微信公众号推荐

关注公众号

后台回复 「资料」， 即可下载 计算机视觉干货资料，涉及相机标定、三维重建、

立体视觉、SLAM、深度学习、点云后处理、姿态估计、多视图几何、多传感器融合等方向

【计算机视觉 工坊简介 】

公众号【计算机视觉工坊】，特邀嘉宾及合伙人，先后就职于百度、商汤及知名自动驾驶公司，主要研究方向为计算机视觉、目标检测、语义分割、点云处理、三维重建、深度学习、AI芯片、产品落地等。博主先后任职于国内知名研究院、知名大厂，致力于3D视觉算法、三维测量、SLAM算法开发，涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究，同时也是CSDN博客专家。计算机视觉工坊坚持原创，近一年来输出了非常多的高质量文章，获得了粉丝的一致好评，我们将始终坚持走原创路线，打造一个铁杆粉丝的聚集区。

【 作者介绍 】

公众号博主1： Tom Hardy ，先后就职于国内知名研究院、自动驾驶独角兽公司，致力于计算机视觉算法、深度学习算法、自动驾驶感知算法等领域的研究，CSDN博客专家。

公众号博主2： 小凡 ，先后任职于知名研究院、知名VSLAM公司，致力于3D视觉算法、VSLAM算法开发，涉及相机标定、手眼标定、结构光、点云后处理等相关领域的研究，CSDN博客专家。

公众号博主3： 特邀嘉宾， 主要来自于百度、商汤等一线大厂算法工程师及北航、中科院、南加州、亚琛工业、慕尼黑工业大学等海内外高校硕博。

计算机视觉工坊致力于： 分享技术、坚持原创、创造价值、结识一起追梦的人~

强力推荐关注【计算机视觉工坊】，CV前沿技术，不容错过，下面汇总了一些往期文章，大家一起学习~

往期文章汇总

• ICRA2020重磅来袭——SLAM文章汇总

• 论文解读|激光视觉融合的Ｖ-LOAM

• Lidar与IMU标定代码实战：lidar_align

• 基于双目事件相机的视觉里程计

• LOAM论文介绍与A-LOAM代码简介

• ORB-SLAM3 Initializer.cpp函数解读

• ORB-SLAM3系列-多地图管理

• 聊聊这两年学习slam啃过的书！

• 一文详解固态激光雷达的里程计（loam_livox）

• 用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计

• 计算机视觉在生物力学和运动康复中的应用和研究

• 从理论到实践: ORB-SLAM3 Initializer完全解读

• 入坑slam，一位博士小姐姐的科研和成长分享（考研+读研+读博）

• 粒子滤波到底是怎么得到的？

• 一文详解bundle adjustment

• 基于视觉和惯性传感器的移动机器人手遥操作系统

• ORB-SLAM3 细读单目初始化过程(上)

• 超详细解读ORB-SLAM3单目初始化（下篇）

• 重用地图的单目视觉惯导SLAM系统

• ORB-SLAM3 单目地图初始化（终结篇）

• 重磅直播|计算深度分割技术的实现与全局效应下的结构光三维重建
  

• VSLAM|回环检测之词袋字典效果测试及一点思考

• [SLAM] a bite of SLAM
  

• SLAM从0到1——状态估计之最小二乘问题解法：最速下降法、牛顿法、高斯牛顿法、LM法
  

• SLAM从0到1——ORB特征提取及特征匹配
  

• 视觉SLAM简介（限于初学者）

• EPnP：一种复杂度为O(N)的求解PnP问题的方法

• ORB-SLAM2:一种开源的VSLAM方案

• 系列篇|一文尽览事件相机原理

• VSLAM|回环检测之词袋字典如何生成？

• 总结|ORB_SLAM2源码中字典使用细节

• 视觉里程计的轨迹评估的工具： evo

• ORB-SLAM：让人Orz的SLAM

• 视觉SLAM：一直在入门，从未到精通

• 卡尔曼滤波：究竟滤了谁？

• 特征点检测-ORB

• 深入剖析DSO的数学原理及实现

• VSO: Visual Semantic Odometry（视觉语义里程）

• MIT最近推出的：Kimera-实时度量语义SLAM开源系统

• 非线性优化：徒手实现LM算法

深度学习在3D视觉上的应用

• 深入研究自监督单目深度估计：Monodepth2

• 一种基于神经网络+结构约束的车道线检测方法

• 一种用于360度全景视频超分的单帧多帧联合网络

• 汇总|实时性语义分割算法（全）

• 汇总|实时性语义分割算法(共24篇）

• 一文带你了解基于视觉的机器人抓取自学习(Robot Learning)

