传统计算机视觉常见算法
Harris 角点
FAST角点
小孔相机参数
PNP(pespective-n-point)算法
形态学分析
边缘检测
斑点检测
图像平滑去噪
全景拼接
SIFT算法上 | SIFT算法下
SURF算法
orb算法
光流法基础
张正友标定法
RANSAC
标定板识别算法
Shape-Based matching
霍夫变换模板匹配
识别直线
背景提取
物体跟踪
AR二维码检测与应用
二维码
双目重建相关
图像频域分析
图像增强和复原
图片压缩
人脸识别
字符分割
参考链接：https://www.jianshu.com/p/4d2899d43016
传统3D视觉常见算法
3D传感器成像原理（待整理）
常见点云文件解析
常用简单滤波器
网格简化综述
网格简化之QEM
网格简化之VSA
网格简化之顶点聚类
网格生成方法简述
网格生成之Marching Cube
网格生成之TSDF
3D 关键点
3D 特征点描述子
ICP 配准方法
RANSAC 配准方法
NDT配准方法
Point Pair Feature
点对匹配配准方法
点云近邻查找方法
点云分割
面生成算法
面贴图算法
linemod算法
德劳内三角形
摘自作者：开飞机的乔巴
参考链接：https://www.jianshu.com/p/3b24a497715b
来源：简书
3补充点云处理方法
**低层次处理方法：**
①滤波方法：双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。
②关键点：ISS3D、Harris3D、NARF、SIFT3D
**中层次处理方法：**
①特征描述：法线和曲率的计算、特征值分析、SHOT、PFH、FPFH、3D Shape、Context、Spin Image
②分割与聚类：
分割：区域生长、Ransac线面提取、全局优化平面提取、K-Means、Normalize Cut(Context based)、3D Hough Transform(线、面提取)、连通分析
分类：基于点的分类、基于分割的分类、基于深度学习的分类（PointNet,OctNet）
高层次方法：
①配准：点云配准分为粗配准（Coarse Registration）和精配准（Fine Registration）两个阶段。
精配准的目的是在粗配准的基础上让点云之间的空间位置差别最小化。
粗配准是指在点云相对位姿完全位置的情况下对点云进行配准，可以为精配准提供良好的初始值。
基于穷举搜索的配准算法：遍历整个变换空间以选取使误差函数最小化的变换关系或者列举出使最多点对满足的变换关系。如RANSAC配准算法、四点一致配准算法（4-Point Congruent Set, 4PCS）、Super4PCS算法等...
基于特征匹配的配准算法：通过被测物体本身所具备的形态特征构建点云见的匹配对应，然后采用相关算法对变换关系进行估计。如基于点FPFH特征的SAC-IA、FGR等算法、基于点SHOT特征的AO算法以及基于线特征的ICL等...
②SLAM图优化
Ceres（Google的最小二乘优化库，很强大）、g2o、LUM、ELCH、Toro、SPA
SLAM方法：ICP、MBIP、IDC、likehood Field、NDT
③三维重建
泊松重建、Delaunay triangulations、表面重建、人体重建、建筑物重建、数目重建。
实时重建：重建植被或者农作物的4D（3D+时间）生长态势、人体姿势识别、表情识别；
④点云数据管理：点云压缩、点云索引（KD、 Octree）、点云LOD(金字塔)、海量点云渲染