目录
写在前面
1、此文意在记录3d视觉常用资源、教程，目前主要更新点云处理算法以及三维重建相关资源
2、文中所有资源、参考已给出来源链接，如有侵权请联系删除
3、转载本文请注明出处，本文链接：https://blog.csdn.net/qq_41102371/article/details/121445383
使用建议
算法：
- 一个新的算法可以先找个demo跑起来，建立一个感性认知，同时判断算法是否对自己有用
- 结合文章以及源代码能帮助理解算法
利用资源： - 遇到问题第一时间找开源库或者框架的官方文档、github readme、github issue(你遇到的问题别人也会遇到，通常在github issue能找到答案)，比如open3d、pcl、opencv、openmvg、colmap，都有自己的官方文档/手册(不要抗拒读英文原版文档，这才是一手资料)，还有比较出名的深度学习算法，一般都在github有开源并且很多issue
- 多尝试自己配置开源算法并记录问题
视频课程
三维重建
北邮鲁鹏老师的三维重建SFM课程，讲得非常好，该ID的其它视频也有计算机视觉基础以及深度学习的相关内容：
https://www.bilibili.com/video/BV1nz4y197Qv
点云
Datasets
点云数据集
著名的stanford bunny
http://graphics.stanford.edu/data/3Dscanrep/
下载bunny:
http://graphics.stanford.edu/pub/3Dscanrep/bunny.tar.gz
3D match数据集
常用于点云配准、分割
数据集官网：https://3dmatch.cs.princeton.edu/
数据集介绍：https://blog.csdn.net/zhulf0804/article/details/110259055
modelnet40 数据集
常用于点云配准、分割、分类
http://modelnet.cs.princeton.edu/
三维重建数据集
https://blog.csdn.net/qq_15642411/article/details/119390920
资料
电子文档
下载地址:
链接：https://pan.baidu.com/s/1Qkge7DNxn18nxG6ckop90Q
提取码：1111
三维重建
计算机视觉中的多视图几何 及其英文原版 Multiple View Geometry in Computer Vision.2nd Edition(3d视觉的基础，非常重要的一本书)
计算机视觉中的数学方法
PhotogrammetricComputerVision(摄影测量中的计算机视觉)
点云处理
点云库 PCL 从入门到精通
点云算法
点云滤波
问题：
为什么要点云滤波：
1、 降采样算法可减少数据量，后续算法才能高效运行
2、 使点云更均匀，解决比如激光扫描点云不同地方密度不一致问题(离设备近密远疏)
3、 去噪，噪声会对配准、分割等算法产生影响
需要掌握的内容：
各种降采样原理
https://blog.csdn.net/qq_43049432/article/details/99293071
降采样
pcl 中的RandomSample、UniformSampling、VoxelGrid采样
https://blog.csdn.net/qq_41102371/article/details/119799224
直通滤波
https://pcl.readthedocs.io/projects/tutorials/en/master/passthrough.html#passthrough
统计滤波
半径滤波
https://pcl.readthedocs.io/projects/tutorials/en/master/remove_outliers.html#remove-outliers
点云配准(Point Cloud Registration, PCR)
问题：
1、 点云配准能做什么
2、 点云配准的基本算法、各自优缺点
算法
ICP Tricp 3d-ndt ：
https://blog.csdn.net/qq_41102371/category_10584807.html
Generalized-icp
Segal A, Haehnel D, Thrun S. Generalized-icp[C]//Robotics: science and systems. 2009, 2(4): 435.
