开始学习3d技术
深度图:深度图转换成三维点云
三维点云:opencv中就已经慢慢包含了3D点云的处理的相关模块
结构光
SLAM算法
激光SLAM 视觉SLAM(sparse、dense)
三维视觉
嵌入式系统上是可以跑起来的，Sparse的SLAM可以达到30-50hz（也不需要GPU和Cuda）
实时构建世界的 3D 地图，并同时追踪摄像头（手持式或增强现实设备上的头戴式或安装在机器人上）的位置和方向
SLAM 是卷积神经网络和深度学习的补充：SLAM 关注于几何问题而深度学习是感知、识别问题的大师
如果你想要一个能走到你的冰箱面前而不撞到墙壁的机器人，那就使用 SLAM。如果你想要一个能识别冰箱中的物品的机器人，那就使用卷积神经网络。
结构光:研究结构的光，可投射
三角测量原理:空间的两个相交的直线确定空间一点
景深信息
三维重建:2d转3d
UV space
Princeton’s Modelnet40 dataset
AFLW2000-3D Dataset (68 pts)
LS3D-W
[1] 三角测量原理与双目视觉景深恢复 https://blog.csdn.net/shenziheng1/article/details/53301480
[2] 结构光的概念及其实现三维成像的主要原理是什么 https://www.zhihu.com/question/54347759
[3] Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network https://github.com/YadiraF/PRNet
[4] Face Alignment Across Large Poses: A 3D Solution. https://arxiv.org/pdf/1511.07212.pdf
[5] 使用深度学习的三维点云分类的介绍 https://www.cnblogs.com/li-yao7758258/p/8182846.html
[6] 【世界最大人脸对齐数据集】ICCV 2017：距离解决人脸对齐已不远 https://blog.csdn.net/c2a2o2/article/details/79238977
[7] How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks) https://arxiv.org/pdf/1703.07332.pdf
[8] 代码https://github.com/1adrianb/face-alignment
[9] opencv https://docs.opencv.org/3.1.0/d1/d90/group__structured__light.html