三維計算視覺研究內容包括：
1）三維匹配：兩幀或者多幀點雲資料之間的匹配，因為雷射掃瞄光束受物體遮擋的原因，不可能通過一次掃瞄完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃瞄。三維匹配的目的就是把相鄰掃瞄的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代演算法 icp和各種全域性匹配演算法。
2）多檢視三維重建：計算機視覺中多檢視一般利用影象資訊，考慮多視幾何的一些約束，射影幾何和多檢視幾何是視覺方法的基礎，在攝影測量中類似的存在共線方程。光束平差法是該類研究的核心技術。這裡也將點雲的多視匹配放在這裡，比如人體的三維重建，點雲的多視重建不再是簡單的逐幀的匹配，還需要考慮不同角度觀測產生誤差累積，因此存在乙個針對三維模型進行優化或者平差的過程在裡面。多檢視三維重建這裡指的只是靜態建模，輸入是一系列的影象或者點雲集合。可以只使用影象，或者只使用點雲，也可以兩者結合（深度影象）實現，重建的結果通常是mesh網格。
按照感測器型別分類：可以分為基於雷射的slam和基於視覺的slam。
基於雷射的slam可以通過點雲匹配（最近點迭代演算法 icp、正態分佈變換方法 ndt）+位姿圖優化（g2o、lum、elch、toro、spa）來實現；實時雷射3d slam演算法 （loam，blam，cartographer等）；kalman濾波方法。通常雷射3d slam側重於定位，在高精度定位的基礎上可以產生3d點雲，或者octree map。
基於視覺（單目、雙目、魚眼相機、深度相機）的slam，根據側重點的不同，有的側重於定位，有的側重於表面三維重建。不過都強調系統的實時性。
（1）側重於定位的vslam系統比如orbslam，lsdslam；vins是imu與視覺融合的不錯的開源專案。
（2）側重於表面三維重建slam強調構建的表面最優，或者說表面模型最優，通常包含fusion融合過程在裡面。通常slam是通過觀測形成閉環進行整體平差實現，優先保證位姿的精確；而vslam通過fusion過程同時實現了對構建的表面模型的整體優化，保證表面模型最優。最典型的例子是kinectfusion，kinfu，bundlefusion，ratmap等等。
（4）目標檢測與識別：無人駕駛汽車中基於雷射資料檢測場景中的行人、汽車、自行車、道路（車道線，道路標線，路邊線）以及道路設施（路燈）和道路附屬設施（行道樹等）。這部分工作也是高精度電子地圖的主要內容。當然高精度電子地圖需要考慮的內容更多。同時室內場景的目標識別的研究內容也很豐富，比如管線設施，消防設施等。
（5）形狀檢測與分類：點雲技術在逆向工程中有很普遍的應用。構建大量的幾何模型之後，如何有效的管理，檢索是乙個很困難的問題。需要對點雲（mesh）模型進行特徵描述，分類。根據模型的特徵資訊進行模型的檢索。同時包括如何從場景中檢索某類特定的物體，這類方法關注的重點是模型。
（6）語義分類：獲取場景點雲之後，如何有效的利用點雲資訊，如何理解點雲場景的內容，進行點雲的分類很有必要，需要為每個點雲進行labeling。可以分為基於點的分類方法和基於分割的分類方法。從方法上可以分為基於監督分類的技術或者非監督分類技術，深度學習也是乙個很有希望應用的技術。最近深度學習進行點雲場景理解的工作多起來了，比如pointnet，各種八叉樹的net。
（7）雙目立體視覺與立體匹配 zncc
（8）自動造型（構型），快速造型（構型）技術。對模型進行凸分割，模型剖分，以實現模型進一步的編輯修改，派生出其他的模型。
1、點雲濾波方法（資料預處理）：
雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機取樣一致性濾波。
voxelgrid
2、關鍵點
iss3d、harris3d、narf，
sift3d、均勻取樣，曲率方法取樣
3、特徵和特徵描述
法線和曲率計算
normalestimation 、特徵值分析eigen-analysis、egi
pfh、fpfh、3d shape context、spin image
4、點雲匹配
icp、穩健icp、point to plane icp、point to line icp、mbicp、gicp、nicp
ndt 3d、multil-layer ndt
fpcs、kfpcs、sac-ia
line segment matching、icl
5、點雲分割與語義分類
分割：區域生長、八叉樹區域生長、ransac線面提取、ndt-ransac、全域性優化平面提取
k-means、normalize cut（context based）
3d hough transform(線、面提取)、連通分析、
分類：基於點的分類，基於分割的分類；監督分類與非監督分類
目前基於深度學習的點雲語義分模擬較熱：pointnet，octnet之類的吧，需要多加關注。
6、slam圖優化
ceres（google的最小二乘優化庫，很強大）， g2o、lum、elch、toro、spa
slam方法：icp、mbicp、idc、likehood field、cross correlation、ndt
7、目標識別、檢索
hausdorff距離計算（人臉識別），graph matching
8、變化檢測
基於八叉樹的變化檢測
9. 三維重建
泊松重建、 delaunay triangulations
表面重建，人體重建，建築物重建，樹木重建。
結構化重建：不是簡單的構建乙個mesh網格，而是為場景進行分割，為場景結構賦予語義資訊。場景結構有層次之分，在幾何層次就是點線面等幾何圖元。
實時重建：重建植被或者農作物的4d（3d+時間）生長態勢；人體姿勢識別；表情識別；
10.點雲資料管理
點雲壓縮，點雲索引（kd、octree），點雲lod（金字塔），海量點雲的渲染
點雲驅動的計算機圖形學主要研究應用
**：
點雲資料處理學習筆記
三維計算視覺研究內容包括 1 三維匹配 兩幀或者多幀點雲資料之間的匹配，因為雷射掃瞄光束受物體遮擋的原因，不可能通過一次掃瞄完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃瞄。三維匹配的目的就是把相鄰掃瞄的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代...
點雲資料處理學習筆記
三維計算視覺研究內容包括 1 三維匹配 兩幀或者多幀點雲資料之間的匹配，因為雷射掃瞄光束受物體遮擋的原因，不可能通過一次掃瞄完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃瞄。三維匹配的目的就是把相鄰掃瞄的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代...
Python 資料處理學習筆記
2.列表 3 字典 4.集合 固定長度，不可變的物件序列 逗號分隔 tup 4,5,6tup 1 2,3 4 5 tuple轉換函式 tup tuple strings a tup 0 1.元組物件不可更改，但物件內部可以修改 2.元組拆包 tup 1,2,3 4 a,b,c,d tup a,b 1...