01
3D视觉系统概述
什么是3D视觉、应用领域（自动驾驶/机器人/工业检测）、课程架构与学习路径
概论入门
02
深度传感器原理（上）
双目立体视觉、视差与深度计算、相机标定基础
双目标定
03
深度传感器原理（下）
结构光(Kinect v1)、ToF(Kinect v2/Azure)、LiDAR(机械/固态)
结构光ToFLiDAR
04
传感器选型与对比
分辨率/帧率/精度/范围/鲁棒性对比，选型决策树
选型对比
05
相机成像模型
针孔相机模型、畸变模型(径向/切向)、相机内参矩阵
成像内参
06
坐标系与变换
世界/相机/图像/像素坐标系，刚体变换与齐次坐标
坐标系变换
07
相机标定实战
张正友标定法、OpenCV标定、标定结果评估
标定OpenCV
08
图像预处理
去噪(高斯/双边滤波)、增强(直方图均衡化)、ROI提取
滤波增强
09
特征提取与匹配
SIFT/SURF/ORB、暴力匹配/FLANN、RANSAC剔除误匹配
特征匹配
10
立体匹配与视差图
极线约束、块匹配(BM/SGBM)、视差图后处理
立体匹配视差
11
点云数据格式
PCD/PLY/XYZ格式解析、无序点云与有序点云
格式PCD
12
点云可视化
Open3D/PCL可视化、颜色映射、多视角观察
可视化Open3D
13
点云滤波（上）
直通滤波、体素滤波(降采样)、统计滤波(去离群点)
滤波降采样
14
点云滤波（下）
半径滤波、条件滤波、双边滤波(保持边缘)
滤波边缘保持
15
点云配准（上）
ICP算法原理、点对点ICP、点到面ICP
配准ICP
16
点云配准（下）
ICP改进(Point-to-Plane/Generalized ICP)、粗配准(FPFH+RANSAC)
配准FPFH
17
点云分割
RANSAC平面分割、欧几里得聚类、区域生长分割
分割聚类
18
点云特征描述
法线估计(PCA)、FPFH描述子、SHOT描述子
特征法线
19
点云重建（上）
泊松重建、Delaunay三角化、移动立方体
重建网格
20
点云重建（下）
TSDF融合(体素哈希)、RGB-D重建(BundleFusion思想)
TSDFRGB-D
21
从深度图到点云
内参反投影公式、深度图滤波与空洞填充、彩色点云生成
反投影深度图
22
多传感器融合（上）
相机-LiDAR联合标定、外参标定原理
融合标定
23
多传感器融合（下）
相机-LiDAR融合(投影/特征级/目标级)、时间同步
融合同步
24
点云压缩与传输
点云编码(Draco/MPEG G-PCC)、实时传输(ROS2/ZeroMQ)
压缩传输
25
点云深度学习入门
PointNet/PointNet++原理、点云分类与分割任务
深度学习PointNet
26
3D物体检测
VoxelNet/PointPillars原理、KITTI数据集评估
检测KITTI
27
SLAM中的点云
LOAM/LIO-SAM框架、前端里程计与后端优化
SLAMLOAM
28
点云质量评估
精度评估(MSE/Chamfer距离)、完整性/密度评估
评估Chamfer
29
工程化部署
ROS2节点编写、流水线优化(多线程/GPU)、Jetson部署
部署ROS2
30
综合实战项目
搭建完整3D视觉系统：传感器驱动→点云生成→配准→重建→可视化
实战全流程