• 杂乱场景中的尺度层次三维目标识别

• ECCV20| 3D目标检测时序融合网络

• CLOCs：3D目标检测多模态融合之Late-Fusion

• 3D目标检测多模态融合综述
  

• mask rcnn训练自己的数据集

• 谷歌最新论文：手机端的实时3-D目标检测

• STD：Sparse-to-Dense 3D Object Detector for Point Cloud(腾讯&香港大学)

• 基于2.5/3D的自主主体室内场景理解研究

• CVPR 2020 | 更高质量的点云补全：上海交通大学团队提出点云分形网络

• GhostNet : 轻量级网络模型，性能超越MobileNetV3(CVRP2020, 华为诺亚)

• 汇总|基于3D点云的深度学习方法

• 基于深度学习的三维重建算法综述

• SDOD：基于depth的实时3D检测与分割

• 汇总|3D点云分割算法

• DSGN：基于深度立体几何网络的3D目标检测（香港大学提出）

• VoxelNet阅读笔记

• 汇总|3D点云目标检测算法

• 基于深度法向约束的稀疏雷达数据深度补全（商汤科技和香港大学联合提出)

• FDDWNET:模型参数仅为0.8M，速度和准确率综合性能在轻量级分割网络中达到SOTA

• FusionNet：基于稀疏雷达点云和RGB图像的深度图补全

• RGPNET: 复杂环境下实时通用语义分割网络
  

• LiteSeg: 一种用于语义分割的轻量级ConvNet

• 基于机器学习随机森林方式的姿态识别算法

• 基于单目图像无监督学习的深度图生成

• PointConv：基于3D点云的深度卷积网络

• Deep Manta：单目图像下2d到3d由粗到精的多任务网络车辆分析

• PointRCNN : 基于3D点云下的目标检测

• 基于点云数据的3D部件感知聚焦目标检测网络

• 干货|深度学习如何融入工业机器视觉

• 混合深度卷积，更少参数下的轻量级网络

• 3D U-Net：从稀疏注释中学习密集的体积分割

• 深度学习在3-D环境重建中的应用

• 非对称卷积增强CNN特征拟合

• 基于深度学习的特征提取和匹配方法介绍

• Robust Optimization in 3D Vision

• DCP: Deep Closest Point（点云匹配）

• 深度学习中如何应对图像数据不足?

3D视觉学习路线总结与资料

• 吐血整理|3D视觉系统化学习路线

• 那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）

• 一个狠招|如何高效学习3D视觉

• 那些精贵的「机器视觉」学习资料总结

• 那些珍贵的「视觉SLAM」课程资料总结

• 学习攻略|清华大学对外免费开放2000门课程

• 用于视频超分辨率的可变形三维卷积

• 通俗易懂的Harris 角点检测

• 印刷质量缺陷的视觉检测原理概述
  

• 2D、3D视觉技术干货之杂谈
  

• 一分钟详解initUndistortRectifyMap函数bug修复方法

• Homography matrix(单应性矩阵)在广告投放中的实践

• 透视变换（进阶）

• 粒子滤波在图像跟踪领域的实践

• 图像处理的仿射变换与透视变换

• 超详讲解图像拼接/全景图原理和应用|附源码

• OpenCV实现多张图像拼接

• 人生的傅里叶变换

• 稠密光流----Farneback

• 角点检测----shi-tomas

• 图像合成与图像融合

• 一文详解工业相机和镜头选取

• 计算机视觉基本原理——RANSAC

• 总结 | 相机标定的基本原理与改进方法

• 再谈「相机标定」

• 背光源：你究竟是怎样的波长？

• 一分钟详解「本质矩阵」推导过程

• 一分钟详解OpenCV之相机标定函数calibrateCamera()

