人、自動駕駛、AR等領域，國內外相關公司推出了一系列產品。OPPO、華為和蘋果等公司推出的3D+AI識別功能，通過掃描人臉三維結構完成手機解鎖；自動駕駛領域通過分析3D人臉信息，判斷司機駕駛時的情緒狀態；SLAM方式通過重建周邊環境，完成建圖與感知；AR領域通過三維重建技術完成目標的重現。

3D視覺技術學習的難點？

3D視覺是一個范圍較廣的概念，涉及到硬件選型、離散數學、非線性優化、最優化理論、矩陣論、多視圖幾何、空間變換、點云處理、計算機視覺、SLAM、深度學習等相關知識點，對初學者來說，幾乎沒有一個完整明確的學習路線可以參考，入門較為困難，難以深入，許多人走了很多彎路還是沒有取得較好結果。然而，有價值的東西一般都很難，如果能夠完全掌握，一定會非常有競爭力。

目前關于3D視覺的書籍和論文過于零散，初學者很難掌握關鍵知識點，而且對于一些算法，不能夠真正理解，許多人因為較高門檻以及不正確的學習方式，最終選擇了放棄，錯過了讓自己升值的機會。

3D視覺技術學習路線

基于3D視覺領域缺少完整的知識路線，我和幾個朋友共同完成了3D視覺技術學習路線總結，并以思維導圖的形式呈現出來，主要包括0~16個小結，其中每個小結代表特定區域的知識點。學習路線的總結，需要較寬的知識面，由于自身有一定的知識盲區，若有缺漏之處還望指出，后續將會不斷更新維護該學習路線~