opengl实现3d点云_为大家整理了一些干货资料,涉及3D重建、SLAM、点云处理、3D检测与识别、深度估计、姿态估计等...

Date:2020-6-28
整理:Tom Hardy
来源;公众号【3D视觉工坊】
欢迎加入国内最大的3D视觉交流社区,1700+的领域从业者正在共同进步~

往期干货资源:

汇总 | 国内最全的3D视觉学习资源,涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习(3D+2D)、图像处理、立体视觉、结构光等方向!

公众号为大家整理了一系列的干货,主要包括3D重建、SLAM、点云处理、3D检测与识别、深度估计、姿态估计等,现已托管至Github,欢迎大家fork&star,关注3D视觉工坊,获取更多干货内容。

1、3D重建

主要包括基于单目图像重建、结构光、双目重建、多目重建、多视图几何、深度相机、光场、SFM等内容~

链接:Tom-Hardy-3D-Vision-Workshop/aweosme-3D-restruction

2、3D检测与识别

主要包括基于单目图像的3D检测、基于双目的3D检测、基于立体视觉的3D检测、基于融合数据的3D检测~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-3D-object-detection

3、点云处理

主要包括点云的滤波、特征提取、线面拟合、面积体积计算、识别分类、点云分割与配准、点云数据集等~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-pointcloud-processing

4、姿态估计

主要包括基于RGB图像的姿态估计、基于RGB-D数据的姿态估计、基于点云数据的姿态估计、基于model方式的姿态估计、基于投票方式的姿态估计、基于深度学习方式的姿态估计等~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-6D-pose-estimation

5、深度估计

主要包括基于单目的深度估计、半监督和自监督方式的深度估计~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-depth-estimation

6、自动驾驶领域算法汇总

主要包括仿真工具、框架、数据集、感知算法等~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-Autopilot-algorithm

7、SLAM

主要汇总了一些优秀的开源仓库~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-SLAM-algorithm

8、缺陷检测

主要包括缺陷检测的一些文章汇总、代码实现~

链接:Tom-Hardy-3D-Vision-Workshop/awesome-defect-detection

9、CV会议期刊汇总

链接:Tom-Hardy-3D-Vision-Workshop/awesome-cv-conference-journals

c2daa6564609463a9b63d56d907c85bf.png

10、AI相关公司汇总

链接:Tom-Hardy-3D-Vision-Workshop/awesome-AI-company-summary

7f6d5f408b158ea9269965f73d53a727.png

往期干货资源:

汇总 | 国内最全的3D视觉学习资源,涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习(3D+2D)、图像处理、立体视觉、结构光等方向!

汇总 | 3D目标检测(基于点云、双目、单目)

汇总 | 6D姿态估计算法(基于点云、单目、投票方式)

汇总 | 三维重建算法实战(单目重建、立体视觉、多视图几何)

汇总 | 3D点云后处理算法(匹配、检索、滤波、识别)

汇总 | SLAM算法(视觉里程计、后端优化、回环检测)

汇总 | 深度学习&自动驾驶前沿算法研究(检测、分割、多传感器融合)

汇总 | 相机标定算法

汇总 | 事件相机原理

汇总 | 结构光经典算法

汇总 | 缺陷检测常用算法与实战技巧

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值