原文下载：
share_noel/papers/point cloud registration/reg-Generalized_ICP.pdf
https://pan.baidu.com/s/1IsN2Ze2FNts-3v4ZH1m-9A 提取码: mack
算法介绍：
算法源码：
pcl:
https://github.com/PointCloudLibrary/pcl/blob/master/registration/include/pcl/registration/impl/gicp.hpp
open3d:
https://github.com/isl-org/Open3D/blob/master/cpp/open3d/pipelines/registration/GeneralizedICP.cpp
fpfh
Rusu R B , Blodow N , Beetz M . Fast Point Feature Histograms (FPFH) for 3D registration[C]// IEEE International Conference on Robotics & Automation. IEEE, 2009.
fpfh在实际点云配准应用上还是有比较好的表现的
算法介绍及实现：
1、 PCL
https://pcl.readthedocs.io/projects/tutorials/en/master/fpfh_estimation.html#fpfh-estimation
2、 open3d
http://www.open3d.org/docs/release/tutorial/pipelines/global_registration.html#Extract-geometric-feature
下载：
share_noel/papers/point cloud registration
code
好的开源库可以让我们快速地学习和了解一些算法，点云领域一些比较好的算法会写进pcl和open3d这种开源库。比如你想知道点云配准有哪些常用算法，不妨去pcl和open3d里面看看对应配准部分都实现了哪些源码，运行官方给出的一些demo，如果觉得对自己的工作有帮助，那就看看源码以及对应的论文深入学习一下。
PCR in PCL:
https://pcl.readthedocs.io/projects/tutorials/en/latest/#registration
PCR in Open3D:
http://www.open3d.org/docs/release/tutorial/pipelines/index.html#
http://www.open3d.org/docs/release/python_api/open3d.pipelines.registration.html
点云特征
fpfh
ISS(intrinsic shape signature):
下载地址：
share_noel/papers/point cloud features/
介绍及实现：
http://www.open3d.org/docs/release/tutorial/geometry/iss_keypoint_detector.html
点云分割
传统方法：
ransac、dbscan
RANSAC
ransac可以做很多事情，在平面、圆、圆柱直线拟合上应用特别多，在特征匹配上也会使用，比如点云配准的fpfh特征误匹配剔除(见open3d pcl源码)，图像配准的homograph矩阵的计算的误匹配剔除(opencv源码)
算法原文
share_noel/papers/RANSAC原文-Random sample consensus–a paradigm for model fitting with applications to image analysis and automated cartography.pdf
https://pan.baidu.com/s/1IsN2Ze2FNts-3v4ZH1m-9A 提取码: mack
算法介绍：
https://blog.csdn.net/qq_41102371/article/details/117036613
pcl ransac:
https://pcl.readthedocs.io/projects/tutorials/en/master/random_sample_consensus.html#random-sample-consensus
wiki ransac:
https://en.wikipedia.org/wiki/Random_sample_consensus
RANSAC平面拟合
open3d官方文档：
http://www.open3d.org/docs/release/tutorial/geometry/pointcloud.html#Plane-segmentation
pcl官方文档：
https://pcl.readthedocs.io/projects/tutorials/en/master/index.html#segmentation
其实拟合出来模型，也就相当于做了分割
RANSAC圆柱拟合
PCL官方文档
https://pcl.readthedocs.io/projects/tutorials/en/master/index.html#segmentation
RANSAC直线拟合：
https://blog.csdn.net/hongge_smile/article/details/104052070
https://pcl.readthedocs.io/projects/tutorials/en/master/random_sample_consensus.html#wikipediaransac
DBSCAN
算法介绍：
算大实现：
dbscan将进行空间聚类，分割成多个cluster
oepn3d 实现:
http://www.open3d.org/docs/release/tutorial/geometry/pointcloud.html#DBSCAN-clustering
点云压缩(Point Cloud Compression, PCC)
papers:
tools:
pcl 点云压缩
https://pcl.readthedocs.io/projects/tutorials/en/master/compression.html#octree-compression
点云深度学习(Deep Learning for 3D Point Clouds)
目前点云深度学习也是一个比较好的探索方向，可以做点云配准、分割、识别等任务
papers
pointnet
pointnet对于点云深度学习是具有里程碑意义的，在modelnet40上实现了点云的分类分割任务
文章：
https://arxiv.org/abs/1612.00593
代码：
https://github.com/charlesq34/pointnet
pointnet++
pointnet++是对pointnet的进一步改进
https://arxiv.org/abs/1706.02413
https://zhuanlan.zhihu.com/p/88238420
https://github.com/charlesq34/pointnet2