• 从零开始学习「张氏相机标定法」

• 藏在标定板身后的秘密

• 你会绘制椭圆吗？

• 计算机与机器视觉中的高精度相机标定

• 镜头、曝光，以及对焦（上）

• 镜头、曝光，以及对焦（下）

• 系列篇|事件相机-数据集与仿真器

• 事件相机角点检测，从原理到demo

• 系列篇|三维重建之纯格雷码三维重建

• 激光三角测量法在工业视觉检测上的应用

• 综述|线结构光中心提取算法研究
  

• 系列篇|结构光——格雷码解码方法

• 系列篇|结构光三维重建——相移法基本原理

• 那些你所不知道的结构光技术
  

• 系列篇|结构光三维重建基本原理

• 系列篇|单目结构光三维成像系统的标定方法

• 聊聊三维重建-条纹法之相位法(一)

• 聊聊三维重建-条纹法之相位法(二)

• 结构光三维重建原理

• 基于多频外插的结构光三维重建之投影仪标定

• 一分钟详解线结构光扫描系统

• 3D Scanner 相机：为工业机器人装上“火眼金睛”

传统3D视觉

• 摄影测量(计算机视觉)中的三角化方法

• 一种用于三维物体建模的精确、鲁棒的距离图像配准算法

• ECCV2020最佳论文解读之递归全对场变换(RAFT)光流计算模型
  

• 超全的3D视觉数据集汇总

• 面向高精度领域的视觉伺服算法汇总

• 一分钟详解鱼眼镜头标定基本原理及实现

• 「3D视觉技术交流群」精华帖与关键问题

• 多视角立体视觉MVS简介

• 摩尔条纹拯救我的3D检测

• 三维重建 3D reconstruction 有哪些实用算法？

• 点云配准(一 两两配准)

• 立体视觉动态测量技术

• 半全局匹配SGM

• 3D视觉技术的6个问答

• 聊聊三维重建-双目立体视觉原理

• 3D视觉技术在机器人抓取作业中的应用实例

• 立体匹配论文笔记：AnyNet

• 一文读懂经典双目稠密匹配算法SGM

• OpenCV双目稠密匹配BM算法源代码详细解析

• OpenCV源代码分析——SGBM

• FCGF-基于稀疏全卷积网络的点云特征描述子提取(ICCV2019)

• GRNet网络：3D网格进行点云卷积，实现点云补全

• 3D曲面重建之移动最小二乘法

• 在医学图像分析中使用ICP算法进行点云配准

• 两种ICP的改进算法：PLICP与NICP
  

• 一分钟详解PCL中点云配准技术

• 3Ｄ点云配准（二多幅点云配准）

• 点云配准(一 两两配准)

• 一分钟详解PCL-1.8.1从源码搭建开发环境一(Boost库的编译)

• PCL1.8.0+VS2013+Win10 x64的配置教程

• PCL从0到1|点云滤波之直通滤波与体素法滤波

• 最终章|一分钟详解PCL编译过程

三维重建篇

• 三维重建的定位定姿算法

• 多视图几何三维重建实战系列- Cascade-MVSNet

• 多视图立体匹配论文分享CasMVSNet

• 多视图立体匹配论文分享PVA-MVSNet

• 多视图几何三维重建实战系列之R-MVSNet

• 一文带你理解基于图像的三维重建

• 多视图几何三维重建实战系列之MVSNet

• EPSON机器人建立工具坐标系及TCP/IP通讯

• 大盘点|基于RGB图像下的机器人抓取

• 机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划

• 机器人抓取领域性能评估标准

• 机器人抓取领域相关数据

GPU优化加速

• GPU加速——OpenCL学习与实践

• GPU高性能编程CUDA实战（二）

• CUDA8.0+VS2015+Win10开发环境搭建教程

基础入门篇

• ubuntu下如何安装两个版本OpenCV？

• Git使用教程：超详细、超傻瓜、超浅显、真正手把手教！

• 实战 | Docker ubuntu:18.04 镜像制作

• 实战|C++在vscode上的调试配置

• 如何高效地逛Github？

• 那些你所不知道的arXiv使用技巧

• 一分钟详解Git使用技巧（一）

• 那些你所不知道的免费文献下载工具

• CMakeLists.txt文件如何编写？（一 基础篇）

• 使用VA助手如何快速添加注释(按doxygen注释规范)

• 一分钟详解VS中快速生成dll和lib方法

• VS如何将核心函数封装成dll、lib，并供给第三方调用？

• VS2015 Visual Assist X 破解版安装教程

• Python IDE ——Anaconda+PyCharm的安装与配置

• Matlab R2018a 64位安装教程

• 那些你所不知道的文献下载网址经验总结

• QT在VS2013中的配置

• VS2013+OpenCV3.1.0配置方法

• 用于类别级物体6D姿态和尺寸估计的标准化物体坐标空间

• 基于改进的点对特征的6D位姿估计

• HybridPose：混合表示下的6D对象姿态估计

• 单阶段6D对象姿势估计

• 基于PPF方式改进的物体检测与位姿估计算法

• SilhoNet：一种用于3D对象位姿估计和抓取规划的RGB方法
  

• 单目图像3D物体的姿态检测
  

• CVPR2020 | 通过可微的代理投票损失进行6DoF对象位姿估计

• PVN3D: 基于Deep Point-wise 3D关键点投票的6D姿态估计网络（香港科技大学提出）
  

• 物体的三维识别与6D位姿估计：PPF系列论文介绍（一）

• 物体的三维识别与6D位姿估计：PPF系列论文介绍(二)——PPF-MEAM
  

• 盘点类别级物体6D位姿估计
  

• 大盘点|6D姿态估计算法汇总(上)

• 大盘点|6D姿态估计算法汇总（下）

• 基于点云方式的6D姿态识别

• 基于对应点的6D姿态识别

• 李飞飞团队最新论文：基于anchor关键点的类别级物体6D位姿跟踪

• 遮挡重叠场景下|基于卷积神经网络与RoI方式的机器人抓取检测

• 人脸识别技术介绍和表情识别最新研究
  

• 汇总|3D人脸重建算法
  

• 3D人脸重建和人脸分析常用的数据集汇总

• 基于自动驾驶车辆的激光雷达与摄像头之间的在线标定算法

• 如何入门学习自动驾驶感知技术？

• ESPNet: 自动驾驶领域轻量级分割模型

• 视觉激光雷达信息融合与联合标定

• 单镜头视觉系统检测车辆的测距方法

• 应用于雷达信号的深度学习方法

• 深度学习基于摄像头和激光雷达融合的3-D目标检测

• 基于双目视觉的自动驾驶技术

• 传感器融合-数据篇（自动驾驶）

• AI项目对接第一期

• AI项目对接第二期——缺陷检测

• 那些年，我们一起刷过的计算机视觉比赛

• 缺陷检测开源工具

• 汇总|缺陷检测数据集

• 总结|深度学习实现缺陷检测

• 干货|深度学习实现零件的缺陷检测

• 全景分割 | Learning to Fuse Things and Stuff

• 汇总|医学图像数据集

• 汇总|医学图像分析领域论文

车牌识别/OCR

• 超全的OCR数据集

• 大盘点|OCR算法汇总

• 车牌识别之车牌定位

• 追势科技蒋如意博士:AVP环境感知和地图适配取得重大突破

• wuhan2020：武汉新型冠状病毒防疫开源信息收集平台

• 达摩院-机器智能实验室-视觉方向招聘

• 华为云EI产品部诚邀3D视觉算法大佬加入（社招&实习）
  

• 梅卡曼德机器人| 机器视觉算法、深度学习算法、软件开发等海量岗位
  

• INDEMIND|SLAM、计算机视觉、深度学习算法招聘（社招&实习）

• 招聘|技术总监&三维重建算法工程师

• 招聘|华为2012实验室中央媒体技术院实习生/校招/社招

• 年薪40w | 追势科技诚招感知算法和软件开发工程师

• SLAM、3D vision求职经历
  

• 2020，我的秋招
  

• 三公子论「财务自由」
  

• 如何成为一流的「匠人」？

• 职场的你，如何《赢》？

• 《跃迁——成为高手的技术》

• 浅忆《相爱十年》

• 《原则》之读书笔记

关注公众号

后台回复 「资料」， 即可下载 计算机视觉干货资料，

三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向
                    微信公众号推荐关注公众号后台回复 「资料」，即可下载 计算机视觉干货资料，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、姿态估计、多视图几何、多传感器融合等方向【计算...
作者：炼丹兄（已授权）
作者联系方式：微信cyx645016617
论文名称：‘Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks’
论文链接：https://arxiv.org/abs/2003.09514v3
1 微分同胚回顾
ϕ(1)\phi^{(1)}ϕ(1)是表示时间间隔为1的形变场，上图中的x表示形变场，然后形变场加上形变场的速.
				
