01
深度感知概述
深度感知技术简介、应用场景（自动驾驶/AR-VR/机器人）、课程目标与学习路径
概览入门
02
OpenCV基础与环境搭建
OpenCV简介、安装配置（Win/Mac/Linux）、第一个OpenCV程序（读取与显示图像）
环境OpenCV
03
图像处理基础（一）
色彩空间转换（RGB/HSV/灰度）、图像滤波（均值/高斯/中值滤波）
滤波色彩
04
图像处理基础（二）
边缘检测（Canny/Sobel）、形态学操作（腐蚀/膨胀/开闭运算）
边缘形态学
05
相机模型与标定
针孔相机模型、相机内参与外参、使用OpenCV进行棋盘格标定
标定相机
06
对极几何与立体视觉基础
对极约束、本质矩阵与基础矩阵、立体匹配概念
几何立体
07
视差与深度图
视差计算原理、SGBM半全局匹配算法、生成视差图与深度图
视差SGBM
08
双目相机标定与校正
双目相机标定流程、立体校正（Bouguet算法）、极线对齐
双目校正
09
深度估计实战（双目）
基于OpenCV的双目深度估计完整流程、代码实现与调参
实战双目
10
结构光深度感知原理
结构光技术简介（Kinect v1）、编码方式（散斑/条纹）、深度计算原理
结构光编码
11
ToF深度感知原理
飞行时间法原理、ToF相机（Kinect v2/Azure Kinect）、多路径干扰与噪声
ToF飞行时间
12
点云基础与PCL入门
点云数据结构、PCL库安装与基础操作、点云可视化
点云PCL
13
OpenCV与点云融合
将深度图转换为点云、点云滤波（直通/体素/统计滤波）
融合滤波
14
点云配准（ICP）
迭代最近点算法原理、OpenCV与PCL实现点云配准、多视角拼接
配准ICP
15
深度感知与目标检测
结合YOLO/SSD与深度图、获取目标的三维位置与尺寸
检测YOLO
16
深度感知与目标跟踪
基于深度信息的跟踪（KCF+深度）、遮挡处理策略
跟踪KCF
17
手势识别与深度感知
利用深度图进行手部分割、指尖检测、简单手势识别
手势分割
18
人体姿态估计与深度
OpenPose/MediaPipe结合深度图、获取关节点的3D坐标
姿态MediaPipe
19
场景重建（RGB-D SLAM）
RGB-D SLAM简介、ORB-SLAM3与深度图结合、稠密重建
SLAM重建
20
深度感知在自动驾驶中的应用
车道线检测与深度估计、障碍物测距、可行驶区域分割
自动驾驶测距
21
深度感知在AR/VR中的应用
平面检测与AR放置、虚拟物体遮挡处理、手势交互
AR/VR交互
22
深度感知在机器人中的应用
抓取位姿估计、避障导航、物体操作
机器人抓取
23
深度传感器选型与对比
双目、结构光、ToF、激光雷达的优缺点与选型指南
传感器选型
24
深度数据增强与合成
使用Blender/Unity生成合成深度图、数据增强策略
增强合成
25
深度学习与深度估计（一）
单目深度估计（Monodepth2）、损失函数与评估指标
单目深度学习
26
深度学习与深度估计（二）
双目深度估计（PSMNet、RAFT-Stereo）、端到端学习
双目端到端
27
深度感知模型部署
ONNX模型转换、TensorRT加速、在Jetson Nano上部署
部署TensorRT
28
深度感知项目实战（一）
基于双目相机的实时测距系统（从标定到显示）
项目测距
29
深度感知项目实战（二）
基于深度相机的3D扫描仪（点云生成与保存）
3D扫描点云
30
深度感知项目实战（三）
基于深度信息的智能避障小车（仿真与实物）
避障小车