3D感知技术与实践（第三期）

3D感知技术与实践（第三期）

• 第1章 概述
• 1-1 从2D迈向3D 立即学习
• 1-2 3D感知特点和面临的技术难点 立即学习
• 1-3 3D感知相关算法简介 立即学习
• 1-4 课程内容介绍、挑战项目、软件工具介绍 立即学习

• 第2章 3D传感器原理
• 2-1 3D光学测量方法概述 立即学习
• 2-2 针孔相机模型 立即学习
• 2-3 双目3D视觉原理 立即学习
• 2-4 结构光3D成像原理 立即学习
• 2-5 TOF 3D成像原理 立即学习
• 2-6 图像畸变与矫正 立即学习
• 2-7 RGB-D融合概述 立即学习
• 2-8 软件安装 立即学习
• 2-9 条纹结构光3D重建 立即学习
• 2-10 任意相对位姿双目相机的3D解算 立即学习

• 第3章 3D数据表示和转换
• 3-1 TOF深度相机数据到点云转换 立即学习
• 3-2 3D数据的体像素存储 立即学习
• 3-3 八叉数 立即学习
• 3-4 kd树 立即学习
• 3-5 三角剖分 立即学习
• 3-6 PLY数据文件格式 立即学习

• 第4章 深度图和点云数据底层处理算法
• 4-1 数据滤波与过滤 立即学习
• 4-2 深度图数据滤波 立即学习
• 4-3 点云滤波平滑 立即学习
• 4-4 数据过滤 立即学习
• 4-5 数据降采样 立即学习
• 4-6 3D数据压缩 立即学习

• 第5章 3D特征提取与参数测量
• 5-1 云旋转和平移变换 立即学习
• 5-2 3D点云形状参数计算 立即学习
• 5-3 3D点云的几何模型参数拟合 立即学习
• 5-4 存在离群点条件下的点云几何模型参数拟合 立即学习
• 5-5 点云配准基本算法 立即学习
• 5-6 物体表面重建 立即学习
• 5-7 直播答疑（上） 立即学习
• 5-8 直播答疑（下） 立即学习

• 第6章 特征提取、前后景分割、物体检测和识别
• 6-1 特征提取与检测：基于深度图的方法 立即学习
• 6-2 特征提取与检测：基于点云的方法 立即学习
• 6-3 前后景分离：基于模型匹配的方法 立即学习
• 6-4 前后景分离：基于背景扣除的方法 立即学习
• 6-5 前后景分离：基于统计分类的方法 立即学习
• 6-6 前后景分离：背景的自适应更新 立即学习
• 6-7 几何形状识别 立即学习
• 6-8 3D投影轮廓的形状判断 立即学习

• 第7章 人体、物体识别与点云配准
• 7-1 人体肢体识别 立即学习
• 7-2 基于关键点特征的点云识别与粗配准流程 立即学习
• 7-3 SHOT点云特征提取算法 立即学习
• 7-4 PFH点云特征提取算法 立即学习
• 7-5 PPF点云识别配准算法 立即学习
• 7-6 基于图结构的关键点匹配算法 立即学习

• 第8章 图运算、神经网络与识别
• 8-1 3D体素神经网络 立即学习
• 8-2 3D点云神经网络 立即学习
• 8-3 图滤波和图卷积 立即学习
• 8-4 图卷积神经网络 立即学习
• 8-5 3D人脸识别：3DMM人脸模型 立即学习
• 8-6 3D人脸识别：神经网络3D人脸识别 立即学习
• 8-7 直播答疑（上） 立即学习
• 8-8 直播答疑（中） 立即学习
• 8-9 直播答疑（下） 立即学习