pcrnet–point cloud registration
https://arxiv.org/abs/1908.07906
https://github.com/vinits5/pcrnet
rmpnet–point cloud registration
https://arxiv.org/abs/2003.13479
https://github.com/yewzijian/RPMNet
dcp–point cloud registration
https://arxiv.org/abs/1905.03304
https://github.com/WangYueFt/dcp
DGR–point cloud registration
https://arxiv.org/abs/2004.11540
https://github.com/chrischoy/DeepGlobalRegistration
Predator–point cloud registration
https://arxiv.org/abs/2011.13005
https://github.com/overlappredator/OverlapPredator
FCGF–point cloud features
https://node1.chrischoy.org/data/publications/fcgf/fcgf.pdf
https://github.com/chrischoy/FCGF
https://blog.csdn.net/zhulf0804/article/details/110258923
更多点云深度学习算法：配准、分类、分割、目标检测
https://github.com/Yochengliu/awesome-point-cloud-analysis
https://github.com/zhulf0804/3D-PointCloud
图像算法
papers
三维重建(3D Reconstruction)
papers
share_noel/papers/3d reconstruction/
https://pan.baidu.com/s/1IsN2Ze2FNts-3v4ZH1m-9A 提取码: mack
sfm-Photo Tourism Exploring Photo Collections in 3D.pdf
sfm-Open Source Structure-from-Motion for Aerial Video.pdf
sfm-changchangwu-Towards Linear-time Incremental Structure from Motion.pdf
著名的sift:
SIFT-Lowe2004-Distinctive Image Features from Scale-Invariant Keypoints.pdf
clomap:
Structure-from-Motion Revisited.pdf
openmvg:
https://openmvg.readthedocs.io/en/latest/bibliography/#bibliography
awesome_3DReconstruction_list
https://github.com/openMVG/awesome_3DReconstruction_list
开源算法框架
三维重建开源和商业软件对比：
https://blog.csdn.net/qq_15642411/article/details/107966247
Colmap和OpenMVG对比：
https://blog.csdn.net/rs_lys/article/details/118004259
入门demo:
https://blog.csdn.net/qq_41102371/article/details/108727224
openmvg
openmvg是三维重建里面最为熟知的开源框架
源码：
https://github.com/openMVG/openMVG
官方文档：
https://openmvg.readthedocs.io/en/latest/
配置使用：
https://blog.csdn.net/qq_39615622/article/details/80967378
https://blog.csdn.net/weixin_41109672/article/details/107906212
https://blog.csdn.net/mitsubishisony/article/details/52332470
https://blog.csdn.net/baidu_40840693/article/details/84754035
https://blog.csdn.net/baidu_40840693/article/details/84777589
(备忘：有时间在csdn完整记录自己配置的openmvg)
colmap
colmap也是个很棒的开源重建框架
文章：
https://ieeexplore.ieee.org/document/7780814
源码：
https://github.com/colmap/colmap
官方文档：
https://colmap.github.io/
https://demuc.de/colmap/
配置使用：
https://blog.csdn.net/qq_41102371/article/details/115288530
开源库
PCL
PCL Official website:https://pointclouds.org/
PCL Github:https://github.com/PointCloudLibrary/pcl (pcl source code)
PCL Tutorials:https://pcl.readthedocs.io/projects/tutorials/en/latest/ (Tutorials for using PCL)
Open3D
Open3D Official website:http://www.open3d.org/
Open3D Github: https://github.com/isl-org/Open3D
Open3D Documentation: http://www.open3d.org/docs/release/
关于pcl和open3d使用的教程
https://blog.csdn.net/qq_41102371/category_11187715.html
https://blog.csdn.net/qq_41102371/category_10016171.html
3D视觉
比较有用的公众号：
3d视觉工坊
计算机视觉life
点云pcl
常用资源：
https://blog.csdn.net/qq_41102371/article/details/121013716（一直更新）
完
如有错漏，敬请指正
--------------------------------------------------------------------------------------------诺有缸的高飞鸟202111
1014
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