想要入门计算机视觉，一个月足以！但想要精通，还是需要深耕的~
我用8千字写了这份0基础保姆级究极简单的计算机视觉入门学习路线图（包含实战项目），保你一个月入门计算机视觉，分享给在座的大佬。
这个学习路线图一共有16个模块，完整学完之后可以从入门到精通了：
	深度学习入门算法
	深度学习框架TensorFlow与pytorch
	OpenCV图像处理框架实战
	综合项目-物体检测YOLO实战
	图像分割实战
	行为识别实战
	transformer实战系
					
CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)、早期/中期/近期应用领域(偏具体应用)、经典CNN架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装、常用数据集、编程技巧
					心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)……
					10-18
CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)、早期/中期/近期应用领域(偏具体应用)、经典CNN架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装、常用数据集、编程技巧
计算机视觉技最强学习路线
				
├─1.计算机视觉简介、环境准备(python, ipython)
│      computer vsion.pdf
│      CS231 introduction.pdf
├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择
│      2.  图像分类简介、kNN与线性分类器、模型选择.mp4
│      2.初识图像分类.pdf
├─3.再谈线性分类器
│      3.再谈线性分类器.mp4
│      再谈线性分类器.pdf
├─4.反向传播算法和神经网络简介
│      .反向传播算法和神经网络简介.pdf
│      4. 反向传播算法和神经网络简介.mp4
├─5.神经网络训练1
│      5.-神经网络训练1.pdf
│      5.神经网络训练1.mp4
├─6.神经网络训练2、卷积神经网络简介
│      6.神经网络训练2.mp4
│      神经网络训练2.pdf
├─7.卷积神经网络
│      7.卷积神经网络.mp4
│      Lession7.pdf
├─8.图像OCR技术的回顾、进展及应用前景
│      8.图像OCR技术的回顾、进展及应用前景.mp4
│      PhotoOCR_xbai.pdf
└─9.物体定位检测
        物体定位检测.pdf
├─10.卷积神经网络可视化
│      .卷积神经网络可视化.pdf
│      10.卷积神经网络可视化.mp4
├─11.循环神经网络及其应用
│      11.循环神经网络及其应用.mp4
│      循环神经网络.pdf
├─12.卷积神经网络实战
│      12.卷积神经网络训练实战.mp4
│      卷积神经网络实战.pdf
├─13.常见深度学习框架介绍
│      常见深度学习框架介绍.pdf
├─14.图像切割
│      14.图像切割.mp4
于深度学习的学习从模模糊糊的入坑，恍惚间已过半年，从开始对人工智能的新奇，到现在已经完全磨灭了当初的幻想。好啦不扯淡了，来点正经的。
下面我将谈谈对于深度学习计算机视觉的学习路线及感悟，当然这可能并不适合所有人，毕竟每个人的基础不一样，而且学习能力也不一样。像我这种菜鸡（手动狗头），只能慢慢啃。
一、机器学习及OpenCV学习路线
对于深度学习的学习我并不建议，直接就学习深度学习的相关知识，毕竟深度学习是基于机器学习..
				
《计算机三级嵌入式学习笔记汇总.pdf》是一本涵盖计算机三级嵌入式技术全面的学习笔记。本书系统地介绍了嵌入式系统的基础知识、开发工具及环境、嵌入式软件开发技术、嵌入式系统硬件主要结构和部件的构成及应用、常用嵌入式操作系统等内容。对于想要系统了解嵌入式系统开发技术的学习者而言，本书是一本非常宝贵的资料。
在嵌入式系统的学习中，理论知识的积累非常重要，对于初学者，需要理解嵌入式系统的基本概念和背景，以及嵌入式系统的功能、应用和历史的演变。此外，嵌入式系统开发中最基本的软件技术是C语言，因此在学习嵌入式开发之前，需要掌握C语言的基础语法和编程技巧。
当学习者具备了基础知识和技能后，就可以开始进行具体的嵌入式系统开发了。这就需要学习各种开发工具和环境，比如KEIL、IAR、Eclipse等。此外，学习者还需要了解各种常用外设的使用方法以及各种常见嵌入式操作系统的使用方法，比如uC/OS、VxWorks、Linux等。
整个嵌入式系统开发需要学习者掌握各种不同的技术和工具，因此本书精心汇编了各类学习笔记，让学习者可以更加深入地了解嵌入式系统技术，为嵌入式系统开发打下坚实的基础。总之，本书对于计算机三级嵌入式学习者而言是一本非常好的学习资料。