传统3D视觉学习笔记
本博客内容来源于网络以及其他书籍，结合自己学习的心得进行重编辑，因为看了很多文章不便一一标注引用，如图片文字等侵权，请告知删除。
传统2D视觉学习笔记目录----->传送门 <-----
从离开学校就一直在和3D视觉打交道，从一个一无所知的小白，到现在能够面对一些视觉问题，想到3D视觉的处理办法来解决或者辅助解决问题，也可以算还是有一点学习的收获吧。
3D视觉在消费娱乐方面以及工业视觉方面，几年来有着很大的进步。主要原因是由于近年来，3D视觉的传感器的价格达到了可以接受的水平。从2012年以来，各大公司都加重的对于3D视觉的重视，以及各大创投也加大了对于3D视觉行业初创公司的投资。比如2012年左右，微软收购了3D-TOF相机公司canesta和3dv；2013年，英特尔推出RealSense实感技术，谷歌推出ProjectTango项目，苹果收购结构光先驱PrimeSense；2015年索尼收购了3D视觉综合技术供应商SoftKinetic，Facebook旗下Oculus收购3D手势识别公司Pebbles，等等一系列。国内也出现了一系列的3D视觉传感器和应用公司，比如奥比中光、阿丘科技、埃尔森、小觅、海康威视、梅卡曼德等。
而实际落地也已经深入到各个行业，比如工业缺陷检测，工业零件抓取，消费级的大家肯定不陌生比如各大手机厂商的人脸解锁，增强现实，以及3D房产展示等，可谓3D视觉是视觉行业又一个新的发展点。本系列就整理一些常见的算法以及知识点，不一定是目前最先进的，但都是最基础的，希望和大家一起学习。
下面是我准备的知识点目录，目录随着我的学习过程进行增加。
目录
- 3D传感器成像原理（待整理）
- 常见点云文件解析
- 常用简单滤波器
- 网格简化综述
- 网格生成方法简述
- 3D 关键点（待整理）
- 3D 特征点描述子（待整理）
- ICP 配准方法（待整理）
- RANSAC 配准方法（待整理）
- NDT配准方法（待整理）
- Point Pair Feature（待整理）
- 点对匹配配准方法（待整理）
- 点云近邻查找方法（待整理）
- 点云分割（待整理）
- 面生成算法（待整理）
- 面贴图算法（待整理）
- linemod算法（待整理）
- 德劳内三角形（待整理）
其中有一些写的比较宽泛，比如分割方法，实际写文章时可能要分成很多篇来描写，本系列主要还是用pcl（Point Cloud Library）来作为代码实现的主要工具，当然现在也还有一些非常优秀的点云处理库，比如Open3D，之后有机会也会进行学习。
我能说什么呢，我也很无奈啊，还原程度有点高，只能怪没有3D的美颜
任何人或团体、机构全部转载或者部分转载、摘录，请保留本博客链接或标注来源。博客地址：开飞机的乔巴
作者简介：开飞机的乔巴（WeChat：zhangzheng-thu），现主要从事机器人抓取视觉系统以及三维重建等3D视觉相关方面，另外对slam以及深度学习技术也颇感兴趣，欢迎加我微信或留言交流相关工作。
