重磅!国内首个三维重建系列视频课程,涉及SFM、立体匹配、多视图几何、结构光、单目深度估计等
写在前面
感谢大家的一路陪伴与支持,这里赠送一张「3D视觉从入门到精通」知识星球优惠券,有效期两天,有需要的可以使用。
三维重建技术是计算机视觉的重要技术之一,基于视觉的三维重建技术通过深度数据获取、预处理、点云配准与融合、生成物体表面等过程,把真实场景刻画成符合计算机逻辑表达的数学模型。
由于三维重建对图像、光学、成像理论、以及重要数学公式的的推导要求较高,其次,三维重建也有其应用上的痛点、难点,比如成本预算、大场景、物体运动、纹理缺失、暗环境等,因而其涉及的算法也多种多样,诸如单目深度估计、SFM、多视图几何、深度学习、立体匹配、结构光等。
鉴于三维重建学习相关教材寥寥无几,网上资料也比较零散,国内外系统讲解三维重建的课程几乎没有。
基于此,我们「3D视觉从入门到精通」知识星球特地增加了「三维重建」系列视频课程,希望通过这门课,大家能对结构光领域一些经典的算法理论有一些清晰的认识,自己能够真正地理解其算法思路,而非简单调用函数。
1
课程讲师
老师1:书嘉,来自韩国首尔东国大学,研究方向为基于深度学习的多视图立体匹
配。
老师2:李城,担任过知名企业的图形图像算法工程师,高精度地图算法工程师。
老师3:笔名:视觉企鹅,精通多视图几何算法。
老师4:周博,河海大学在读博士,主要研究方向为深度估计、光流计算。
其他三位结构光方向老师介绍如下:
(本课程中文授课,点击图片查看大图)
2
课程大纲
基于深度学习的多视图立体匹配
多视图立体匹配背景介绍 发展梳理 - 重点论文讲解,包括MVSNet,P-MVSNet,PVA-MVSNet,CVP-MVSNet
SFM原理与实践(Structure from motion)
- 什么是SFM
SFM与SLAM的区别 SFM算法介绍 SFM C++ demo - SFM的应用与改进
单目深度估计原理与实践 多视图几何方式的三维重建 基于结构光投影三维重建技术原理剖析
基于格雷码结构光投影的三维传感技术; 基于格雷码结合相移技术的动态三维传感方法: 几种时间相位展开方法的基本原理及方法比较; 双目立体匹配三维重建方法; 结构光测量系统的标定; 投影仪非线性校正; 高反射物体表面测量方法; 实时结构光三维面形测量方法; 高速结构光三维面形测量方法; 全局效应性下的结构光三维重建方法: 结构光方法新应用; 深度学习在结构光三维重建中的应用。
学后收获
1. 对三维重建所包含的基本内容与常见方法及痛点会有更深刻地理解;
2.对基于深度学习的多视图立体匹配最新的方法会有更透彻地掌握;
3.对SFM的实现原理及应用,会更加熟练;
4.对单目如何估计深度的原理,会有更加独到的认知与领悟;
5.了解多视图几何方式的三维重建的基本方法;
6.对基于结构光投影三维重建技术,会有着原理层面的透彻学习。
4
还能收获什么
1. 优质的学习圈子
星球汇集了国内外各个高校的研究生、博士生,包括但不限于清华大学、上海交通大学、华中科技大学、武汉大学、南京大学、北京理工大学、北京航空航天大学;以及国外留学的小伙伴,主要就读于南加州大学、墨尔本大学、慕尼黑工业大学、亚琛工业大学
等。除此之外,还有很多一线工作的算法工程师、开发人员,包括但不限于百度、旷视、华为、奥比中光、云从、阿丘科技等。
星球的主要嘉宾
3D视觉从入门到精通知识星球是一个技术社区,在这里你可以讨论任何3D视觉相关的难题、前沿技术。星球邀请了国内外高校博士(北航、慕尼黑工业大学等)、CV独角兽公司CTO/CEO、以及各大厂的算法工程师解惑。在这里,你可以一对一和大佬交流,提出自己在工作学习上的疑问。
合作企业
知识星球现已和众多公司建立了良好的合作关系,公司内的算法负责人会不定期的来内部进行前沿技术/产品分享,除此之外,星球也为公司推荐合格的算法/开发人才。现有合作企业包括但不限于:华为云、腾讯、图漾科技、镭神智能、中科慧眼、INDEMIND、迁移科技、追势科技等~
2. 优质学习文章及代码,包括SFM、多视图几何、结构光等
5
课程服务
1. 三位主讲全程答疑
在星球内,遇到任何技术问题,可以向以上主讲老师免费发起提问,一起集思广益。
图1 日常问答
图2 日常问答
图3 日常问答
图4 日常问答
图5 日常问答
2. 优质学习代码与资料分享
星球里已经分享了大量的结构光的学习干货资料,包括代码、论文、以及嘉宾们的学习总结。
▲长按扫码即可加入学习,且可免费向讲师提问
关键词
方法
技术
深度学习
三维重建
结构光
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。