jacky
三维计算视觉研究干背需字月绝湖按话内容包括：
（1）三维匹配：两帧续迅息践好风或者多帧点云数据之间的匹配，因实双家季齐居满会已屋立为激光扫描光束受物体遮挡的原因，不可能通过一次扫描完成对整个物体的三维点云的获取。因此需要从不同的位置和角度对物体进行扫描。三维匹配的目的就粒刘外是把相邻扫描的点云数据拼接在一起。三维匹配重点关注匹配算法，常用的算法有最近点迭代算法ICP和各种全局匹配算法。
（2）多视图三维重建：计算机视觉中多视图一般利用图像信息，考虑多视几何的一些约束，相关研究目前很火，射影几何和多视图几何是视觉方法的基础。在摄影测量中类似的存在共线方程，光束平差法等研究。这里也将点云的多视匹配放刚且把把酒光植在这里，比如人体的三维重建，点云的多视重建不仅强调逐帧的匹配，还需要考虑不同角度观测产生误差累积，因此也存在限一个优化或者平差的过程在里面。通常是通过观测形成闭环进行整体平差实现，多视图重建强调整体优化。可以只使用图像，或者点云，也可以两者结明鲁天兵合（深度图像）实现。重建的结果通常是Mesh网格。
（3）3DSLAM：点云匹配（最近点迭代算法ICP、正态分布变换方法NDT）+位姿图优化（g2o、LUM、ELCH、Toro、SPA）；实时3DSLAM皮玉轴接算法（LOAM）；Kalman确复概发月眼滤波方法。3DSLAM通常产生皇存式沙挥等3D点云，或者OctreeMap。基于视觉（单目、双目、鱼眼相机、深度相机）方法的SLAM，比如orbSLAM，lsdSLAM...
（4）目标识别感飞端满济培核容盟世再：无人驾驶汽车中基于激光数格分院重城永鲜度待据检测场景中的行精错工衡府序点拉慢头人、汽车、自行车、以及道路和临针志求常元引个铁践道路附属设施（行道树、路灯、斑马线等）。
（5）形状列四检测与分类：点云技术在逆向工程中有很普遍的应用。构建大量的几何模型之后，如何有效求分的管理，检索是一个很困难的问题。需要对点云（Mesh）模型进行特征描述，分类。根据模型的特征信息进行模型的检索。同时包括如何从场景中检索某类特定的物体，这类方法关注的重点是模型。
（6）语义分类：获取场景点云之后，如何有效的利用点云信息，如何理解点云场景的内容，进行点云的分类很有必要，需要为每个点云进行Labeling。可以分为基于点的方法，基于分割的分类方法。从方法上可以分为基于监督分类的技术或者积结非监督分类技术，深度学习也是一个很有希望应用的技术。
（7）立体视觉与立体匹配 ZNCC
（8）SFM（运动恢复结构）
1、点云滤波方法（数据气煤副预处理）：
双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。
VoxelGrid
2、关键点
ISS3D、Harris3D、NARF
SIFT3D、
3、特征和特征描述
法线和曲率计算NormalEstimation、特征值分析Eigen-Analysis、EGI
PFH、FPFH、3DShapeContext、SpinImage
4、点云匹配
ICP、稳健ICP、pointtoplaneICP、PointtolineICP、MBICP、GICP
NDT3D、Multil-LayerNDT
FPCS、KFPCS、SAC-IA
LineSegmentMatching、ICL
5、点云分割与分类
分割：区域生长、Ransac线面提取、NDT-RANSAC、
K-Means、NormalizeCut（Contextbased）
3DHoughTransform(线、面提取)、连通分析、
分类：基于点的分类，基于分割的分类；监督分类与非监督分类
6、SLAM图优化
g2o、LUM、ELCH、Toro、SPA
SLAM方法：ICP、MBICP、IDC、likehoodField、Cross Correlation、NDT
7、目标识别、检索
Hausdorff距离计算（人脸识别）
8、变化检测
基于八叉树的变化检测
9.三维重建
泊松重建、Delaunaytriangulations
表面重建，人体重建，建筑物重建，树木重建。
实时重建：重建植被或者农作物的4D（3D+时间）生长态势；人体姿势识别；表情识别；
10.点云数据管理
点云压缩，点云索引（KD、Octree），点云LOD（金字塔），海量点云的渲染
点云驱动的计算机图形学主要研究应用
http://vcc.***.cn/research/2015/Points/
