8

自动驾驶/三维重建/SLAM/点云/相机标定/深度估计/3D检测课程推荐

 2 years ago
source link: https://zhuanlan.zhihu.com/p/530603268
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

自动驾驶/三维重建/SLAM/点云/相机标定/深度估计/3D检测课程推荐

专注SLAM、点云、三维重建、结构光、自动驾驶、机械臂抓取等

人工智能渗入到越来越多领域,以计算机视觉为主的相关应用更是呈现爆发性增长,国内外资本对AI视觉兴趣只增不减,自动驾驶、工业视觉、AR/VR、测量测绘、移动机器人等领域涌现了大量独角兽公司,呈现了以3D感知、融合定位、重建、测距等多个应用场景的产品。

(标定类基础模块)

动图封面

(定位感知高级模块)

动图封面

AI领域的热度和资本涌入持续增长,相关公司更是不惜重金寻找相关算法开发人员,新人倒挂老员工的现象层出不穷。。。但对于想要转入相关领域的人员来说,技术门槛较高自学成才难度较大,如果能够跟着一线算法研究/工程人员一起学习,那么将会很大程度上避免踩一些无用坑,快速进步,早日拿到高薪。

工坊现已推出了面向自动驾驶场景的多传感器融合、激光/视觉SLAM、视觉-激光-IMU-GPS融合SLAM、视觉三维重建、点云处理、3D点云目标检测、深度估计、结构光三维重建、相机模型与标定、自动驾驶模型部署、四旋翼无人机等多门课程。

学习入口:3D视觉工坊

主要课程

  1. 自动驾驶系列
  2. 点云处理系列
  3. 三维重建系列
  4. SLAM系列
  5. 深度估计系列
  6. 3D目标检测系列
  7. 相机模型与标定系列
  8. 四旋翼无人机系列
  9. 缺陷检测系列
  10. 大专栏系列(自动驾驶、点云、SLAM、三维重建系列)

自动驾驶系列

主要包含:自动驾驶中的3D点云目标检测、自动驾驶中的深度学习模型部署实战;

(一)自动驾驶中的深度学习模型部署实战



(二)自动驾驶中的深度学习模型部署实战



点云处理系列



三维重建系列

主要包括:视觉三维重建和结构光三维重建。

(一)彻底搞透视觉三维重建



(二)结构光三维重建



SLAM系列

主要包括:激光3D SLAM、激光-视觉-IMU-GPS融合SLAM、视觉-惯性SLAM、面向室内室外场景的SLAM教程。

(一)透彻剖析室内、室外激光SLAM关键算法原理、代码和实战



(二)激光-视觉-IMU-GPS融合SLAM理论与代码讲解



(三)彻底搞懂基于LOAM框架的3D激光SLAM:源码剖析到算法优化



(四)彻底搞懂视觉-惯性SLAM:VINS-Fusion原理精讲与源码剖析



深度估计系列



3D目标检测系列



相机模型与标定系列

四旋翼无人机系列



缺陷检测系列



大专栏系列

(一)自动驾驶全栈学习大专栏

主要包括:

《面向自动驾驶领域的多传感器融合系统学习课程》

《面向自动驾驶领域的3D点云目标检测课程》

《自动驾驶中的深度学习模型部署实战》

《单目深度估计方法: 理论与实战》

基本涵盖所有自动驾驶场景中的感知、融合、部署任务,适合在校研究生、想要从事自动驾驶相关工作的在职人员。

(二)三维点云全栈学习大专栏

主要包括:《国内首个面向工业级实战的点云处理课程》

《面向自动驾驶领域的3D点云深度学习目标检测课程》

从传统点云处理方法到深度学习点云方法全方面剖析,适合从事点云相关工作的研究生、算法开发人员。

(三)SLAM全栈学习系统教程

包括《国内首个面向自动驾驶领域的多传感器融合系统学习课程》和以上的所有SLAM课程,非常全面的SLAM学习资料!

(四) 三维重建全栈学习教程

主要包括视觉三维重建、结构光三维重建、点云处理、深度估计等多个课程,从重建方法、软硬件搭建、后处理等多个维度展开介绍,完整的三维重建学习资料!

(五) 三维视觉全栈学习教程

该专栏包括以上三维重建、点云处理、SLAM、相机模型与标定等所有课程!

学习入口:3D视觉工坊


Recommend

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK